Una metodología eficiente para manejo de restricciones en algoritmos evolutivos multi-objetivo
DOI:
https://doi.org/10.17533/udea.redin.15968Palabras clave:
Algoritmos evolutivos, algoritmos multi-objetivo, optimización restrictaResumen
Este artículo presenta un nuevo enfoque para resolver problemas de optimización restrictos (POR) basado en la filosofía de programación lexicografita de objetivos. En este caso se utiliza una metodología de dos fases usando una estrategia multi-objetivo. En la primera fase se concentra el esfuerzo en encontrar por lo menos una solución factible, descartando completamente la función objetivo. En la segunda fase se aborda el problema como bi-objetivo, convirtiendo el problema de optimización restricta a un problema de optimización irrestricto de dos objetivos. Los dos objetivos resultantes son la función objetivo original y el grado de violación de las restricciones. En la primera fase se propone una metodología basada en el endurecimiento progresivo de restricciones blandas para encontrar soluciones factibles. El desempeño de la metodología propuesta es validado a través de 11 casos de prueba bastante conocidos en la literatura especializada.Descargas
Citas
D. Powell, M. Skolnick. “Using genetic algorithms in engineering design optimization with nonlinear constraints”. Proceedings of the 5th International conference on Genetic Algorithms. Urbana- Champaign. 1993. pp. 424-431.
J. Kim, H. Myung. “Evolutionary programming techniques for constraint optimization problems”. IEEE Transactions on Evolutionary Computation. Vol 1. 1997. pp. 129-140.
K. Deb. “An efficient constraint handling method for genetic algorithms”. Computational Methods Applied on Mechanical Engineering. Vol. 186. 2000. pp. 311- 338.
A. Kurri, J. Gutierrez. “Penalty function methods for constrained optimization with genetic algorithms: A statistical analysis”. Proceedings of the 2nd Mexican international conference on artificial intelligence. Mérida Mx. 2002. pp. 108-117.
Z. Michalewicz, M. Schoemauer. “Evolutionary algorithms for constrained parameter optimization problems”. Evolutionary Computation. Vol. 4. 1996. pp. 1-32.
C. Zixing, W. Yong. “A multi-objective optimization-based evolutionary algorithm for constrained optimization”. IEEE Trans. Evolutionary Computation. Vol. 10. 2006. pp. 659-675.
K. Deb. Multi-Objective Optimization using Evolutionary Algorithms. Department of mechanical Engineering. Indian Institute of technology, Kanpur, India. 2ª ed. John Wiley and Sons. New York. 2004. pp. 408-424.
S. Koziel, Z. Michalewicz. “Evolutionary algorithms, homomorphous mappings and constrained parameter optimization”. Evolutionary Computation. Vol. 7. 1999. pp. 19-44.
K. Deb, A. Pratap, S. Agarwal, T. Meyarivan. “A fast and elitist multi-objective genetic algorithm: NSGA-II”. IEEE Transactions on Evolutionary Computation. Vol. 6. 2002. pp. 182-197.
C. A. Peñuela, M. Granada. “Optimización multiobjetivo usando un algoritmo genético y un operador elitista basado en un ordenamiento no-dominado (NSGA-II)”. Revista Scientia et Technica. Vol 35. 2007. pp. 175-170.
S. Venkatraman, G. Yen. “A generic framework for constrained optimization using genetic algorithms”. IEEE Transactions on Evolutionary Computation. Vol. 9. 2005. pp. 424-432.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter