HACIA UN NUEVO INDICADOR DE CALIDAD PARA SOLUCIONES A PROBLEMAS MULTI-OBJETIVO POR MEDIO DE PROGRAMACIÓN GENÉTICA

SANDOVAL REYES, CRISTIAN (2019) HACIA UN NUEVO INDICADOR DE CALIDAD PARA SOLUCIONES A PROBLEMAS MULTI-OBJETIVO POR MEDIO DE PROGRAMACIÓN GENÉTICA. Maestría thesis, Universidad Autónoma de Chihuahua.

Vista Previa

Text Tesis (1).pdf Download (1363Kb) | Vista Previa

Resumen

En el mundo real, no es raro encontrar un problema de optimización con múltiples objetivos en conflicto y, por lo tanto, no existe una única solución óptima sino un conjunto de soluciones óptimas. Los algoritmos genéticos multiobjetivo han resultado ser una herramienta prometedora para resolver este tipo de problemas. Sin embargo, un tema importante en la optimización multiobjetivo es evaluar y comparar la calidad de los conjuntos de soluciones generados por diferentes algoritmos multiobjetivo. Una forma sencilla de comparar la calidad de los conjuntos de soluciones es a través de la visualización, pero la comparación visual no puede cuantificar la diferencia entre los conjuntos de soluciones, ya que este problema se vuelve más difícil a medida que aumenta el número de funciones objetivo. Los indicadores de calidad surgen como una forma cuantitativa de comparar conjuntos de soluciones. El indicador más utilizado, probablemente por sus propiedades matemáticas, es el denominado hipervolumen. El hipervolumen no solo se utiliza para comparar conjuntos de soluciones, sino también como criterio de selección en el proceso de optimización dentro de estos algoritmos. Es importante tener en cuenta que contar con el hipervolumen exacto es computacionalmente costoso, lo que significa que el tiempo de ejecución crece exponencialmente con respecto a la cantidad de objetivos. Siendo esta última una de sus principales carencias, especialmente cuando el número de funciones objetivo es alto. En este trabajo de tesis se propone un nuevo enfoque para aproximar el valor del hipervolumen utilizando modelos entrenados con Programación Genética. Los resultados son muy prometedores y muestran que algunos de los modelos pueden aproximarse al valor de hipervolumen con una precisión de hasta el 99 % con una velocidad de 10 a 80 veces más rápida que otros algoritmos de la competencia utilizados para la misma tarea.

Actions (login required)

Ver Objeto