Key points are not available for this paper at this time.
Algoritmos evolutivos (EAs) são frequentemente bem adequados para problemas de otimização que envolvem vários objetivos, muitas vezes conflitantes. Desde 1985, várias abordagens evolutivas para otimização multiobjetiva foram desenvolvidas, capazes de buscar múltiplas soluções simultaneamente em uma única execução. No entanto, os poucos estudos comparativos de diferentes métodos apresentados até agora permanecem em sua maioria qualitativos e muitas vezes são restritos a algumas abordagens. Neste artigo, quatro EAs multiobjetivos são comparados quantitativamente, onde um problema estendido de mochila 0/1 é tomado como base. Além disso, introduzimos uma nova abordagem evolutiva para otimização multicritério, o EA de Pareto de força (SPEA), que combina várias características de EAs multiobjetivos anteriores de maneira única. É caracterizado por (a) armazenar soluções não dominadas externamente em uma segunda população atualizada continuamente, (b) avaliar a aptidão de um indivíduo dependente do número de pontos não dominados externos que o dominam, (c) preservar a diversidade da população usando a relação de dominância de Pareto, e (d) incorporar um procedimento de agrupamento a fim de reduzir o conjunto não dominado sem destruir suas características. Os resultados de prova de princípio obtidos em dois problemas artificiais, bem como em um problema maior, a síntese de um sistema multiprocessador de hardware-software digital, sugerem que o SPEA pode ser muito eficaz em amostrar ao longo de toda a frente de Pareto ótima e distribuir as soluções geradas sobre a superfície de trade-off. Além disso, o SPEA supera claramente os outros quatro EAs multiobjetivos no problema da mochila 0/1.
Zitzler et al. (Sex,) estudaram essa questão.