Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Lopes, Cláudio Lúcio do Val
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Otimização matemática
Algoritmos
Computação evolutiva
Processo decisório por critério múltiplo
Link de acesso: https://repositorio.cefetmg.br//handle/123456789/1151
Resumo: Corpo do texto em inglês
id CEFETMG_23a363cd06d3337c522e1cb95d1e1265
oai_identifier_str oai:repositorio.cefetmg.br:123456789/1151
network_acronym_str CEFETMG
network_name_str Repositório Institucional do CEFET-MG
repository_id_str
spelling Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworksOtimização matemáticaAlgoritmosComputação evolutivaProcesso decisório por critério múltiploCorpo do texto em inglêsA otimização com muitos objetivos (MaO) refere-se a problemas com quatro ou mais objetivos, os quais introduzem desafios complexos, incluindo a ineficácia da dominância de Pareto, dificuldades no cálculo de indicadores de qualidade, visualização de conjuntos de soluções e equilíbrio entre convergência e diversidade. Um dos principais problemas nesse contexto é a comparação e avaliação de conjuntos de soluções gerados por algoritmos de otimização, já que tais conjuntos frequentemente contêm soluções incomparáveis. A seleção adequada de indicadores de qualidade é crucial para caracterizar a frente de Pareto de maneira precisa. Nesta tese, abordamos inicialmente o indicador Dominance Move (DoM), propondo novos métodos para seu cálculo, incluindo modelos de programação inteira mista (MIP) e uma abordagem aproximada baseada em aprendizado de máquina. O DoM demonstrou ser uma ferramenta eficaz para medir e comparar soluções em problemas MaO. Em seguida, apresentamos uma estrutura multiestágio que emprega algoritmos evolutivos baseados em vetores de referência para gerar conjuntos de soluções bem distribuídas e convergentes. Essa abordagem visa corrigir progressivamente deficiências em estágios anteriores, assegurando a obtenção de soluções Pareto-ótimas representativas. Os resultados desta pesquisa incluem a análise sistemática de métodos existentes e extensões inovadoras, tanto em indicadores de qualidade quanto em técnicas para equilibrar convergência e diversidade em algoritmos evolutivos.Many-Objective Optimization (MaO) refers to optimization problems having four or more objectives, the increase in objective dimensionality brings some complex issues, such as the ineffectiveness of the Pareto dominance relation, quality indicators calculation, solution sets visualization, balancing convergence and diversity, and others. A key issue in many- and multi-objective optimization is comparing and assessing solution sets obtained by optimization algorithms. This is not a simple task; the outcome of many-objective optimization algorithms is typically a set of incomparable solutions. Using a quality indicator to reflect the inner Pareto front characteristics requires careful design/selection of such indicators. In the first part of this thesis, we deal with the Dominance move (DoM) quality indicator. We propose novel approaches to calculate DoM using mixed-integer programming (MIP) models and an approximate method using machine learning techniques. In general, our attempts uses the dominance move quality indicator as a suitable way to measure, compare, and assess many-objective problems. Another challenge in MaO is to provide a true representative set with the desired number of Pareto-optimal solutions in a reliably well-distributed set. In the second part of this work, we propose a multi-stage framework involving reference-vector-based evolutionary multi- and many-objective algorithms that attempt to rectify previous stages’ shortcomings by careful executions of subsequent stages so that a prescribed number of well-distributed and well-converged solutions are achieved. The results presented in this thesis come from the attempts to address challenges in evolutionary many- and multi-objective optimization. This research has analyzed and systematically evaluated existing methods. It has also extended them in innovative directions related to quality indicators and improvements concerning the multi-stage approach in balance convergence and diversity in evolutionary algorithms.Centro Federal de Educação Tecnológica de Minas GeraisPrograma de Pós-Graduação em Modelagem Matemática e ComputacionalBrasilCEFET-MGMartins, Flávio Vinicius CruzeiroWanner, Elizabeth FialhoDeb, Kalyanmoyhttp://lattes.cnpq.br/3199420233273400http://lattes.cnpq.br/9356922762318218http://lattes.cnpq.br/2243256075052322Martins, Flávio Vinicius CruzeiroWanner, Elizabeth FialhoDeb, KalyanmoyTakahashi, Ricardo Hiroshi CaldeiraFonseca, Carlos Manuel Mira deSá, Elisângela Martins deLisboa, Adriano ChavesLopes, Cláudio Lúcio do Val2025-04-08T22:35:43Z2022-11-302025-04-08T22:35:43Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://repositorio.cefetmg.br//handle/123456789/1151porreponame:Repositório Institucional do CEFET-MGinstname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)instacron:CEFETinfo:eu-repo/semantics/openAccess2025-04-15T15:18:02Zoai:repositorio.cefetmg.br:123456789/1151Repositório InstitucionalPUBhttps://repositorio.cefetmg.br/server/oai/requestrepositorio@cefetmg.bropendoar:2025-04-15T15:18:02Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)false
dc.title.none.fl_str_mv Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
title Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
spellingShingle Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
Lopes, Cláudio Lúcio do Val
Otimização matemática
Algoritmos
Computação evolutiva
Processo decisório por critério múltiplo
title_short Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
title_full Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
title_fullStr Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
title_full_unstemmed Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
title_sort Multi- and many-objective optimization some advances towards theoretical aspects in performance quality indicators and evolutionary frameworks
author Lopes, Cláudio Lúcio do Val
author_facet Lopes, Cláudio Lúcio do Val
author_role author
dc.contributor.none.fl_str_mv Martins, Flávio Vinicius Cruzeiro
Wanner, Elizabeth Fialho
Deb, Kalyanmoy
http://lattes.cnpq.br/3199420233273400
http://lattes.cnpq.br/9356922762318218
http://lattes.cnpq.br/2243256075052322
Martins, Flávio Vinicius Cruzeiro
Wanner, Elizabeth Fialho
Deb, Kalyanmoy
Takahashi, Ricardo Hiroshi Caldeira
Fonseca, Carlos Manuel Mira de
Sá, Elisângela Martins de
Lisboa, Adriano Chaves
dc.contributor.author.fl_str_mv Lopes, Cláudio Lúcio do Val
dc.subject.por.fl_str_mv Otimização matemática
Algoritmos
Computação evolutiva
Processo decisório por critério múltiplo
topic Otimização matemática
Algoritmos
Computação evolutiva
Processo decisório por critério múltiplo
description Corpo do texto em inglês
publishDate 2022
dc.date.none.fl_str_mv 2022-11-30
2025-04-08T22:35:43Z
2025-04-08T22:35:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.cefetmg.br//handle/123456789/1151
url https://repositorio.cefetmg.br//handle/123456789/1151
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
dc.source.none.fl_str_mv reponame:Repositório Institucional do CEFET-MG
instname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron:CEFET
instname_str Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron_str CEFET
institution CEFET
reponame_str Repositório Institucional do CEFET-MG
collection Repositório Institucional do CEFET-MG
repository.name.fl_str_mv Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
repository.mail.fl_str_mv repositorio@cefetmg.br
_version_ 1844153916632072192

Registros relacionados