Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Um algoritmo genético de classificação híbrida simplex não dominada para otimização multiobjetivo

Seid H Pourtakdoust, Seid M Zandavi

Este artigo apresenta um esquema híbrido para problemas de otimização multiobjetivo através da utilidade de dois algoritmos heurísticos estabelecidos. O esquema híbrido proposto é constituído por duas partes que incluem o algoritmo simplex de Nelder-Mead (SA), bem como o Algoritmo Genético de Classificação Não Dominado II (NSGA II). A este respeito, após a classificação NSGA II para os pontos óptimos, o SA procura o conjunto óptimo para encontrar os pontos óptimos locais e, assim, localizar uma área promissora que provavelmente conterá o mínimo global. Isto é especialmente útil porque o SA é um algoritmo eficiente que pode explorar com precisão e rapidez a área promissora para o ponto ideal. O esquema híbrido proposto é aplicado à otimização multiobjetivo de algumas funções de referência e o seu desempenho é comparado com o do NSGA II clássico, bem como com o Multi-Objective Particle Swarm Optimization (MOPSO). Os resultados numéricos mostram que o esquema híbrido proposto fornece resultados competitivos que superam os dos algoritmos existentes.