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

Tamanho da fonte: 
ALGORITMOS HÍBRIDOS EM PROBLEMAS DE OTIMIZAÇÃO MULTIOBJETIVO
Dênis Emanuel da Costa Vargas, Elizabeth Fialho Wanner, VICTOR SAMUEL LEVINDO MONT MOR

Última alteração: 2023-08-31

Resumo


Muitos problemas do mundo real podem ser modelados matematicamente como Problemas de Otimização Multiobjetivo (POM), isto é, um problema onde mais de uma função objetivo deve ser otimizada 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 diversos MOEAs já propostos na literatura, aqueles que hibridizam diferentes técnicas de otimização têm ganhado destaque pois tendem a aproveitar as boas características de cada uma. Um dos MOEAs mais populares da literatura é o Non-dominated Sorting Genetic Algorithm II, cuja versão NSGA-III é a mais recente e projetada para Many-
Objective Optimization Problems (MaOPs), que são POMs com mais de 3 funções objetivos. Esse trabalho propôs hibridizar o NSGA-III com a Evolução Diferencial e com os algoritmos Seno Cosseno e Aritmético e o chamou de NSGA-III+DESCA. O objetivo foi analisar o desempenho do NSGA-III+DESCA, o qual foi avaliado em um suite de POMs e MaOPs denominado DTLZ. Uma análise estatística com os resultados obtidos foi realizada em indicadores de desempenho tais como o IGD+. O testes de hipótese não-paramétrico de Wilcoxon foi usado nos experimentos computacionais para verificar a existência de diferenças estatisticamente significativas entre as amostras dos resultados obtidos pelas execuções dos algoritmos avaliados. O NSGA-III+DESCA obteve melhor desempenho global do que o NSGA-III original, mostrando que a hibridização foi promissora.

Palavras-chave


Algoritmo Evolutivo. Hibridização. Otimização Multiobjetivo.