Resumen

Este trabajo propone un nuevo algoritmo evolutivo multiobjetivo basado en el algoritmo del agujero negro con una nueva evaluación de la densidad individual (densidad de celdas), denominado "algoritmo multiobjetivo adaptativo del agujero negro" (AMOBH). La densidad celular tiene las características de baja complejidad computacional y mantiene un buen equilibrio de convergencia y diversidad del frente de Pareto. El marco del AMOBH puede dividirse en tres pasos. En primer lugar, el frente de Pareto se mapea en un nuevo espacio objetivo llamado sistema de coordenadas de células paralelas. A continuación, para ajustar las estrategias evolutivas de forma adaptativa, se emplea la entropía de Shannon para estimar el estado de la evolución. Por último, la densidad de celdas se combina con una evaluación de la fuerza de la dominancia, llamada dominancia de celdas, para evaluar la aptitud de las soluciones. En comparación con los métodos de vanguardia SPEA-II, PESA-II, NSGA-II y MOEA/D, los resultados experimentales muestran que AMOBH tiene un buen rendimiento en términos de tasa de convergencia, diversidad de la población, convergencia de la población, obtención de subpoblaciones de diferentes regiones de Pareto y complejidad temporal respecto a estas últimas en la mayoría de los casos.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:algoritmo de agujero negro, densidad celular, frente de pareto, baja complejidad computacional, aptitud de las soluciones, términos de convergencia, marco de amobh, sistema de coordenadas celulares, algoritmo evolutivo multiobjetivo, equilibrio de convergencia
• Keywords:black hole algorithm, cell density, pareto front, low computational complexity, fitness of solutions, terms of convergence, framework of amobh, cell coordinate system, multiobjective evolutionary algorithm, balance of convergence