Resumen

Los problemas de optimización multiobjetivo que implican un gran número de objetivos (más de cuatro) han atraído recientemente una atención considerable en el campo de la optimización evolutiva multiobjetivo. Con el aumento del número de objetivos, los problemas de optimización multiobjetivo pueden provocar un estancamiento en el proceso de búsqueda, un alto coste computacional, un aumento de la dimensionalidad del frente Pareto-óptimo y una difícil visualización del espacio objetivo. En este trabajo, se ha investigado un tipo especial de problemas multiobjetivo que tiene objetivos redundantes y que puede ser degenerado a un frente Pareto-óptimo de menor dimensión. A diferencia de los trabajos anteriores, en este trabajo se introduce una nueva métrica, el coeficiente de interdependencia, que representa la relación no lineal entre pares de objetivos. Con el fin de eliminar los objetivos redundantes, se emplea el algoritmo de agrupación PAM para identificar los objetivos redundantes mediante la fusión de los objetivos menos conflictivos en el mismo clúster, y se elimina uno de los objetivos menos conflictivos. Además, se demuestra el potencial del algoritmo propuesto mediante un conjunto de problemas de prueba de referencia escalados hasta 20 objetivos y un problema práctico de diseño de ingeniería.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:problemas de optimización de objetivos, objetivos redundantes, objetivos, frente óptimo, campo de optimización evolutiva multiobjetivo, problema práctico de diseño de ingeniería, problemas de prueba de referencia, alto coste computacional, objetivos menos conflictivos, objetivos menos conflictivos
• Keywords:objective optimization problems, redundant objectives, objectives, optimal front, evolutionary multiobjective optimization field, practical engineering design problem, benchmark test problems, high computational cost, least conflict objectives, less conflict objectives