Algoritmo evolucionário para muitos objetivos baseado em decomposição com divisão do espaço objetivo e atualização de pesos quando requerida

Abstract

Ao lidar com algoritmos evolucionários baseados em decomposição, um conjunto apropriado de pesos pode melhorar a qualidade da solução final. Um conjunto de pesos uniformemente distribuídos geralmente leva a soluções bem distribuídas em uma frente de Pareto. No entanto, existem duas dificuldades principais nesta abordagem. Em primeiro lugar, pode falhar dependendo da geometria do problema. Em segundo lugar, o tamanho da população não é flexível quando se lida com problemas de muitos objetivos. Nesta dissertação, é proposto o MOEA/D com Atualização de pesos quando Requerida (MOEA/D-UR) que lida com essas limitações usando método de geração de pesos aleatoriamente uniforme, adaptação de pesos baseada na dispersão populacional e uma métrica de melhoria para determinar quando ajustar pesos acompanhada por uma abordagem de divisão do espaço objetivo para aumentar a diversidade. Resultados experimentais usando problemas de mundo real e as classes de problemas WFG1-WFG9, DTLZ1-DTLZ7 e IDTLZ1-2 com 3, 5, 8, 10 e 15 objetivos, mostram que a proposta é competitiva quando comparada com os métodos de ponta da literatura.