Resumen

Dado que la industria del software se está volviendo extremadamente competitiva, las grandes empresas de software tienen que seleccionar su cartera de proyectos para obtener el máximo retorno con recursos limitados bajo muchas restricciones. La optimización de la cartera de proyectos utilizando algoritmos evolutivos multiobjetivo es prometedora porque pueden proporcionar soluciones en el frente de Pareto-óptimo que son difíciles de obtener mediante enfoques manuales. En este artículo, proponemos un MOEA/D mejorado (algoritmo evolutivo multiobjetivo basado en descomposición) basado en la distancia de referencia (MOEA/D_RD) para resolver los problemas de optimización de la cartera de proyectos de software con la optimización de 2, 3 y 4 objetivos. MOEA/D_RD reemplaza soluciones basadas en la distancia de referencia durante el proceso de evolución. Se realiza una comparación experimental y análisis entre MOEA/D_RD y varios algoritmos evolutivos multiobjetivo de vanguardia, es decir, MOEA/D, algoritmo genético de clasificación no dominada II (NSGA2) y algoritmo gen

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Competitivo; Industria del software; Optimización de cartera de proyectos; Algoritmos evolutivos multiobjetivo; Frente de Pareto-óptimo; MOEA/D_RD
• Keywords:Competitive; Software industry; Project portfolio optimization; Multiobjective evolutionary algorithms; Pareto-optimal front; MOEA/D_RD