Sistema inmune artificial multi-objetivo basado en un esquema alternativo de selección
Cinthya Karina Duplán Avilés
|
Texto completo de la Tesis 
Resumen
Existe un gran número de problemas en el mundo real que requieren de la optimización de varios objetivos de manera simultánea. En esta clase de problemas, los algoritmos evolutivos han tenido gran aceptación, lo que ha dado pie a que otras metaheurísticas sean extendidas también para ser usadas en problemas multi-objetivo. La mayoría de los algoritmos evolutivos basan su esquema de selección en la dominancia de Pareto; sin embargo, se ha mostrado que este método pierde efectividad conforme se incrementa el número de objetivos. En esta tesis se propone un nuevo algoritmo multi-objetivo basado en la metaehurística denominada sistema inmune artificial. Dicho algoritmo cuenta con un mecanismo de selección basado en las medidas de desempeño: distancia generacional y distancia generacional invertida, buscando así una mejor escalabilidad que los sistemas inmunes artificiales y los algoritmos evolutivos multi-objetivo basados en dominancia de Pareto.
Abstract
There are many real-world problems that need the simultaneous optimization of multiple objectives. In this kind of problems, the evolutionary algorithms have had wide acceptance, which has given rise to extending other meta-heuristics to be used in multi-objective optimization problems. The selection scheme of most evolutionary algorithms is based on Pareto dominance, but this criterion has shown to be less effective as the number of objectives is increased. In this thesis, we propose a new multi-objective algorithm, which is based on the meta-heuristic called artificial immune system. The selection mechanism of this algorithm is based on the generational distance and inverted generational distance quality indicators with the aim of achieving a better scalability than both multi-objective artificial immune systems and multi-objective evolutionary algorithms based on Pareto dominance.
