Resumen

En los problemas de optimización multiobjetivo, las distintas variables de optimización tienen distintas influencias en los objetivos, lo que implica que debe prestarse atención a las variables en función de su sensibilidad. Sin embargo, los estudios de optimización anteriores no han tenido en cuenta la sensibilidad de las variables o han realizado análisis de sensibilidad independientes de la optimización. En este trabajo, se propone un algoritmo integrado, que combina el método de optimización SPEA (Strength Pareto Evolutionary Algorithm) con el método de análisis de sensibilidad SRCC (Spearman Rank Correlation Coefficient). En el algoritmo propuesto, las variables de optimización se trabajan como muestras de análisis de sensibilidad, y el resultado de sensibilidad consecuente se utiliza para guiar el proceso de optimización cambiando los parámetros evolutivos. Para demostrar la eficiencia computacional del algoritmo integrado se utilizan tres casos: un problema matemático, la optimización de la envolvente de un dirigible y la optimización de la topología de un armazón. Los resultados mostraron que este algoritmo es capaz de lograr simultáneamente la sensibilidad de los parámetros y un conjunto óptimo de Pareto bien distribuido, sin aumentar mucho el tiempo computacional en comparación con el método SPEA.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Problemas de optimización multiobjetivo; variables de optimización; análisis de sensibilidad; algoritmo integrado; SPEA; SRCC
• Keywords:Multiobjective optimization problems; optimization variables; sensitivity analysis; integrated algorithm; SPEA; SRCC