Tesis "Optimización de Problemas con mas de Tres Objetivos Mediante Algoritmos Evolutivos"
Alumno: Mario Garza Fabre
Asesor: Gregorio Toscano Pulido
Los algoritmos evolutivos para optimización multiobjetivo han sido exitosamente utilizados para optimizar problemas que involucran dos o tres objetivos. La mayoría de estos enfoques están basados en dominancia de Pareto, que es la relación más ampliamente utilizada para comparar soluciones en el contexto multiobjetivo. Sin embargo, diferentes trabajos han mostrado que cuando se incrementa la cantidad de objetivos, las propuestas basadas en dominancia de Pareto pierden su potencial discriminante y consecuentemente sus resultados se deterioran significativamente.
En este trabajo de tesis se aborda el problema de la disminución de capacidades convergentes que presentan los algoritmos evolutivos ante el incremento de la cantidad de objetivos. En nuestro estudio analizamos el impacto discriminante y la capacidad para guiar el proceso de búsqueda hacia la superficie compromiso que presentan distintos métodos de asignación de aptitud en un algoritmo evolutivo multiobjetivo genérico. Dicho estudio contempló diferentes alternativas de asignación de aptitud del estado del arte y algunos métodos propuestos en esta tesis.
Como consecuencia del estudio realizado, se propusieron dos nuevos algoritmos con énfasis en convergencia que mantienen la diversidad mediante distintos mecanismos con la finalidad de presentar al tomador de decisiones soluciones distribuidas en el frente de Pareto. Estos nuevos enfoques se desarrollaron con la finalidad de proveer alternativas robustas (ante distintos escenarios de optimización y la dimensionalidad de su espacio de objetivos). A través de un estudio empírico se mostró que nuestros resultados mejoran el desempeño de cuatro enfoques representativos de la literatura especializada.