{"id":2894,"date":"2022-08-14T04:02:53","date_gmt":"2022-08-14T04:02:53","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=2894"},"modified":"2022-08-14T04:02:53","modified_gmt":"2022-08-14T04:02:53","slug":"soporte-para-el-elitismo-en-algoritmos-evolutivos-multiobjetivo-paralelos-2","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=2894","title":{"rendered":"Soporte para el elitismo en algoritmos evolutivos multiobjetivo paralelos"},"content":{"rendered":"\n

 Descargar versi\u00f3n PDF<\/a><\/p>\n\n\n\n

Profesores<\/strong>: Dr. Antonio L\u00f3pez Jaimes (UAM Cuajimalpa)<\/a> y Dra. Elizabeth P\u00e9rez Cort\u00e9s<\/a><\/p>\n\n\n\n

Resumen<\/strong>: La mayor\u00eda de los problemas de optimizaci\u00f3n del mundo real involucran dos o m\u00e1s objetivos que se tienen que optimizar simult\u00e1neamente y que se encuentran en conflicto. Como resultado, a diferencia de la optimizaci\u00f3n de un solo objetivo, en la optimizaci\u00f3n multiobjetivo no hay una soluci\u00f3n \u00f3ptima sino un conjunto de soluciones compromiso \u00f3ptimas (llamadas frente de Pareto). Estas soluciones son \u00f3ptimas en el sentido que no es posible mejorar un objetivo sin deteriorar otro. Los algoritmos evolutivos (AEs) fueron dise\u00f1ados para resolver problemas de optimizaci\u00f3n del mundo real en los que las t\u00e9cnicas cl\u00e1sicas de programaci\u00f3n matem\u00e1tica tienen un desempe\u00f1o pobre o incluso no pueden aplicarse. Los algoritmos evolutivos son particularmente adecuados para resolver problemas multiobjetivo ya que mantienen simult\u00e1neamente un conjunto de soluciones para obtener  una  muestra  del  frente  de  Pareto.<\/p>\n\n\n\n

El elitismo es el mecanismo para evitar perder las mejores soluciones encontradas durante la ejecuci\u00f3n de un AE debido a efectos estoc\u00e1sticos. Este concepto juega un papel  importante  en AE modernos  ya  que  junto  con  la mutaci\u00f3n, garantiza convergencia global. Existen dos enfoques principales para implementar el elitismo. Uno de ellos combina la poblaci\u00f3n anterior y la nueva, y posteriormente utiliza una selecci\u00f3n determinista para mantener a las mejores soluciones en la siguiente generaci\u00f3n. En el otro enfoque se mantiene un conjunto externo de soluciones llamado \u201carchivo\u201d que mantiene las mejores soluciones encontradas durante la b\u00fasqueda. Existen m\u00faltiples 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 par a un entorno paralelo. En otras palabras, estamos interesados en dise\u00f1ar un algoritmo de archivado paralelo de manera que pueda contener un gran n\u00famero de soluciones (> 5\u00d7 10\u2075).<\/p>\n\n\n\n

Objetivo general<\/strong><\/p>\n\n\n\n