Evolução diferencial bidirecional de ordenamento por não-dominância com predição no espaço objetivo e de decisão

Abstract

Problemas multiobjetivo com restrições (CMOPs) são amplamente encontrados em diversas aplicações científicas e de engenharia. Algoritmos Evolucionários (EAs) são

empregados para resolver estes problemas devido a sua forte habilidade de busca. Du- rante o processo evolucionário, EAs geram um grande número de soluções candidatas

que são pouco exploradas. Técnicas de aprendizado de máquina podem ser utiliza- das para analisar e extrair conhecimento útil destas soluções para guiar e melhorar

a capacidade de busca, o que implica em um algoritmo inteligente e bem informado. Este trabalho propõe uma nova abordagem para lidar com CMOPs, o P-NSBiDiCo, que emprega predição para identificar tendências evolucionárias e gerar novas soluções em áreas promissoras preditas no espaço de busca. A abordagem proposta introduz novas estratégias para selecionar os parâmetros F e Cr da evolução diferencial (DE), bem como estratégia de predição nos espaços objetivo e de decisão. Resultados experimentais em 46 funções de benchmark e 23 problemas do mundo real sugerem que o P-NSBiDiCo obteve resultados competitivos na resolução de problemas práticos complexos quando comparados a sete algoritmos bem estabelecidos no estado da arte.