Soporte para el elitismo en algoritmos evolutivos multiobjetivo paralelos
2015Profesores: Dr. Antonio López Jaimes (UAM Cuajimalpa) y Dra. Elizabeth Pérez Cortés
Resumen: Los algoritmos evolutivos (AEs) fueron diseñados para resolver problemas de optimización del mundo real en los que las técnicas clásicas de programación matemática tienen un desempeño pobre o incluso no pueden aplicarse. Los algoritmos evolutivos son particularmente adecuados para resolver problemas multiobjetivo ya que mantienen simultáneamente un conjunto de soluciones para obtener una muestra del frente de Pareto. Por su parte, los algoritmos de programación matemática necesitan varias ejecuciones para obtener varios elementos 2 del frente de Pareto y los AEs son menos susceptibles a la forma y continuidad del frente de Pareto. Los AEs diseñados para resolver problemas con varios objetivos son denominados algoritmos evolutivos multiobjetivo (AEMO). El elitismo es un mecanismo para evitar perder las mejores soluciones encontradas durante la ejecución de un AE debido a efectos estocásticos. Este concepto juega un papel importante en AEs modernos ya que junto con la mutación, garantiza convergencia global. En optimización multiobjetivo, la implementación de elitismo es más compleja que en la optimización mono-objetivo puesto que el conjunto de soluciones óptimas puede ser muy grande o infinito en varios casos. Existen múltiples esfuerzos para encontrar una estructura de datos que permita el mantenimiento eficiente del archivo en un entorno centralizado y, en este proyecto, estamos interesados en hacer lo propio para un entorno paralelo. En otras palabras, estamos interesados en diseñar un algoritmo de archivado paralelo de manera que pueda contener un gran número de soluciones (≥ 5 × 105).
Objetivo general
- Diseñar un algoritmo paralelo de archivado capaz de mantener de manera eficiente un gran número de soluciones (≥ 5 × 105)
Objetivos específicos
- Identificar los algoritmos de archivado propuestos actualmente que puedan implementarse en paralelo directamente
- Conocer la eficiencia relativa de los algoritmos de archivado identificados
- Proponer un algoritmo de archivado paralelo (posiblemente basado en una versión secuencial existente) para ejecutarse en un multiprocesador débilmente acoplado (e.g., un cluster)
- Poner el algoritmo implementado a disposición de la comunidad de Computación Evolutiva
Ultima actualización 13/08/2022 por pcyti