Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Felipe, Denis |
| Orientador(a): |
Goldbarg, Elizabeth Ferreira Gouvea |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/26503
|
Resumo: |
Este trabalho apresenta uma versão multiobjetivo dos Algoritmos Científicos baseada em decomposição (MOSCA/D). Tal abordagem é uma nova meta-heurística inspirada pelos processos da pesquisa científica para resolver problemas de otimização multiobjetivo. O MOSCA/D usa o conceito de tema para direcionar o esforço computacional da busca para regiões promissoras do espaço objetivo, fixando diferentes variáveis de decisão em cada iteração. Um modelo probabilístico baseado na estatística TF-IDF auxilia a escolha de tais variáveis. Experimentos computacionais aplicaram o MOSCA/D a 16 instâncias do problema da mochila multidimensional multiobjetivo (MOMKP) com até 8 objetivos. Os resultados foram comparados ao NSGA-II, SPEA2, MOEA/D, MEMOTS, 2PPLS, MOFPA e HMOBEDA, cobrindo três algoritmos multiobjetivo clássicos, dois algoritmos do estado da arte do problema e dois algoritmo publicados mais recentemente para o problema, respectivamente. Testes estatísticos mostraram evidências de que o MOSCA/D pode competir com outras abordagens consolidadas da literatura e pode agora ser considerado o novo algoritmo do estado da arte para o MOMKP em instâncias com mais de dois objetivos, considerando os indicadores de qualidade hipervolume e epsilon. |
