Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2155| A Cellular Evolutionary Algorithm To Tackle Constrained Multiobjective Optimization Problems | |
| Cosijopii Garcia-Garcia | |
| ALICIA MORALES REYES MARIA GUADALUPE MARTINEZ PEÑALOZA | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Constrained Multiobjective optimization problems Cellular genetics algorithms MOEA/D Differential evolution Push and Pull Search | |
| Parallel schemes in Evolutionary Algorithms (EAs) and, in particular, fine-grained or cellular Evolutionary Algorithms to tackle constrained multiobjective optimization problems have been barely investigated. Structural properties of cellular evolutionary algorithms balance exploration and exploitation stages during the search to avoid stagnation and possible premature convergence. Two new algorithms cMOGA/D (Cellular Multiobjective Genetic Algorithm based on Decomposition) and cMODE/D (Cellular Multiobjective Differential Evolution Algorithm based on Decomposition) in this thesis are proposed. Which take advantage of the structural properties of cellular evolutionary algorithms as well as Genetic Algorithms and Dierential Evolution by combining them with wellestablished concepts of MOEA/D, such as, targeting multiobjective problems via multiple subproblems by Tchebyche decomposition, its neighboring conceptual basis; and also combining a constrained multiobjective problem with Constraint Handling Technique (CHT) called push and pull search (PPS) and Improved Epsilon (IE). Three updating mechanisms were implemented: Synchronous, Line Sweep, and Asynchronous. These provide different behaviors when solutions are evolved throughout the mesh. Results obtained and validated through statistical analysis show that both proposals developed are competitive in terms of performance metrics and runtime. Moreover, in EAs based complexity analysis, cMOGA/D and cMODE/D are faster algorithms when comparing to MOEA/D-PPS.
El uso de los esquemas paralelos en los algoritmos evolutivos (EA) y, en particular, los de grano fino o celulares para abordar problemas de optimización multiobjetivo restringidos han sido muy poco investigados. Las propiedades estructurales de los algoritmos evolutivos celulares equilibran las etapas de exploración y explotación durante la búsqueda para evitar el estancamiento y la posible convergencia prematura. Esta tesis propone dos nuevos algoritmos cMOGA/D (Cellular Multiobjective Genetic Algorithm based on Decomposition) y cMODE/D (Cellular Multiobjective Differential Evolution Algorithm based on Decomposition), que aprovechan las propiedades estructurales de los algoritmos evolutivos celulares, así como de los algoritmos genéticos y de la evolución diferencial, combinándolos con conceptos bien establecidos de MOEA/D, como, por ejemplo, la búsqueda de problemas multiobjetivos a través de múltiples subproblemas utilizando la descomposición de Tchebyche, así como el concepto de vecindario; también combinando técnicas de manejo de restricciones como Push and Pull Search (PPS) e Improved Epsilon (IE). Se implementaron tres mecanismos de actualización: Síncrona, Line Sweep y Asíncrona. Estos proporcionan diferentes comportamientos cuando las soluciones se esparcen a través de la malla. Los resultados obtenidos y validados por medio del análisis estadístico muestran que ambas propuestas desarrolladas son competitivas en términos de métricas de rendimiento y tiempo de ejecución. Además, en el análisis empírico de complejidad para algoritmos evolutivos, cMOGA/D y cMODE/D son algoritmos más rápidos cuando se comparan con MOEA/D-PPS. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2020-10 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| García García, Cosijopii., (2020), A Cellular Evolutionary Algorithm To Tackle Constrained Multiobjective Optimization Problems, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| LENGUAJES ALGORÍTMICOS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| Mc_Thesis_Cosijopii.pdf | 4.85 MB | Adobe PDF | Visualizar/Abrir |