Escolar Documentos
Profissional Documentos
Cultura Documentos
Os algoritmos evolutivos de otimização multiobjetivo mais relevantes, desenvolvidos entre 1989 e 1998, são:
• NSGA (do inglês, Nondominated Sorting Genetic Algorithm): é baseado em vários níveis de classificação dos
indivíduos. Todos os indivíduos não dominados são classificados em uma categoria. Esse grupo de indivíduos
classificados é removido e outro nível de indivíduos não-dominados é considerado. O processo continua até
que todos os indivíduos da população sejam classificados. Esse algoritmo não é muito eficiente porque requer
um número elevado de repetições de classificação.
• NPGA (do inglês, Niched-Pareto Genetic Algorithm): usa seleção por torneio baseado na relação de
dominância. Dois indivíduos são escolhidos aleatoriamente e comparados com um subconjunto da população
(tipicamente 10% da população). Se um deles é dominado por esse subconjunto e o outro não, então o
indivíduo não-dominado ganha. No caso dos dois serem dominados ou dos dois dominarem, o resultado do
torneio é decidido através de compartilhamento de fitness.
• MOGA (do inglês, Multi-Objective Genetic Algorithm): a classificação de um indivíduo corresponde ao número
de indivíduos na população corrente que o dominam. A todos os indivíduos não-dominados é atribuído o
maior valor possível de fitness, enquanto os dominados são penalizados de acordo com a densidade da
população na região em que se encontram.
Algoritmos evolutivos para otimização multiobjetivo
• SPEA (do inglês Strength Pareto Evolutionary Algorithm) e SPEA2 (do inglês Strength Pareto
Evolutionary Algorithm 2): o SPEA2 é uma evolução do SPEA e é um método evolutivo de
otimização multiobjetivo que inclui o conceito de elitismo.
• PAES (do inglês Pareto Archived Evolution Strategy): consiste em uma estratégia evolutiva,
ou seja, um pai gera um único filho, que emprega busca local e usa um arquivo externo que
armazena soluções não-dominadas encontradas até o momento.
• NSGA-II (do inglês, Nondominated Sorting Genetic Algorithm II): proposto como uma
melhoria do NSGA. Ele estima a densidade das soluções vizinhas a uma solução da
população através do cálculo da distância de agrupamento (do inglês, crowding distance).
Aplicações dos algoritmos genéticos