En esta tesis se proponen varios métodos eficientes para la Optimización Multiobjetivo (en el mundo real, la mayoría de los problemas de decisión, sean económicos, financieros, industriales u otros, son Multiobjetivo, esto es, los agentes decisores implicados no toman sus decisiones basándose en un único objetivo, sino que el proceso decisional está influenciado por una gama de objetivos usualmente en conflicto), aplicados a problemas en el dominio del discreto (en particular interesan los problemas NP-difíciles), La metodología de resolución ha sido en el contexto de los Algoritmos Evolutivos Multiobjetivo a Priori. Los Algoritmos Evolutivos, inspirados en la evolución natural, han demostrado su efectividad en la resolución de problemas Multiobjetivo del mundo real. Al trabajar sobre poblaciones con múltiples potenciales soluciones, se revelan muy aptos en la exploración de espacios extensos y poco tratables para los algoritmos tradicionales. De otra parte, el marco de "a Priori", es más adecuado cuando el decisor tiene algún conocimiento del problema, pues el proceso de búsqueda se centra en una zona de preferencia del frente de Pareto, lo que resulta computacionalmente mucho menos costoso que buscar el frente completo.
Tras un exhaustivo estudio del estado del arte de los Algoritmos Evolutivos Multiobjetivo, se presentan las contribuciones originales aportadas en esta tesis, las cuales han sido probadas y comparadas sobre el problema test ZDT5.
Finalmente se resuelven dos problemas de Optimización Multiobjetvo Discretos: el problema de la Mochila Multiobjetivo en variables binarias, el cual modela numerosas aplicaciones reales en campos como la economía, la ingeniería etc. (se maximizan pesos y beneficios) y el problema de interés en ingeniería industrial del Diseño de Sistemas de Seguridad (se minimizan coste y no-disponibilidad del Sistema de Contención por Inyección en Spray de una central nuclear de generación eléctrica).
© 2001-2024 Fundación Dialnet · Todos los derechos reservados