Resumen

Los algoritmos evolutivos multiobjetivo basados en descomposición dividen un problema multiobjetivo en varios subproblemas utilizando un conjunto de vectores de referencia predefinidos distribuidos uniformemente y pueden lograr un buen rendimiento general, especialmente en el mantenimiento de la diversidad de la población. Sin embargo, enfrentan enormes dificultades al abordar problemas con frentes de Pareto irregulares, ya que muchos vectores de referencia no funcionan durante el proceso de búsqueda. Para hacer frente a este problema, este documento tiene como objetivo mejorar un algoritmo basado en descomposición existente llamado algoritmo evolutivo guiado por vectores de referencia (RVEA) mediante el diseño de una estrategia adaptativa de ajuste de vectores de referencia. Al agregar la estrategia, los vectores de referencia predefinidos se ajustarán según la distribución de soluciones prometedoras con buen rendimiento general y los subespacios en los que se encuentra el frente de Pareto pueden dividirse aún más para contribuir más al proceso de búsqueda. Además, la presión de selección con respecto al rendimiento

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Descomposición; Algoritmos evolutivos; Multiobjetivo; Vectores de referencia; Frentes de Pareto; Rendimiento de convergencia
• Keywords:Decomposition; Evolutionary algorithms; Multiobjective; Reference vectors; Pareto fronts; Convergence performance