Resumen

El algoritmo basado en descomposición, por ejemplo, el algoritmo evolutivo multiobjetivo basado en descomposición (MOEA/), ha demostrado ser efectivo y útil en una variedad de problemas de optimización multiobjetivo (MOPs). Sobre la base de MOEA/, el MOEA/D-DE reemplaza el operador de cruce binario simulado (SBX) con el operador de evolución diferencial (DE), que se utiliza para mejorar la diversidad de las soluciones de manera más efectiva. Sin embargo, el factor de amplificación y la probabilidad de cruce están fijos en MOEA/D-DE, lo que podría llevar a una baja tasa de convergencia y ser más propenso a caer en un óptimo local. Para superar este problema de prematuridad, este artículo propone tres operadores adaptativos diferentes en DE con probabilidad de cruce y factores de amplificación para ajustar los parámetros de manera adaptativa. Incorporamos estos tres operadores adaptativos en MOEA/D-DE y MOEA/D-PaS para resolver MOPs y problemas de optimización

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Algoritmo basado en descomposición; Algoritmo evolutivo multiobjetivo; MOEA/D-DE; Operador de evolución diferencial; Operadores adaptativos; Problemas de optimización con múltiples objetivos
• Keywords:Decomposition-based algorithm; Multiobjective evolutionary algorithm; MOEA/D-DE; Differential evolution operator; Adaptive operators; Many-objective optimization problems