Tesis "Estimación de separabilidad y su uso en algoritmos evolutivos mono y multiobjetivo"
Sustentante: Armando Isaac Hernández Muñiz
Director: Dr. Ricardo Landa Becerra, Cinvestav Unidad Tamaulipas
Sinodales: Dr. Gregorio Toscano Pulido, Cinvestav Unidad Tamaulipas; Dr. Ricardo Landa Becerra, Cinvestav Unidad Tamaulipas; Dr. Mario Garza Fabre, Cinvestav Unidad Tamaulipas.
Resumen:
La computación evolutiva ha sido una de las principales herramientas para la resolución de problemas de optimización. En la literatura actual existen métodos numéricos de descomposición basados en coevolución cooperativa, mismos que se utilizan para reducir la complejidad de los problemas de optimización que dependen de un gran número de variables. Tales métodos hacen uso de un enfoque ``divide y vencerás'' y conceptos de separabilidad. Cabe destacar que, aunque estos métodos de descomposición logran resultados de calidad en un tiempo razonable para problemas de un solo objetivo, su adaptación a problemas de optimización multiobjetivo no es trivial. En este trabajo se proponen dos algoritmos evolutivos basados en coevolución cooperativa, que hacen uso de un mecanismo de agrupación de variables con estimación de separabilidad, uno de ellos aplicado a problemas de un solo objetivo y el otro aplicado a problemas con múltiples objetivos. En el problema mono-objetivo se pretende implementar una nueva adaptación del método de agrupación diferencial con la coevolución cooperativa, con el fin de mejorar la calidad de los resultados realizando una comparación con otros enfoques del estado del arte. En el algoritmo multiobjetivo propuesto se adapta el enfoque implementado en el algoritmo mono-objetivo, haciendo énfasis en la construcción del frente de Pareto final a partir de frentes formados por grupos separables, al igual que se implementan métodos para optimizar el tiempo de cálculo de las soluciones no dominadas. Cabe destacar que los métodos se basan en ideas de técnicas ya existentes en la literatura y en algunas propiedades separables recientemente descubiertas para problemas multiobjetivo, con el fin de obtener una propuesta que sea escalable con respecto al número de variables y así obtener soluciones de calidad en un tiempo razonable.