| dc.description.abstract | RESUMEN: La optimización multiobjetivo tiene una extensa gama de aplicaciones en la ciencia y en la ingeniería. Los algoritmos evolutivos han sido ampliamente utilizados para resolver problemas de múltiples objetivos. Con la finalidad de mejorar el equilibrio entre la exploración y explotación del espacio de búsqueda, los algoritmos evolutivos han adoptado algunos conceptos y principios de la computación cuántica, como los qubits y la superposición de estados, originando una nueva clase de algoritmos denominados algoritmos evolutivos de inspiración cuántica, los cuales combinan los mecanismos del cómputo cuántico y el cómputo evolutivo y diseñan para ejecutarse en una computadora clásica.
En esta tesis se presenta el diseño y la implementación de un algoritmo evolutivo multiobjetivo de inspiración cuántica que utiliza un solo registro cuántico y la compuerta de Hadamard para evolucionar al conjunto de soluciones hacia el frente óptimo de Pareto. El algoritmo propuesto se basa en un algoritmo evolutivo clásico, modificando la representación de los individuos y el mecanismo de recombinación, ya que no requiere de ningún operador genético adicional.
La técnica propuesta fue enviada por medio de diversos experimentos con problemas de prueba estándar y en un problema de ingeniería. Este algoritmo se comparó contra un algoritmo evolutivo de inspiración cuántica convencional y contra un algoritmo evolutivo multiobjetivo clásico. Para los experimentos con problemas de prueba, los resultados obtenidos por el método propuesto son comparables a los reportados en el estado del arte en términos de convergencia y diversidad, de acuerdo a las métricas de distancia generacional, distribución e hipervolumen. En algunos casos, se obtuvieron mejores resultados en cuanto a diversidad de acuerdo a la métrica de distribución. Para el problema de despacho económico/ambiental, se obtuvieron resultados similares a los reportados en la literatura para los casos1 y 2.
ABSTRACT: Multi-objective optimization has a wide range of applications in science and engineering. Evolutionary algorithms have been widely used to solve problems of multiple objectives. In order to improve the balance between exploration and exploitation of the search space, evolutionary algorithms have adopted some concepts and principles of quantum computing, such as qubits and superposition of states, originating a new class of algorithms called quantum-inspired evolutionary algorithms, which combine the mechanisms of quantum computing and evolutionary computation and are designed to run on a classical computer.
In this thesis, the design and implementation of a quantum-inspired multi-objective evolutionary algorithm that uses a single quantum register and the Hadamard quantum gate to evolve the set of solutions towards the optimal Pareto front is presented. The proposed algorithm is based on a classical evolutionary algorithm and modifying the representation of the individuals and the recombination mechanism since it does not require any additional genetic operator.
The proposed technique was evaluated through several experiments using benchmark problems and an engineering problem. This algorithm was compared against a conventional quantum-inspired multi-objective evolutionary algorithm and a classical multi-objective evolutionary algorithm. For experiments with benchmark problems, the results obtained by the proposed method are comparable to those reported in the state-of-the-art in terms of convergence and diversity, according to the generational distance, distribution, and hypervolume metrics. In some cases, better results were obtained according to the distribution metric. For enviromental/economic dispatch problem, results similiar to those reported in the literature were obtained for case 1 and 2. | |
