stringtranslate.com

Funciones de prueba para optimización.

En matemáticas aplicadas, las funciones de prueba , conocidas como paisajes artificiales , son útiles para evaluar características de algoritmos de optimización, tales como:


Aquí se presentan algunas funciones de prueba con el objetivo de dar una idea de las diferentes situaciones a las que se enfrentan los algoritmos de optimización cuando se enfrentan a este tipo de problemas. En la primera parte se presentan algunas funciones objetivo para casos de optimización de objetivo único. En la segunda parte se dan funciones de prueba con sus respectivos frentes de Pareto para problemas de optimización multiobjetivo (MOP).

Los paisajes artificiales presentados aquí para problemas de optimización de un solo objetivo están tomados de Bäck, [1] Haupt et al. [2] y del software Rody Oldenhuis. [3] Dado el número de problemas (55 en total), aquí sólo se presentan algunos.

Las funciones de prueba utilizadas para evaluar los algoritmos de MOP se tomaron de Deb, [4] Binh et al. [5] y Binh. [6] Se puede descargar el software desarrollado por Deb, [7] que implementa el procedimiento NSGA-II con GA, o el programa publicado en Internet, [8] que implementa el procedimiento NSGA-II con ES.

Aquí se proporcionan solo una forma general de la ecuación, una gráfica de la función objetivo, los límites de las variables del objeto y las coordenadas de los mínimos globales.

Funciones de prueba para optimización de un solo objetivo

Funciones de prueba para optimización restringida

Funciones de prueba para optimización multiobjetivo

[ Se necesita más explicación ]

Referencias

  1. ^ Atrás, Thomas (1995). Algoritmos evolutivos en teoría y práctica: estrategias de evolución, programación evolutiva, algoritmos genéticos . Oxford: Prensa de la Universidad de Oxford. pag. 328.ISBN _ 978-0-19-509971-3.
  2. ^ Haupt, Randy L. Haupt, Sue Ellen (2004). Algoritmos genéticos prácticos con CD-Rom (2ª ed.). Nueva York: J. Wiley. ISBN 978-0-471-45565-3.{{cite book}}: CS1 maint: multiple names: authors list (link)
  3. ^ Oldenhuis, Rody. "Muchas funciones de prueba para optimizadores globales". Trabajos de matemáticas . Consultado el 1 de noviembre de 2012 .
  4. ^ abcde Deb, Kalyanmoy (2002) Optimización multiobjetivo mediante algoritmos evolutivos (Repr. ed.). Chichester [ua]: Wiley. ISBN 0-471-87339-X . 
  5. ^ ab Binh T. y Korn U. (1997) MOBES: una estrategia de evolución multiobjetivo para problemas de optimización restringida. En: Actas de la Tercera Conferencia Internacional sobre Algoritmos Genéticos. República Checa. págs. 176–182
  6. ^ abc Binh T. (1999) Un algoritmo evolutivo multiobjetivo. Los casos de estudio. Reporte técnico. Instituto de Automatización y Comunicación. Barleben, Alemania
  7. ^ Deb K. (2011) Software para código NSGA-II multiobjetivo en C. Disponible en URL: https://www.iitk.ac.in/kangal/codes.shtml
  8. ^ Ortiz, Gilberto A. "Optimización multiobjetivo utilizando ES como algoritmo evolutivo". Trabajos de matemáticas . Consultado el 1 de noviembre de 2012 .
  9. ^ Whitley, Darrell; Rana, Soraya; Dzubera, John; Mathías, Keith E. (1996). "Evaluación de algoritmos evolutivos". Inteligencia artificial . Elsevier BV. 85 (1–2): 264. doi : 10.1016/0004-3702(95)00124-7 . ISSN  0004-3702.
  10. ^ Vanaret C. (2015) Hibridación de métodos de intervalo y algoritmos evolutivos para resolver problemas de optimización difíciles. Tesis doctoral. Escuela Nacional de Aviación Civil. Instituto Nacional Politécnico de Toulouse, Francia.
  11. ^ Simionescu, PA; Beale, D. (29 de septiembre - 2 de octubre de 2002). Nuevos conceptos en visualización gráfica de funciones objetivas (PDF) . ASME 2002 Conferencias técnicas internacionales de ingeniería de diseño y conferencia sobre informática e información en ingeniería. Montreal Canadá. págs. 891–897 . Consultado el 7 de enero de 2017 .
  12. ^ "Resolver un problema no lineal restringido: MATLAB y Simulink". www.mathworks.com . Consultado el 29 de agosto de 2017 .
  13. ^ "Problema de las aves (restringido) | Integración de Phoenix". Archivado desde el original el 29 de diciembre de 2016 . Consultado el 29 de agosto de 2017 .{{cite web}}: CS1 maint: bot: original URL status unknown (link)
  14. ^ Mishra, Sudhanshu (2006). "Algunas funciones de prueba nuevas para la optimización global y el rendimiento del método de enjambre de partículas repulsivas". Papel MPRA .
  15. ^ Townsend, Alex (enero de 2014). "Optimización restringida en Chebfun". chebfun.org . Consultado el 29 de agosto de 2017 .
  16. ^ Simionescu, PA (2020). "Una colección de problemas de prueba de optimización no lineal bivariada con representaciones gráficas". Revista Internacional de Modelado Matemático y Optimización Numérica . 10 (4): 365–398. doi :10.1504/IJMMNO.2020.110704.
  17. ^ Simionescu, PA (2014). Herramientas de simulación y gráficos asistidas por computadora para usuarios de AutoCAD (1ª ed.). Boca Ratón, FL: CRC Press. ISBN 978-1-4822-5290-3.
  18. ^ Chankong, Vira; Haimes, Yacov Y. (1983). Toma de decisiones multiobjetivo. Teoría y metodología . Holanda del Norte. ISBN 0-444-00710-5.
  19. ^ Fonseca, CM; Fleming, PJ (1995). "Una descripción general de los algoritmos evolutivos en la optimización multiobjetivo". Computación Evol . 3 (1): 1–16. CiteSeerX 10.1.1.50.7779 . doi :10.1162/evco.1995.3.1.1. S2CID  8530790. 
  20. ^ F. Kursawe, “Una variante de estrategias de evolución para la optimización de vectores”, en PPSN I, Vol 496 Lect Notes in Comput Sc. Springer-Verlag, 1991, págs. 193-197.
  21. ^ Schaffer, J. David (1984). "Optimización de objetivos múltiples con algoritmos genéticos evaluados por vectores". En GJE Grefensette; JJ Lawrence Erlbraum (eds.). Actas de la Primera Conferencia Internacional sobre Algoritmos Genéticos . OCLC  20004572.
  22. ^ abcdeDeb , Kalyan; Thiele, L.; Laumanns, Marco; Zitzler, Eckart (2002). "Problemas de prueba de optimización multiobjetivo escalables". Actas del Congreso de 2002 sobre Computación Evolutiva. CEC'02 (Nº de catálogo 02TH8600) . vol. 1. págs. 825–830. doi :10.1109/CEC.2002.1007032. ISBN 0-7803-7282-4. S2CID  61001583.
  23. ^ Osyczka, A.; Kundu, S. (1 de octubre de 1995). "Un nuevo método para resolver problemas de optimización multicriterio generalizados utilizando el algoritmo genético simple". Optimización Estructural . 10 (2): 94–99. doi :10.1007/BF01743536. ISSN  1615-1488. S2CID  123433499.
  24. ^ Jiménez, F.; Gómez-Skarmeta, AF; Sánchez, G.; Deb, K. (mayo de 2002). "Un algoritmo evolutivo para la optimización multiobjetivo restringida". Actas del Congreso de 2002 sobre Computación Evolutiva. CEC'02 (Nº de catálogo 02TH8600) . vol. 2. págs. 1133-1138. doi :10.1109/CEC.2002.1004402. ISBN 0-7803-7282-4. S2CID  56563996.