Acceso usuarios
Joel Alberto Cedeño Muñoz
En este artículo se presenta una propuesta algorítmica basada en la búsqueda local multiobjetivo (Multiobjective Local Search MOLS) y se lleva a cabo un estudio comparativo de su rendimiento frente a dos algoritmos clásicos en el área: NonDominated Sorting Genetic Algorithm-II (NSGA-II) y Pareto Archived Evolution Strategy (PAES), seleccionados como punto de comparación, el primero, por ser la principal referencia en el campo de la optimización multiobjetivo y el segundo por emplear una búsqueda local similar a la propuesta.El objetivo es conocer cuán competitivas pueden ser las metaheurísticas basadas en métodos de trayectorias para resolver problemas de optimización multiobjetivo (MOPs) de complejidad NP-completo.Los experimentos se realizaron sobre el conjunto de problemas del benchmark ZDT Test Suite. En el análisis de los resultados se emplearon tres indicadores de calidad multiobjetivo: Epsilon, Spread e Hipervolumen.Los resultados generados por el algoritmo MOLS muestran tener una mayor diversidad de soluciones y una mejor convergencia hacia el verdadero frente de Pareto-Óptimo en relación a los resultados generados por los algoritmos NSGA-II y PAES.
