Resumen

En los algoritmos evolutivos multiobjetivo es muy importante mantener el equilibrio entre convergencia y diversidad. Normalmente, el algoritmo BBO original puede garantizar la convergencia a la solución óptima dadas suficientes generaciones, y el algoritmo Biogeografía/Complejo (BBO/Complejo) utiliza la migración dentro del subsistema y la migración entre subsistemas para preservar la convergencia y la diversidad de la población. Sin embargo, a medida que aumenta el número de objetivos, el rendimiento del algoritmo disminuye significativamente. En este trabajo se presenta un nuevo método para resolver la optimización multiobjetivo denominado Hmp/BBO (Hybrid Metropolis Biogeography/Complex Based Optimization). Se adopta el nuevo método de descomposición y se aplica la función PBI para mejorar el rendimiento de la solución. En la migración dentro del subsistema, las islas migradas inferiores no se elegirán a menos que superen el criterio de Metropolis. Con esta restricción, se puede obtener un conjunto de Pareto de distribución uniforme. Además, mediante el método mencionado, se mantiene eficazmente el tiempo de ejecución del algoritmo. Los resultados experimentales sobre funciones de referencia demuestran la superioridad del algoritmo propuesto en comparación con cinco diseños del estado del arte, tanto en términos de soluciones a la convergencia como de diversidad.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Mantener el equilibrio; convergencia y diversidad; algoritmos evolutivos multiobjetivo; algoritmo BBO; Hmp/BBO; Hybrid Metropolis Biogeography/Complex Based Optimization.
• Keywords:Maintain balance; convergence and diversity; many-objective evolutionary algorithms; BBO algorithm; Hmp/BBO; Hybrid Metropolis Biogeography/Complex Based Optimization