Revista Română de Informatică și Automatică / Vol. 25, Nr. 2, 2015

REZOLVAREA UNOR PROBLEME DE OPTIMIZARE MULTI-OBIECTIV BAZATĂ PE ALGORITMI EVOLUTIVI

Iulia Cristina RĂDULESCU

Rezumat:

Cele mai multe probleme de optimizare care apar în practică au un caracter multi-obiectiv deoarece în cadrul lor este necesar să fie optimizate simultan mai multe funcţii obiectiv. În acest articol se realizează o analiză a modului de rezolvare a problemelor de optimizare multi-obiectiv, cu accent pe rezolvarea bazată pe algoritmi evolutivi. Se prezintă o clasificare a tehnicilor de optimizare în enumerative, deterministe şi stocastice. Din cadrul tehnicilor de optimizare stocastice sunt detaliaţi algoritmii de calcul evolutiv (Evolutionary Algorithms – EA). Aceşti algoritmi sunt folosiţi cu succes pentru rezolvarea problemelor de optimizare multi-obiectiv. Se prezintă concepte de bază utilizate în cadrul algoritmilor evolutivi şi se trec în revistă mai mulţi algoritmi evolutivi pentru rezolvarea problemelor de optimizare multi-obiectiv. În final, se rezolvă patru probleme de optimizare multiobiectiv, cu ajutorul unui cunoscut algoritm evolutiv: algoritmul genetic cu sortare ne-dominată (Non-Dominated Sorting in Genetic Algorithms - NSGA-II). Programul Matlab ce implementează algoritmul NSGA-II calculează frontiera Pareto a celor patru probleme considerate

Cuvinte cheie:
Cele mai multe probleme de optimizare care apar în practică au un caracter multi-obiectiv deoarece în cadrul lor este necesar să fie optimizate simultan mai multe funcţii obiectiv. În acest articol se realizează o analiză a modului de rezolvare a problemelor de optimizare multi-obiectiv, cu accent pe rezolvarea bazată pe algoritmi evolutivi. Se prezintă o clasificare a tehnicilor de optimizare în enumerative, deterministe şi stocastice. Din cadrul tehnicilor de optimizare stocastice sunt detaliaţi algoritmii de calcul evolutiv (Evolutionary Algorithms – EA). Aceşti algoritmi sunt folosiţi cu succes pentru rezolvarea problemelor de optimizare multi-obiectiv. Se prezintă concepte de bază utilizate în cadrul algoritmilor evolutivi şi se trec în revistă mai mulţi algoritmi evolutivi pentru rezolvarea problemelor de optimizare multi-obiectiv. În final, se rezolvă patru probleme de optimizare multiobiectiv, cu ajutorul unui cunoscut algoritm evolutiv: algoritmul genetic cu sortare ne-dominată (Non-Dominated Sorting in Genetic Algorithms - NSGA-II). Programul Matlab ce implementează algoritmul NSGA-II calculează frontiera Pareto a celor patru probleme considerate

Vizualizează articolul complet:

CITAREA ACESTUI ARTICOL SUNT URMĂTOARELE:
Iulia Cristina RĂDULESCU, „REZOLVAREA UNOR PROBLEME DE OPTIMIZARE MULTI-OBIECTIV BAZATĂ PE ALGORITMI EVOLUTIVI”, Revista Română de Informatică și Automatică, ISSN 1220-1758, vol. 25(2), pp. 39-48, 2015.