Soporte para el elitismo en algoritmos evolutivos multiobjetivo
2014Profesores: Dra. Elizabeth Pérez Cortés y Dr. Antonio López Jaimes (UAM Cuajimalpa)
Resumen: La mayoría de los problemas de optimización del mundo real involucran dos o más objetivos que se tienen que optimizar simultáneamente y que se encuentran en conflicto. Como resultado, a diferencia de la optimización de un solo objetivo, en la optimización multiobjetivo no hay una solución óptima sino un conjunto de soluciones compromiso óptimas (llamadas frente de Pareto). Estas soluciones son óptimas en el sentido que no es posible mejorar un objetivo sin deteriorar otro. 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.
El elitismo es el mecanismo para evitar perder las mejores soluciones encontradas durante la ejecución de un AE debido a efectos estocásticos. Existen dos enfoques principales para implementar el elitismo. Uno de ellos combina la población anterior y la nueva, y posteriormente utiliza una selección determinista para mantener a las mejores soluciones en la siguiente generación. En el otro enfoque se mantiene un conjunto externo de soluciones llamado “archivo” que mantiene las mejores soluciones encontradas durante la búsqueda. Existen múltiples esfuerzos para encontrar una estructura de datos que permita el mantenimiento eficiente del archivo en un entorno centralizado. En este proyecto estamos interesados en compilar y analizar el rendimiento relativo de las estructuras de datos existentes para la implementación del elitismo mediante un archivo.
Objetivo general
- Contar con una estructura de datos eficiente para implementar el elitismo mediante un archivo en los AEs.
Objetivos específicos
- Identificar las estructuras de datos existentes para implementar el archivo en AEs.
- Conocer el rendimiento relativo de las estructuras de datos existentes para implementar el archivo.
- Proponer una estructura de datos eficiente para almacenar el archivo (posiblemente basado en alguna de las existentes).
- Poner la estructura de datos implementada a disposición de la comunidad de computación evolutiva.
Ultima actualización 14/08/2022 por pcyti