Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Búsqueda tabú/dispersa multiobjetivo interactivas basadas en punto de referencia
PDF (English)

Palabras clave

multiple objectives
metaheuristics
reference point
continuous optimization
múltiples objetivos
metaheurísticas
punto de referencia
optimización continua

Cómo citar

Beausoleil, R. P. (2014). Búsqueda tabú/dispersa multiobjetivo interactivas basadas en punto de referencia. Revista De Matemática: Teoría Y Aplicaciones, 21(2), 261–282. https://doi.org/10.15517/rmta.v21i2.15186

Resumen

Este artículo presenta una arquitectura Tabú/Búsqueda Dispersa multiobjetivo, con información de preferencia basada en punto de referencia para problemas de naturaleza continua. Los rasgos de esta nueva versión son los siguientes: funcionamiento interactivo, aproximación determinística a las soluciones Pareto cercanas al punto de referencia y la posibilidad de cambiar el punto de referencia para explorar deferentes regiones de preferencia. El enfoque no impone restricciones con relación a los puntos de referencia en el espacio de los objetivos, y muestra su habilidad en la solución de problemas desde 2 hasta más de 10 objetivos, hallando conjuntos de soluciones eficientes cercanas al punto de preferencia. 

https://doi.org/10.15517/rmta.v21i2.15186
PDF (English)

Citas

Bandyopadhyay, S.; Saha, S.; Maulik, U.; Deb, K. (2008) “A simulated annealing-based multiobjective optimization algorithm: AMOSA”, IEEE Transactions on Evolutionary Computation 12(3): 269–283.

Barbosa H.J.; Barreto A.M. (2001) “An interactive genetic algorithm with co-evolution of weights for multiobjective problems”, in: L. Spector, E.D. Goodman, A. Wu, W. Langdom, H.M. Voigt, M. Gen, S. Sen, M. Dorigo, S. Pezeshk, M.H. Garzon & E. Burke, (Eds.) Proceedings of the Genetic and Evolutionary Computation Conference (GECCO’2001), Morgan Kaufmann Publishers, San Francisco CA: 203–210

Beausoleil, R.P. (2006) “MOSS multiobjective scatter search applied to non-linear multiple criteria optimization”, European Journal of Operational Research 169(2): 426–449.

Beausoleil, R.P. (2008) “MOSS-II tabu/scatter search for nonlinear multi-objective optimization”, in: P. Siarry & Z. Michalewicz (Eds.) Advances in Metaheuristics for Hard Optimization, Natural Computing Series, Springer: 39–67.

Branke, J.; Kauler, T.; Schmeck, H. (2001) “Guidance in evolutionary multi-objective optimization”, Advances in Engineering Software 32: 499–

Cvetkovic, D.; Parmee, I. (1998) “Evolutionary design and multiobjective optimization”, Proceedings of the Sixth European Congress on Intelligent Techniques and Soft Computing (EUFIT), Aachen, Germany: 397–401.

Deb, K. (1999) “Solving goal programming problems using multi-objective genetic algorithms”, Proceedings of Congress on Evolutionary Computation: 77–84.

Deb, K. (2001) Multi-Objective Optimization using Evolutionary Algorithms. John Wiley & Sons, Chichester UK.

Deb, K.; Pratap, A.; Mayaravian, T.; (2001) “Constrained test problems for multi-objective evolutionary optimization”, in: E. Zitzler, K. Deb, L. Thiele, C. Coello & D. Corne (Eds.) First International Conference On Evolutionary Multi-criterion Optimization, Lecture Notes in Computer Science 1993, Springer-Verlag, London: 284–298.

Deb, K.; Thiele, L.; Laumanns, M.; Zitzler, E. (2002) “Scalable multi- objective optimization test problems”, in: Proceedings of the Congress on Evolutionary Computation (CEC-2002) Honolulu HW, Vol. 1. IEEE Service Center, Piscataway, NJ: 825–830.

Deb, K.; Sundar, J.; Bhaskara Rao, N.U.; Chaudhuri, S. (2006) “Reference point based multi-objective optimization using evolutionary algorithms”, International Journal of Computational Intelligence Research 2(3): 273–286.

Fonseca, C.M.; Fleming, P.J. (1993) “Genetic algorithm for multiobjective optimization: formulation, discussion and generalization”, in: S. Forrest (Ed.) Proceedings of the Fifth International Conference on Genetic Algorithms, Morgan Kaufman, San Mateo CA: 416–423.

Li, H.; Zhang, Q. (2009) “Multiobjective optimization problems with complicated Pareto sets, MOEA/D and NSGA-II ”, IEEE Transactions on Evolutionary Computation 13(2): 284–302.

Miettinen, D.K.; Lotov, A.V.; Kamenev, G.K.; Berezkin, V.E. (2003) “Integration of two multiobjective optimization methods for nonlinear problems”, Optimization Methods and Software 18(1): 63–80.

Molina, J.; Santana, L.V.; Hernández-Díaz, A.G.; Coello Coello, C.A.; Caballero, R. (2009) “g-dominance:reference point based dominance for multiobjective metaheuristics”, European Journal of Operational Research 197(2): 685–692.

Shukla, P.K.; Deb, K.; Tiwari, S. (2005) “Comparing classical generating methods with an evolutionary multi-objective optimization method”, Lecture Notes in Computer Science 3410, Springer-Verlag: 311–325

Thiele, L.; Miettinen, K.; Korhonen, P.; Molina, J. (2007) “A preference-based evolutionary algorithm for multiobjective optimization”, Evolutionary Computation 19(3): 411–436.

Wierzbicki, A.P. (1982) “A mathematical basis for satisficing decision making”, Mathematical Modelling 3(5): 391–405.

Wierzbicki, A.P. (1980) “The use of reference objectives in multiobjective optimization”, in: G. Fandel & T. Gal (Eds.) Multiple Criteria Decision Making. Theory and Application , Springer-Verlag, Berlin: 469–486.

Van Veldhuizen, D.A.; Lamont, G.B. (1998) “Evolutionary computation and convergence to a Pareto front”, in: J.R. Koza (Ed.) Late Breaking Papers at the Genetic Programming Conferece Stanford University, Stanford CA: 221–228.

Zitzler, E.; Thiele, L.; Bader, J. (2008) “SPAM: Set preference algorithm optimization”, in: G. Rudolph et al. (Eds.) Parallel Problem Solving from Nature (PPSN X), Dortmund, Lecture Notes in Computer Science 5199, Springer-Verlag: 847–858.

Comentarios

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Derechos de autor 2014 Ricardo P. Beausoleil

Descargas

Los datos de descargas todavía no están disponibles.