|
|
|
|
Métodos Orientados a Conjuntos para Optimización Multi-objetivo
Carlos Ignacio Hernández Castellanos
|
Texto completo de la Tesis 
Resumen
En las últimas décadas se ha incrementado el interés en resolver problemas de optimización multi-objetivo. Este tipo de problemas aparecen en casi cada aspecto de la vida, dado que es típico que se tengan varios objetivos en conflicto. La principal tarea del área es el encontrar una o varias de las mejores soluciones compromiso (que forman el conjunto/frente de Pareto). La mayoría de los algoritmos del estado del arte tienen como objetivo obtener una aproximación de estos conjuntos. Sin embargo, en muchos de los casos lo hacen sin dar información adicional del problema. En esta tesis, se presenta el diseño y estudio de metodos orientados a conjuntos que son capaces de explotar información tal como bases de atracción, óptimos locales e información del vecindario. Esta información es útil para computar distintos conjuntos de interés para el tomador de decisiones además del conjunto/frente global de Pareto. Estos conjuntos incluyen los conjuntos/frentes locales de Pareto y las soluciones aproximadas que pueden ser útiles como respaldo. Además, el conjunto de soluciones óptimas ligeramente robustas que son de particular importancia cuando los problemas están sujetos a incertidumbre.
Abstract
In the last decades there has been an increased interest to solve multi-objective optimization problems. This kind of problems appear in almost every aspect of life, since it is typical to have several objectives that are in conflict. The focus of the area is to fi nd one or several best trade-off solutions (that form the so-called global Pareto set/front). Most state-of-the-art algorithms aim to find an approximation of these sets. However, in most of the cases they do not give further information about the problem. In this thesis, we focus on the design and study of set-oriented methods that are capable to exploit information such as basins of attraction, local optimal solutions and neighborhood information. Such information is useful to compute di erent sets of interest for the decision maker besides the global Pareto set/front. These sets include the local Pareto set/front and the set of nearly optimal solutions which can be useful as backup solutions. Further, the set of lightly robust optimal solutions which is in particular important when the problems are subject to uncertainties.
|
|
|
|
|
|
