Resumen

El algoritmo de optimización de decisiones colectivas (CDOA, por sus siglas en inglés) es un nuevo algoritmo evolutivo estocástico basado en poblaciones que simula el comportamiento de toma de decisiones humanas. En este artículo, se propone por primera vez un algoritmo de optimización de decisiones colectivas multiobjetivo (MOCDOA) para resolver el problema de despacho ambiental/económico (EED, por sus siglas en inglés). MOCDOA utiliza tres estrategias de aprendizaje novedosas, es decir, una estrategia de actualización de líder basada en la distancia máxima de cada solución en un archivo externo, una estrategia de perturbación aleatoria sabia basada en la marca dispersa alrededor de un líder, y una estrategia de actualización del centro geométrico basada en un punto extremo. Las tres estrategias de aprendizaje propuestas benefician la mejora de la uniformidad y la diversidad de las soluciones óptimas de Pareto. Se han realizado varios experimentos en el sistema de prueba

• Materias:Restricciones distribuidas Big Data Algoritmo de inferencia Gestión administrativa
• Subjects:Distributed constraints Big Data Inference algorithm Administrative management
• Palabras claves:Algoritmo de optimización de decisión colectiva; Algoritmo de optimización de decisión colectiva multiobjetivo; Despacho ambiental/económico; Estrategias de aprendizaje; Soluciones óptimas de Pareto; Algoritmos de optimización multiobjetivo
• Keywords:Collective decision optimization algorithm; Multiobjective collective decision optimization algorithm; Environmental/economic dispatch; Learning strategies; Pareto optimal solutions; Multiobjective optimization algorithms