NSGA-III com Adaptação dos Pontos de Referência
Resumo
Algoritmos Evolucionários Multi-objetivo enfrentam dificuldades na resolução de problemas com mais de 3 objetivos, os chamados Problemas de Otimização com Muitos Objetivos. Novos algoritmos então surgiram para contornar este problema, entre eles NSGA-III, que explora o conceito de pontos de referência para realizar a seleção de soluções. Porém, certas limitações ainda são apresentadas pelo algoritmo que pode ser melhorado. Assim, este trabalho propõe dois processos de adaptação dos pontos de referência no algoritmo NSGA-III, baseado no algoritmo MOEA/D-AWA. Os algoritmos com os dois processos propostos foram avaliados, buscando verificar se o processo de adaptação proposto melhora o desempenho do NSGA-III.
Palavras-chave:
Otimização com Muitos Objetivos, Adaptação de Pontos de Referência
Referências
Carvalho, M. and Britto, A. (2018). Influence of reference points on a many-objective optimization algorithm. In 2018 7th Brazilian Conference on Intelligent Systems (BRACIS), pages 31–36.
Das, I. and Dennis, J. (1998). Normal-boundary intersection: A new method for generating the pareto surface in nonlinear multicriteria optimization problems. SIAM Journal on Optimization, 8(3):631–657.
Deb, K. and Jain, H. (2014). An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, part i: Solving problems with box constraints. IEEE Transactions on Evolutionary Computation, 18(4):577– 601.
Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: Nsga-ii. IEEE Transactions on Evolutionary Computation, 6(2):182–197.
Qi, Y., Ma, X., Liu, F., Jiao, L., Sun, J., and Wu, J. (2014). Moea/d with adaptive weight adjustment. Evol. Comput., 22(2):231–264.
Schutze, O., Lara, A., and Coello, C. A. C. (2011). On the influence of the number of objectives on the hardness of a multiobjective optimization problem. IEEE Transactions on Evolutionary Computation, 15(4):444–455.
Zhang, Q. and Li, H. (2007). Moea/d: A multiobjective evolutionary algorithm based on decomposition. IEEE Transactions on Evolutionary Computation, 11(6):712–731.
Das, I. and Dennis, J. (1998). Normal-boundary intersection: A new method for generating the pareto surface in nonlinear multicriteria optimization problems. SIAM Journal on Optimization, 8(3):631–657.
Deb, K. and Jain, H. (2014). An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, part i: Solving problems with box constraints. IEEE Transactions on Evolutionary Computation, 18(4):577– 601.
Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: Nsga-ii. IEEE Transactions on Evolutionary Computation, 6(2):182–197.
Qi, Y., Ma, X., Liu, F., Jiao, L., Sun, J., and Wu, J. (2014). Moea/d with adaptive weight adjustment. Evol. Comput., 22(2):231–264.
Schutze, O., Lara, A., and Coello, C. A. C. (2011). On the influence of the number of objectives on the hardness of a multiobjective optimization problem. IEEE Transactions on Evolutionary Computation, 15(4):444–455.
Zhang, Q. and Li, H. (2007). Moea/d: A multiobjective evolutionary algorithm based on decomposition. IEEE Transactions on Evolutionary Computation, 11(6):712–731.
Publicado
15/10/2019
Como Citar
SILVA, Rheidner; BRITTO, André.
NSGA-III com Adaptação dos Pontos de Referência. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 16. , 2019, Salvador.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 527-538.
ISSN 2763-9061.
DOI: https://doi.org/10.5753/eniac.2019.9312.
