Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/10271| Title: | FRAMEWORK PARA HIPERHEURÍSTICAS QUE INTEGREN PREFERENCIAS EN LA SOLUCIÓN DE PROBLEMAS A GRAN ESCALA, CON MUCHOS OBJETIVOS, E IMPRECISIÓN |
| Authors: | Vargas Martinez, Jose Manuel |
| Issue Date: | 2025-03-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Madero |
| Description: | La optimización multi-objetivo sigue siendo un tema de investigación clave, especialmente en el ámbito de la optimización evolutiva multi-objetivo (EMO) y la toma de decisiones multicriterio (MCDM). Sin embargo, muchos problemas del mundo real presentan desafíos adicionales, como la presencia de múltiples objetivos (MaOPs), un gran número de variables de decisión y la incertidumbre en los datos. Esta investigación propone un framework para la construcción de hiperheurísticas que integren preferencias del decisor, con el objetivo de mejorar la eficiencia en la solución de problemas de optimización de gran escala y muchos objetivos bajo condiciones de imprecisión. El framework permite la creación modular y flexible de hiperheurísticas mediante la combinación de estrategias de selección basadas en preferencias, métodos de descomposición y heurísticas para manejar incertidumbre. Se construyen algoritmos de optimización robustos utilizando un conjunto de heurísticas de bajo nivel (LLHs) y operadores evolutivos, permitiendo una selección adaptativa basada en el desempeño de las soluciones. La validación del framework se realiza en el problema de selección de proyectos (PSP) y en problemas estándar como DTLZ y WFG. Los resultados experimentales muestran que la integración de preferencias mejora la convergencia hacia la región de interés (ROI), optimizando la satisfacción del decisor y reduciendo la complejidad computacional. Además, los resultados muestran que los algoritmos son capaces de manejar desafíos de escalabilidad como lo son la presencia de muchos objetivos y la gran escala. Este trabajo contribuye al desarrollo de hiperheurísticas avanzadas con un enfoque adaptable y extensible, con aplicaciones potenciales en áreas como la optimización energética y la planificación industrial. |
| metadata.dc.type: | info:eu-repo/semantics/doctoralThesis |
| Appears in Collections: | Doctorado en Ciencias de la Ingeniería |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| D00070864_donacion_tes_bib (1).pdf | Tesis | 5.27 MB | Adobe PDF | View/Open |
| D00070864_donacion_licencia_bib (1).pdf Until 2050-01-01 | Licencia | 385.59 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
