Algoritmo SPEA 2

Cristian Rodríguez, Yeison Cuartas

Universidad Cooperativa de Colombia,

Facultad de Ingeniería,
Cali, Colombia,
Yeison.cuartasv@campusucc.edu.co,
Cristian.rodriguezc@campusucc.edu.co

1. INTRODUCCIÓN
En este documento se toca el tema de los algoritmos multi-objetivo, en concreto se centra en el algoritmo SPEA2, el
cual ha sido mejorado de forma que obtiene mejores resultados que el algoritmo original SPEA y aunque es muy
similar, simplemente se le ha aplicado una serie de características las cuales le brindan al algoritmo SPEA2 una mayor
eficiencia a la hora de explorar el espacio de soluciones en la búsqueda multi-objetivo. (Soft Computing and Intelligent
Information Systems, 2014)

2. SPEA2
Esta versión revisada del algoritmo SPEA fue diseñada por E. Ziztler y compañía en 2001 y cuenta con mejores
resultados que el algoritmo original. Las variables a tener en cuenta para llevar a cabo el algoritmo son las siguientes:

a) Np: Tamaño de la población

b) Ne: Tamaño del conjunto élite
c) P: Población
d) Pe: Conjunto élite
e) T: Número de iteraciones del algoritmo
f) A: Población de elementos no dominados

Es necesario comprender que la población (P), es el conjunto de todas las soluciones y que la población élite (Pe),
contienen las mejores soluciones para el caso, ya que los algoritmos multi-objetivo se encargan de optimizar varias
funciones objetivo por lo cual no hay una única solución.

3. PROCEDIMIENTO

3.1 Paso 1
Este paso se lleva a cabo antes de empezar las iteraciones del algoritmo, inicializando las variables de población
anteriormente mencionadas, ingresar las soluciones aleatorias a la población (P) e iniciar el conjunto élite vacío.

3.2 Paso 2
Aquí se calcula el valor de idoneidad que tienen las soluciones de la población y del conjunto élite. En la primera
iteración al estar vacío Pe, se hace estrictamente necesario que se evalúen los valores del conjunto población (P). Este
paso es muy importante dado que cada que se termina una iteración siempre se vuelve a este.

3.3 Paso 3
En la iteración se copian los valores de la población al conjunto élite que no estén dominados por ninguna otra solución
de la población, apareciendo dos reglas importantes y diferenciadoras con el algoritmo SPEA:

a) Si el conjunto élite es mayor que el tamaño de la población, se reducen entonces la cantidad de soluciones
mediante el truncamiento. (Pe > Np)

b) Si el conjunto élite es mejor que el tamaño de la población, se llenaría el conjunto con elementos que están
siendo dominados por la población. (Pe < Np)
3.4 Paso 4
Se comprueba la condición de parada, si se llegara a cumplir, la variable A es llenada con aquellos elementos no
dominados en el conjunto élite (Pe), terminando así el algoritmo. Si no, se aplica el paso que sigue.

3.5 Paso 5
Se seleccionan mediante torneo binario entre elementos del conjunto élite. Este torneo consiste en seleccionar K
individuos de la población aleatoriamente y de estos K individuos se seleccionan los L que tengan mejor fitness (Centro
de Inteligencia Artificial, s.f.). Este proceso se repite todas las veces necesarias hasta formar la nueva población (al.,
2013).

3.6 Paso 6
Aplicando recombinación y mutación sobre los elementos que sean escogidos, encontramos la nueva población (P),
para volver a llevar a cabo el paso número dos (calcular el valor de idoneidad).

4. CONCLUSIÓN
Usando el algoritmo SPEA2 se van obteniendo diferentes soluciones y mejorándose en cada iteración, siempre
manteniendo la diversidad gracias al algoritmo de truncamiento. Dicho lo anterior e infiriendo que el algoritmo SPEA2
es elitista dado que es un sistema que favorece a las élites dentro de las poblaciones, evita así que el algoritmo se centre
en una única posición dentro del espacio de soluciones de la población (P).

REFERENCIAS

al., F. T. (2013). Comparación de Algoritmos Evolutivos Multi-Objetivos en Ambientes Multicast. Ciencias y

Tecnología - Universidad Católica Nuestra Señora de la Asunción.

Centro de Inteligencia Artificial. (s.f.). Obtenido de http://www.aic.uniovi.es/ssii/Tutorial/Seleccion.htm

Soft Computing and Intelligent Information Systems. (2014). Obtenido de

http://sci2s.ugr.es/sites/default/files/files/Teaching/GraduatesCourses/Bioinformatica/Tema%2006%20-
%20AGs%20I.pdf