Portal de Administração de Conferências - CEFET-MG, 19ª SEMANA DE CIÊNCIA E TECNOLOGIA DO CEFET-MG - 2023

Tamanho da fonte: 
ANÁLISE DO DESEMPENHO DE ALGORITMOS EVOLUTIVOS BASEADOS EM DECOMPOSIÇÃO NA RESOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO
Dênis Emanuel da Costa Vargas, Elizabeth Fialho Wanner, MARCELA CAMARANO CARAM PEITO

Última alteração: 2023-08-27

Resumo


Muitos problemas do mundo real podem ser modelados matematicamente como Problemas de Otimização Multiobjetivo (POMs), isto é, um problema onde várias funções objetivo devem ser otimizadas simultaneamente. Por quase sempre envolver objetivos conflitantes, é muito comum resolver um POM através de Algoritmo Evolutivo Multiobjetivo (MOEA, do inglês Multi-objective Evolutionary Algorithm), já que eles são capazes de encontrar um conjunto de soluções não dominadas entre si (conhecido como Frente de Pareto) em uma única execução. Dentre os MOEAs mais eficientes existentes na literatura estão aqueles baseados em decomposição, cujo Multiobjective Evolutionary Algorithm Based on Decomposition (MOEA/D) é o precursor. Ele decompõe um POM em vários problemas de otimização de um único objetivo usando um conjunto de vetores peso associados à subproblemas. Muitos esforços dedicados a melhorar a eficiência do MOEA/D foram realizados a fim de superar algumas limitações dos seus componentes originais. Apesar de existirem atualmente diversas variantes do MOEA/D, não foram encontrados estudos que fazem uma comparação aprofundada desses algoritmos. Portanto, esse trabalho teve por objetivo analisar o desempenho de diferentes tipos de MOEAs baseados em decomposição que representam o estado da arte da literatura. Foram analisados os algoritmos MOEA/D, MOEA/DD, MOEA/D-DE, MOEA/D-DU e MOEA/D-AWA. Os experimentos foram realizados em suítes de problemas benchmark da família DTLZ com 3 e 5 funções objetivo. Uma análise estatística com os resultados obtidos foi realizada em indicadores de desempenho tais como Hypervolume e IGD+, além do teste não paramétrico de Wilcoxon para verificar a existência de diferenças significativas. Concluiu-se que o MOEA/DD apresentou os melhores resultados para os problemas com 5 objetivos, enquanto para 3 objetivos observou-se uma competição, principalmente entre o MOEA/D-DU e o MOEA/D-AWA. Possibilidades de trabalhos futuros são apresentados nas conclusões.

Palavras-chave


Algoritmo evolutivo. Decomposição. Otimização multiobjetivo.