En este trabajo, presentamos un nuevo algoritmo evolutivo para Programaci´on Multiobjetivo que intenta aproximar todo el frente óptimo de Pareto. En dicho algoritmo, consideramos como función fitness una función escalarizada de logro, que es una extensión de la distancia Tchebychev o minimax. Paralelamente, tomamos dos puntos de referencia, el utopía y el nadir, para clasificar los individuos de cada generación en distintas fronteras. Para asegurar la diversidad de soluciones, se emplea un conjunto de vectores de pesos en la función de logro, que verifican que los vectores formados por las componentes inversas están distribuidos uniformemente. Finalmente, se muestra el funcionamiento del algoritmo propuesto a través de un estudio comparativo con MOEA/D y NSGA-II para varios problemas con tres y cinco funciones objetivo, respecto a la métrica hipervolumen.
Buscar en Dimension