Comparação de algoritmos evolutivos multiobjetivo: resultados empíricos (Versão Revisada)

Neste artigo, fornecemos uma comparação sistemática de várias abordagens evolutivas para otimização multiobjetivo usando seis funções de teste cuidadosamente escolhidas. Cada função de teste envolve uma característica particular que é conhecida por causar dificuldades no processo de otimização evolutiva, principalmente na convergência para a frente de Pareto ótimo (por exemplo, multimodalidade e ilusão). Ao investigar essas diferentes características do problema separadamente, é possível prever que tipo de problemas uma certa técnica é ou não adequada. No entanto, ao contrário do que se suspeitava anteriormente, os resultados experimentais indicam uma hierarquia dos algoritmos em consideração. Além disso, os efeitos emergentes são uma evidência de que as funções de teste sugeridas fornecem complexidade suficiente para comparar otimizadores multiobjetivo. Finalmente, o elitismo é mostrado como um fator importante para melhorar a busca evolutiva multiobjetivo.