Resumen

En MOPSO (optimización multiobjetivo por enjambre de partículas), para mantener o aumentar la diversidad del enjambre y ayudar a un algoritmo a saltar fuera de la solución óptima local, se introducen respectivamente el algoritmo de agrupación PAM (Partitioning Around Medoid) y el diseño uniforme para mantener la diversidad de las soluciones óptimas de Pareto y la uniformidad de las soluciones óptimas de Pareto seleccionadas. En este trabajo se propone un nuevo algoritmo, la optimización multiobjetivo por enjambre de partículas basada en PAM y en el diseño uniforme. Las diferencias entre el algoritmo propuesto y los demás radican en que PAM y el diseño uniforme se introducen por primera vez en MOPSO. Los resultados experimentales realizados en varios problemas de prueba ilustran que el algoritmo propuesto es eficiente.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:MOPSO, optimización multiobjetivo por enjambre de partículas, diversidad, enjambre, solución óptima local, PAM, Partitioning Around Medoid, algoritmo de agrupación, diseño uniforme, soluciones óptimas de Pareto, uniformidad, algoritmo novedoso, resultados experimentales, eficiente.
• Keywords:MOPSO, multiobjective particle swarm optimization, diversity, swarm, local optimal solution, PAM, Partitioning Around Medoid, clustering algorithm, uniform design, Pareto optimal solutions, uniformity, novel algorithm, experimental results, efficient.