Resumen

Como se sabe, el conjunto de Pareto de un problema de optimización multiobjetivo continuo con funciones objetivo es una variedad ()-dimensional continua por partes en el espacio de decisiones bajo algunas condiciones suaves. Sin embargo, cómo utilizar la regularidad para diseñar algoritmos de optimización multiobjetivo se ha convertido en el foco de la investigación. En este artículo, basándose en esta regularidad, se propone un algoritmo evolutivo multiobjetivo basado en modelos con análisis de regresión (MMEA-RA) para resolver problemas de optimización multiobjetivo continuos con enlaces variables. En el algoritmo, el problema de optimización se modela como un área prometedora en el espacio de decisiones mediante una distribución de probabilidad, y el centroide de la distribución de probabilidad es una variedad continua por partes ()-dimensional. El método de mínimos cuadrados se utiliza para construir dicho modelo. Se utiliza una estrategia de selección basada en la clasificación no dominada para elegir a los individuos de la siguiente generación. El nuevo algoritmo se prueba y se compara con NSGA-II y

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Diseño; Algoritmos de optimización multiobjetivo; Regularidad; Basado en modelos; Análisis de regresión; Manifolds continuos
• Keywords:Design; Multiobjective optimization algorithms; Regularity; Model-based; Regression analysis; Continuous manifold