Documente Academic
Documente Profesional
Documente Cultură
DE OPTIMIZACIÓN
MULTIOBJETIVO
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
OPERADOR DE DIVERSIDAD
Aplica una técnica para evitar la convergencia a un sector del
frente de Pareto.
Restricción al cruzamiento
- Impide el cruzamiento de individuos muy similares (cuya distancia sea menor
que un valor σMATING).
Crowding
- No tiene dependencia paramétrica.
Otros mecanismos
Difusión en paralelo.
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
ASIGNACION DEL FITNESS
Establece la regla que indica si un individuo es mejor que otro, dando
mayor probabilidad a los mejores individuos de ser seleccionados
como padres. Depende de los valores de las funciones objetivo y de
la métrica utilizada para evaluar la diversidad.
PARETO BASED
• Utilizan explícitamente la dominancia de Pareto en el
procedimiento de asignación de fitness.
• Suelen utilizar mecanismos para la preservación de la diversidad.
• Buscan un conjunto de soluciones del Frente Óptimo de Pareto.
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
El PRIMER MOGA (Multiobjective Genetic Algorithm)
Características:
• La utilización de dominancia de Pareto.
• El empleo de nichos y sharing para proveer diversidad.
• En general no utilizaban elitismo.
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
NSGA
Non Dominated
Sorting Genetic
Algorithm
Shrnivas y Deb (1994)
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
NSGA
Non Dominated Sorting Genetic
Algorithm
Shrnivas y Deb (1994)
ALGORITMOS GENÉTICOS DE
OPTIMIZACIÓN MULTIOBJETIVO
• rango(i, t) = pit + 1
Retos:
• Incorporación de elitismo.
Algoritmos representativos:
NSGA-II, SPEA 2
REFERENCIAS