| Journal: | Computación y sistemas |
| Database: | PERIÓDICA |
| System number: | 000410210 |
| ISSN: | 1405-5546 |
| Authors: | Pérez, Nancy1 Cuate, Oliver2 Schutze, Oliver2 Alvarado, Alejandro1 |
| Institutions: | 1Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua. México 2Instituto Politécnico Nacional, Centro de Investigación y de Estudios Avanzados, Ciudad de México. México |
| Year: | 2016 |
| Season: | Oct-Dic |
| Volumen: | 20 |
| Number: | 4 |
| Pages: | 589-607 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | En muchas aplicaciones, uno se enfrenta con el problema de que muchos objetivos tienen que ser optimizados simultáneamente lo que conlleva a tener un problema de optimización de muchos objetivos (MaOP, por sus siglas en ingles). Una característica importante de los problemas de optimización de muchos objetivos discretos es que su conjunto de soluciones, el llamado conjunto de Pareto, consiste de demasiados puntos para ser calculados de manera eficiente. Por lo tanto, aunque los algoritmos evolutivos especializados son en principio capaces de calcular un conjunto S de soluciones candidato bien esparcidas a lo largo del conjunto de Pareto, no se garantiza que el tomador de decisiones del problema en cuestión encontrara la solución 'ideal' dentro de S para su problema. Se argumenta en este trabajo que tiene sentido llevar a cabo una especie de post procesamiento para una solución dada s ∈ S. Específicamente, proponemos dos diferentes métodos que permiten dirigir la búsqueda desde s a lo largo del conjunto de Pareto en direcciones especificadas por el usuario. Resultados numéricos, en casos del problema de enrutamiento de vehículos con ventanas de tiempo, muestran la efectividad de los novedosos métodos propuestos |
| English abstract | In many applications one is faced with the problem that many objectives have to be optimized concurrently leading to a many objective optimization problem (MaOP). One important characteristic of discrete MaOPs is that its solution set, the so-called Pareto set, consists of too many elements to be efficiently computed. Thus, though specialized evolutionary algorithms are in principle capable of computing a set S of well spread candidate solutions along the Pareto set, it is not guaranteed that the decision maker of the underlying problem will find the 'ideal' solution within S for his or her problem. We argue in this paper that it makes sense to perform a kind of post-processing for a selected solution s ∈ S. More precisely, we will propose two different methods that allow to steer the search from s along the Pareto set into user specified directions. Numerical results on instances of the vehicle routing problem with time windows will show the effectivity of the novel methods |
| Disciplines: | Ciencias de la computación, Ingeniería |
| Keyword: | Ingeniería de transportes, Computación evolutiva, Problemas discretos, Ruteo de vehículos, Toma de decisiones, Optimización multiobjetivo |
| Keyword: | Computer science, Engineering, Transportation engineering, Evolutionary computation, Discrete problems, Vehicle routing, Decision making, Multiobjective optimizing |
| Full text: | Texto completo (Ver HTML) |
