Algoritmo evolutivo multiobjetivo robusto basado en métrica de distancia robusta asistida por sustituto

Área de la Ciencia:

• Inteligencia computacional
• Algoritmos de optimización
• Computación evolutiva

Sus antecedentes:

• Los algoritmos evolutivos multiobjetivo robustos (RMOEA) tradicionales exigen un muestreo extensivo, lo que genera altos costos computacionales en escenarios del mundo real.
• La necesidad de métodos eficientes para lograr soluciones óptimas robustas en aplicaciones computacionalmente intensivas es crítica.

Objetivo del estudio:

• Desarrollar un algoritmo evolutivo multiobjetivo robusto asistido por sustituto (RMOEA-SA) que reduzca significativamente las evaluaciones de funciones.
• Introducir una novedosa métrica de distancia robusta (RDM) integrada con un modelo sustituto para una medición mejorada de la robustez.
• Mejorar el compromiso entre la robustez y la optimalidad de la solución aumentando el espacio objetivo.

Principales métodos:

• Implementación de un modelo sustituto de función de base radial (RBF) para aproximar los valores de aptitud, reduciendo el número de evaluaciones de funciones directas.
• Desarrollo de una métrica de distancia robusta (RDM) que utiliza el modelo sustituto RBF para cuantificar la robustez de la solución.
• Aumento del espacio objetivo incorporando el valor RDM como un objetivo adicional para la selección.

Principales resultados:

• El modelo sustituto RBF aproxima eficazmente los valores de aptitud, disminuyendo sustancialmente la carga computacional durante la optimización robusta.
• La RDM, asistida por el sustituto RBF, mide con precisión la robustez de la solución.
• La selección en el espacio objetivo aumentado equilibra con éxito la robustez y la optimalidad.

Conclusiones:

• El RMOEA-SA propuesto demuestra una viabilidad y eficacia superiores en comparación con los algoritmos existentes.
• El modelo sustituto RBF y la integración RDM ofrecen un enfoque computacionalmente eficiente para la optimización multiobjetivo robusta.
• El método muestra ser prometedor para aplicaciones complejas del mundo real que requieren soluciones óptimas robustas.