Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/26503
Title: MOSCA/D: algoritmos científicos multiobjetivo baseados em decomposição
Other Titles: MOSCA/D: multi-objective scientific algorithms based on decomposition
Authors: Felipe, Denis
Keywords: Decomposição;Problema da mochila multidimensional multiobjetivo;Algoritmos científicos
Issue Date: 17-Aug-2018
Citation: FELIPE, Denis. MOSCA/D: algoritmos científicos multiobjetivo baseados em decomposição. 2018. 104f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.
Abstract: This work presents a multi-objective version of the Scientific Algorithms based on decomposition (MOSCA/D). Such approach is a new metaheuristic inspired by the processes of scientific research to solve multi-objective optimization problems. MOSCA/D uses the concept of theme to direct the computational effort of the search to promising regions of the objective space, fixing different decision variables in each iteration. A probabilistic model based on the TF-IDF statistic assists the choice of such variables. Computational experiments applied MOSCA/D to 16 instances of the multi-objective multidimensional knapsack problem (MOMKP) with up to 8 objectives. The results were compared to NSGA-II, SPEA2, MOEA/D, MEMOTS, 2PPLS, MOFPA and HMOBEDA, covering three classical multi-objective algorithms, two state of the art algorithms for the problem and two most recently published algorithms for the problem, respectively. Statistical tests showed evidence that MOSCA/D can compete with other consolidated approaches from literature and can now be considered the new state of the art algorithm for the MOMKP in instances with more than two objectives, considering the hypervolume and epsilon quality indicators.
Portuguese Abstract: Este trabalho apresenta uma versão multiobjetivo dos Algoritmos Científicos baseada em decomposição (MOSCA/D). Tal abordagem é uma nova meta-heurística inspirada pelos processos da pesquisa científica para resolver problemas de otimização multiobjetivo. O MOSCA/D usa o conceito de tema para direcionar o esforço computacional da busca para regiões promissoras do espaço objetivo, fixando diferentes variáveis de decisão em cada iteração. Um modelo probabilístico baseado na estatística TF-IDF auxilia a escolha de tais variáveis. Experimentos computacionais aplicaram o MOSCA/D a 16 instâncias do problema da mochila multidimensional multiobjetivo (MOMKP) com até 8 objetivos. Os resultados foram comparados ao NSGA-II, SPEA2, MOEA/D, MEMOTS, 2PPLS, MOFPA e HMOBEDA, cobrindo três algoritmos multiobjetivo clássicos, dois algoritmos do estado da arte do problema e dois algoritmo publicados mais recentemente para o problema, respectivamente. Testes estatísticos mostraram evidências de que o MOSCA/D pode competir com outras abordagens consolidadas da literatura e pode agora ser considerado o novo algoritmo do estado da arte para o MOMKP em instâncias com mais de dois objetivos, considerando os indicadores de qualidade hipervolume e epsilon.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/26503
Appears in Collections:PPGSC - Doutorado em Sistemas e Computação

Files in This Item:
File Description SizeFormat 
MOSCA/Dalgoritmos_Felipe_2018.pdf4,49 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.