Análise comparativa dos algoritmos genéticos many-objective em problemas de otimização discreta

• Autor(a) principal: Marson, Gabriel Augusto
• Data de Publicação: 2017
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/20627
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; algoritmos genéticos; genetic algorithms; otimização discreta; discrete optimization; otimização multi-objetivos; multi-objective optimization; estratégias many-objective; many-objective strategies

Esta investigação tem como objetivo mostrar o desempenho de alguns algoritmos genéticos multi-objetivos, em especial aqueles conhecidos como many-objective, em um problema discreto da computação, o problema da mochila. Além disso, será apresentado um estudo da evolução dos algoritmos genéticos que é uma abordagem não determinística para resolver problemas, passando pelos multi-objetivos, que resolvem problemas de 2 ou 3 funções objetivo, e finalizando nos many-objectives, que são capazes de resolver problemas com várias funções objetivo, ou seja, a partir de 4. É feita uma avaliação comparativa de desempenho dos algoritmos NSGA-II(Nondominated Sorting Genetic Algorithm II ) e SPEA2(Strength Pareto Evolutionary Algorithm 2 ), considerados multi-objetivos e dos mais recentes que são considerados many-objectives como o MOEA/D(Multi-objective Evolutionary Algorithm Based on Decomposition), AEMMT (Multiobjective Evolutionary Algorithm With Many Tables) e AEMMD(Algoritmo Evolutivo Multiobjetivo com Múltiplas Dominâncias). De acordo o tempo de execução e outras métricas de desempenho, será feita uma avaliação comparativa entre esses algoritmos para lidar com quatro ou mais critérios de otimização. Este trabalho, portanto comprova uma maior eficácia dos algoritmos many-objective em detrimento dos multi-objetivos para uma quantidade de objetivos mais elevada. Ele também mostra que, a medida que a complexidade do problema aumenta, os many-objectives apresentam um maior desempenho do que o SPEA2 e NSGA-II.