Otimizao Evolutiva Multiobjetivo SPEA II

Alunos: Cinthia Lisboa Letcia Marin Joo Sanches

Otimizao Multiobjetivo
Visa encontrar um vetor de variveis de deciso que satisfaz as restries e otimiza uma funo vetor cujos elementos representam as funes objetivo. H trs formas de tratar um problema multiobjetivo de acordo com Coello et al [1]:
Agregao de funes;
Ordenao Lexicogrfica; Dominncia de Pareto.

Dominncia de Pareto
A Fronteira de Pareto o conjunto de solues no dominadas do espao de busca.

Fig. 01 Relao de dominncia entre solues

Dizemos que b domina a, porm no podemos dizer o mesmo em relao a c.

Strength Pareto Evolutionary Algorithm II: SPEA II

Utiliza o elitismo atravs de uma populao externa E onde so guardadas as solues no-dominadas; O que diferencia esse algoritmo do SPEA o calculo do fitness e o parmetro de entrada N, que fixa o tamanho da populao externa.

Strength Pareto Evolutionary Algorithm II: SPEA II

Para avaliar o fitness, o algoritmo baseia-se na dominncia e densidade de vizinhos. Pela densidade de vizinhos possvel observar quais indivduos so mais representativos para o conjunto de soluo final.
para i igual i-sima soluo para a qual se est calculando a densidade

Pt

igual ao tamanho da

populao inicial da iterao t, Pt igual ao tamanho do

Onde

arquivo externo de solues no dominadas e

ik igual

distncia Euclidiana entre a soluo i e a k-sima soluo mais prxima.

Strength Pareto Evolutionary Algorithm II: SPEA II

Strength Pareto Evolutionary Algorithm II: SPEA II

Desvantagens do SPEA II
Algoritmo custoso:
Para cada indivduo, deve ser calculada a distncia a todos os demais indivduos; Tais vetores de distncias devem ser ordenados para obteno do k-simo vizinho mais prximo;

Aplicao da MH OMO

APLICAO DE UM ALGORITMO
EVOLUCIONRIO DE BUSCA DE SOLUES DE PARETO PARA O

PROBLEMA DO CAIXEIRO
VIAJANTE BIOBJETIVO

Aplicao da MH OMO
A populao inicial gerada, aleatoriamente, para os dois algoritmos evolucionrios aplicados neste trabalho. Foi utilizado algumas instncias de 100 cidades para avaliar o desempenho do SPEA 2. A ferramenta de desenvolvimento utilizada na implementao do SPEA foi o Borland C++ Builder 6.

Bibliografia
C. A. Coello, G. B. Lamont, e D. A. Van Veldhuizen. Evolutionary Algorithms for Solving Multi-Objective Problems (Genetic and Evolutionary Computation). Springer, second edition, 2007. Arroyo, J. E. C. e Armentano, V. A. (2003) Algoritmo gentico para o problema do caixeiro viajante multiobjetivo, IV Encontro Nacional de Inteligncia Artificial, Campinas, SP, Brasil. http://tcc.ecomp.poli.br/20082/tcc_Filipe_Rolim_2008_2_versao_final.pdf http://www.din.uem.br/sbpo/sbpo2008/pdf/arq0158.pdf