Resumen

Se presenta un algoritmo mejorado de evolución diferencial, llamado algoritmo de evolución diferencial multiobjetivo con recocido simulado (MODESA), para resolver problemas de optimización multiobjetivo (MOPs). El algoritmo propuesto utiliza la ventaja del recocido simulado para guiar al algoritmo a explorar más regiones del espacio de búsqueda para una mejor convergencia hacia el verdadero frente de Pareto óptimo. En el enfoque propuesto de recocido simulado, se propone una nueva función de cálculo de probabilidad de aceptación basada en la dominación y algunas soluciones potenciales se les asigna un ciclo de vida para tener prioridad al ser seleccionadas para entrar en la siguiente generación. Además, incorpora un enfoque eficiente de mantenimiento de diversidad, que se utiliza para podar las soluciones no dominadas obtenidas para obtener un buen frente de Pareto distribuido. Se investiga la viabilidad del algoritmo propuesto en un conjunto de cinco problemas de optimización biobjetivo y dos triobjetivo, y los resultados se comparan con otros tres algoritmos. Los resultados

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Mejorado; Evolución diferencial; Multi-objetivo; Recocido simulado; Frente óptimo de Pareto; Mantenimiento de la diversidad
• Keywords:Enhanced; Differential evolution; Multi-objective; Simulated annealing; Pareto-optimal front; Diversity maintenance