| dc.creator | JOEL CHACON CASTILLO | |
| dc.date | 2021-10-13 | |
| dc.date.accessioned | 2023-07-21T15:46:56Z | |
| dc.date.available | 2023-07-21T15:46:56Z | |
| dc.identifier | http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1129 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7729664 | |
| dc.description | Los Algoritmos Evolutivos (EAs) son uno de los esquemas más populares para lidiar con problemas de optimización complejos. A pesar de su popularidad, aún existen algunos inconvenientes que pueden degradar su rendimiento, por lo que es un área en que aún hay que investigar mucho. Entre estos inconvenientes, en el caso mono-objetivo se ha observado una debilidad muy importante, siendo ésta la pérdida de diversidad, llevando a lo que se conoce como convergencia prematura. Sin embargo, se ha observado que considerar mecanismos para administrar la diversidad en el espacio de las variables de forma explícita permite reducir el impacto de este inconveniente. En el área de optimización multi-objetivo la utilización de Algoritmos Evolutivos Multi-objetivo (MOEAs) es cada más popular. Sin embargo, en esta área, la mayor parte de los algoritmos actuales no considera de forma explícita el tratamiento de la diversidad en el espacio de las variables, sino que la mayoría se centran exclusivamente en el espacio objetivo. En esta tesis se analiza si los problemas que surgen para el caso mono-objetivo están surgiendo también para el caso multi-objetivo y en base a eso se diseñan nuevos algoritmos que administran de forma explícita y simultánea la diversidad en el espacio de las variables y en el espacio objetivo.
Las propuestas de esta tesis se basan en diseñar MOEAs considerando un principio que ha ofrecido soluciones de calidad en el caso de optimización mono-objetivo y que consiste en administrar la diversidad de forma explícita relacionando la misma con el criterio de parada para obtener un balance apropiado entre exploración e intensificación. Particularmente se busca asegurar que las primeras fases del algoritmo promueven la exploración del espacio de búsqueda y que las fases finales promueven la intensificación. En base a este principio, se desarrolla un nuevo MOEA basado en dominancia y tres variantes basadas en descomposición. De entre ellos, destaca el rendimiento del VSD-MOEA y VSD-MOEA/D, siendo el primero basado en dominancia y el segundo basado en descomposición, pues en base a los resultados obtenidos se muestra no sólo que se ha mejorado el estado-del-arte de los MOEAs, sino que además se han resuelto apropiadamente la mayoría de los problemas de prueba más populares en el ámbito multi-objetivo. Además, la tesis también contribuye en lo referente al diseño de operadores de reproducción, analizando y proponiendo modificaciones a varios de los operadores más | |
| dc.format | application/pdf | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc/4.0 | |
| dc.subject | info:eu-repo/classification/MSC/CIENCIAS DE LA COMPUTACIÓN Y MATEMÁTICAS INDUSTRIALES | |
| dc.subject | info:eu-repo/classification/cti/1 | |
| dc.subject | info:eu-repo/classification/cti/12 | |
| dc.subject | info:eu-repo/classification/cti/1299 | |
| dc.subject | info:eu-repo/classification/cti/129999 | |
| dc.subject | info:eu-repo/classification/cti/129999 | |
| dc.title | Mejora del Desempeño de Algoritmos Evolutivos Multi-objetivo con Esquemas de Diversidad en las Variables de Decisión | |
| dc.type | info:eu-repo/semantics/other | |
| dc.type | info:mx-repo/semantics/masterDegreeWork | |
| dc.type | info:eu-repo/semantics/acceptedVersion | |
