Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/5368Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Mijes de Leon, Jose Emmanuel. | - |
| dc.creator | Mijes de Leon, Jose Emmanuel.%1085964 | - |
| dc.date.accessioned | 2023-03-13T18:17:51Z | - |
| dc.date.available | 2023-03-13T18:17:51Z | - |
| dc.date.issued | 2022-10-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/5368 | - |
| dc.description | Los problemas de optimización son en la actualidad uno de los campos más estudiados en la resolución de problemas. De manera natural, los problemas de optimización de un solo objetivo presentan una dificultad para ser resueltos de forma óptima, incrementado dicha dificultad al enfrentarse a la tarea de optimizar varios objetivos a la vez. Los problemas de optimización multiobjetivo para tres, cuatro o más objetivos llevan al límite a las estrategias desarrolladas recientemente. El concepto de dominancia es uno de los enfoques que se han usado para la resolución de este tipo de problemas. Las técnicas actuales relacionadas a los algoritmos evolutivos de optimización multiobjetivo se enfocan en ampliar las capacidades de los mismos, limitándose debido a complicaciones como la falta de dispersión y calidad de las soluciones encontradas. El enfoque por descomposición resulta en una herramienta para lidiar con lo anterior, siendo uno de los más representativos en el estado del arte el algoritmo evolutivo multiobjetivo basado en descomposición (MOEA/D). Sin embargo, en este algoritmo hace falta reforzar la intensificación por medio de métodos de mejora de las soluciones, ya que los trabajos actuales se centran en el manejo de preferencias. Una alternativa para diseñar métodos de mejora es la teoría de conjuntos aproximados, la cual parte de la idea de que todo conjunto posee información elemental sobre el universo de datos, por lo que no requiere información previa para el análisis en la búsqueda de conjuntos óptimos. Hasta nuestro conocimiento, ningún trabajo de la literatura especializada ha incorporado conjuntos aproximados como estrategia de mejora del algoritmo MOEA/D. En el presente trabajo se aborda la incorporación de la teoría de conjuntos aproximados (rugosos) como una estrategia heurística de mejora de soluciones en la resolución de problemas con muchos objetivos. Se propone un método que incorpora los conceptos de esta teoría para mejorar las soluciones generadas por el operador de mutación, que conduzcan a soluciones convergentes al frente óptimo de Pareto, y por lo tanto incrementen la eficiencia y eficacia del algoritmo. La importancia del método propuesto radica en su incorporación dentro de la estructura del algoritmo evolutivo multiobjetivo MOEA/D, con lo que se pretende alcanzar la intensificación requerida por este, utilizando las ventajas de la teoría de conjuntos aproximados. La incorporación del método propuesto dio lugar a los algoritmos MOEA/D/RSIM, MOEA/D/RSIM+ y MOEA/D/RSIM/KLP. Los resultados de la experimentación realizada mostraron que el uso de conjuntos rugosos genera indirectamente mayor exploración dentro de una región factible, ya que los algoritmos propuestos generaron en todos los casos nuevas soluciones, la mayoría siendo superiores a las alcanzadas por MOEA/D sin un método de mejora aplicado. Los resultados de este trabajo demuestran la utilidad de la teoría de conjuntos aproximados como método heurístico para la mejora de soluciones en un algoritmo evolutivo multiobjetivo. Se espera que el método propuesto sea útil para el estudio de nuevas estrategias para mejorar el desempeño de las técnicas actuales para la optimización de problemas. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.title | MÉTODO DE REPARACIÓN Y MEJORA BASADO EN CONJUNTOS RUGOSOS PARA OPTIMIZACIÓN EVOLUTIVA POR ALGORITMOS DE DESCOMPOSICIÓN MOEA/D EN PRESENCIA DE MUCHOS OBJETIVOS | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Cruz Reyes, Laura%122925 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Ciudad Madero | es_MX |
| Appears in Collections: | Maestría en Ciencias de la Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| G13071018_donacion_tesis_bib.pdf | 2.95 MB | Adobe PDF | View/Open | |
| G13071018_licencia.pdf Until 2050-01-01 | 2.28 MB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
