Resumen

En general, las proximidades a una cierta diversidad a lo largo del frente y el frente de Pareto tienen la misma importancia para resolver problemas de optimización multiobjetivo (MOPs). Sin embargo, la mayoría de los algoritmos evolutivos existentes dan prioridad a la proximidad sobre la diversidad. Para mejorar la diversidad y disminuir el tiempo de ejecución del algoritmo genético de clasificación no dominada II (NSGA-II), se presenta en este artículo un algoritmo mejorado, que adopta un nuevo esquema de clasificación de vectores para disminuir el tiempo total de ejecución y utilizar el Algoritmo de Partición y Selección (PSA) para mantener la diversidad. En este algoritmo, se presenta una implementación más eficiente de la clasificación no dominada, es decir, el enfoque del grado de dominancia para la clasificación no dominada (DDA-NS). Además, se propone un mecanismo mejorado de preservación de la diversidad para seleccionar un conjunto bien diversificado de un conjunto dado arbitrario. Al incrustar PSA y DDA-NS en NSGA-II

• Materias:Robot humanoide Sistema de inferencia Fusión de filtro Navegación Programación
• Subjects:Humanoid robot Inference system Filter fusion Navigation Programming
• Palabras claves:Frente; Diversidad; Problemas de optimización multiobjetivo; Algoritmos evolutivos; Algoritmo genético de ordenación no dominante II; PSA
• Keywords:Front; Diversity; Multiobjective optimization problems; Evolutionary algorithms; Nondominated sorting genetic algorithm II; PSA