Detalhes bibliográficos
| Ano de defesa: |
2019 |
| Autor(a) principal: |
FARIAS, Lucas Rodolfo Celestino de |
| Orientador(a): |
ARAÚJO, Aluizio Fausto Ribeiro |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/36686
|
Resumo: |
Ao lidar com algoritmos evolucionários baseados em decomposição, um conjunto apropriado de pesos pode melhorar a qualidade da solução final. Um conjunto de pesos uniformemente distribuídos geralmente leva a soluções bem distribuídas em uma frente de Pareto. No entanto, existem duas dificuldades principais nesta abordagem. Em primeiro lugar, pode falhar dependendo da geometria do problema. Em segundo lugar, o tamanho da população não é flexível quando se lida com problemas de muitos objetivos. Nesta dissertação, é proposto o MOEA/D com Atualização de pesos quando Requerida (MOEA/D-UR) que lida com essas limitações usando método de geração de pesos aleatoriamente uniforme, adaptação de pesos baseada na dispersão populacional e uma métrica de melhoria para determinar quando ajustar pesos acompanhada por uma abordagem de divisão do espaço objetivo para aumentar a diversidade. Resultados experimentais usando problemas de mundo real e as classes de problemas WFG1-WFG9, DTLZ1-DTLZ7 e IDTLZ1-2 com 3, 5, 8, 10 e 15 objetivos, mostram que a proposta é competitiva quando comparada com os métodos de ponta da literatura. |
