Búsqueda local basada en un kernel reproductor para problemas de optimización multi-objetivo.

Ponente(s): Carlos Osvaldo Flor Sánchez, Edgar O. Reséndiz-Flores Irma D. García-Calvillo

Un nuevo algoritmo memético denominado Algoritmo de Optimización Multi-objetivo Híbrido Basado en Kernel (KHMO-Kernel-based Hybrid Multi-Objective Optimization Algorithm) es presentado. La principal novedad de este algoritmo es que su regla de actualización está basada en el concepto de un Kernel reproductor para aproximar el gradiente numérico. Además, también se presenta por primera vez una estrategia numérica novedosa basada en el cálculo de un vector normal para determinar una dirección de búsqueda que guíe las soluciones no-dominadas hacia regiones más prometedoras. Las métricas IGD y HV se utilizan para evaluar el rendimiento del algoritmo KHMO frente a otros métodos multi-objetivo competitivos, como MRBFO, FDEA-I, VMEF, BiasMOSaDE y GAMODE, y son probados en los problemas ZDT y CEC 2009. Además, se realiza la prueba de Wilcoxon como análisis estadístico comparativo para detectar si existe una diferencia significativa con respecto al resto de algoritmos. Los resultados numéricos correspondientes mostraron que el algoritmo KHMO propuesto obtiene el mejor rendimiento en general entre todos los algoritmos comparados en términos de diversidad, cobertura y convergencia en la mayoría de los problemas. Además, las curvas IGD y HV revelan una tasa de convergencia respetable ya que casi 200 iteraciones son suficientes para ofrecer soluciones de calidad.