New Insights to Approximate the Pareto Optimal Front in Evolutionary Multiobjective Optimization. An Application to Students’ Satisfaction

Abstract

La tesis presentada se basa en el desarrollo de nuevos algoritmos evolutivos para resolver problemas de optimización multiobjetivo, especialmente problemas con más de tres funciones objetivos, y en la modelización y resolución de un problema de economía de la educación. Dicha tesis está realizada en la modalidad de compendio de artículos y se compone de tres de los mismos. Los dos primeros relacionados con el desarrollo de un nuevo algoritmo evolutivo. En ellos, partiendo del algoritmo Global Weighting Achievement Scalarizing Fucntion Genetic Algorithm (GWASF-GA) (Saborido, Ruiz, and Luque, 2017), se plantea y desarrolla un nuevo algoritmo centrado en la adaptación de los vectores de pesos durante el proceso de ejecución, que ofrece muy buenos resultados en comparación con algoritmos muy conocidos y muy contrastados dentro del campo de los algoritmos evolutivos. El tercer artículo se centra en la modelización y resolución de un problema multiobjetivo obtenido a partir del análisis econométrico de datos referidos al rendimiento académico y satisfacción de los estudiantes andaluces con diferentes aspectos del proceso enseñanza-aprendizaje en los colegios de secundaria. Con los resultados obtenidos y teniendo en cuenta los algoritmos considerados, aunque los frentes óptimos de Pareto aproximados por A-GWASF-GA no sean los mejores en todos los casos (especialmente para los problemas con tres funciones objetivo), podemos asegurar que el nuevo algoritmo algoritmo evolutivo aquí propuesto (A-GWASF-GA) muestra resultados muy prometedores en problemas con más de tres funciones objetivo. De esta forma, A-GWASF-GA se autodefine como un algoritmo para trabajar con problemas manyobjective (con más de tres objetivos).