Pek-çok amaçlı tümleşik problemlere evrimsel yaklaşımlar

Pek-çok amaçlı evrimsel eniyileme adı verilen araştırma alanında, çok sayıda amacın getirdiği zorluklar aşılmaya çalışılmaktadır ve bu yordamların başarılı Pareto yaklaşımlarına ulaşmak için çok etkili olduğu gösterilmiştir. Artan ilgiye rağmen, mevcut çalışmaların çoğu önceden tasarlanmış özelliklere sahip, iyi tanımlanmış sürekli işlevler üzerinde geliştirilip denenmektedirler ve tümleşik problemlerle ilgili çalışmalar oldukça nadirdir. Önerilen pek-çok amaçlı evrimsel yordamın farklı sürümleri seçkinci baskılanmamış sıralama ve referans seti temelli sıralama kullanır, ancak referans noktaları yordamın başında tek amaçlı problemler çözülerek elde edilen sabit bir aşırı düzlem üzerinde konumlandırılır. Tüm evrimsel mekanizmalar, referans seti temelli sıralamayı tamamlayıcı şekilde tasarlanmıştır. Bu nedenle çaprazlama şeması olarak referans noktası güdümlü yol birleştirme önerilmektedir. Onarım ve yerel iyileştirme izlekleri de referans noktaları tarafından yönlendirilir. Ayrıca, referans seti, çeşitliliği ve yakınsamayı dengelemek için hem işbirlikçi hem de rekabetçi etkileşimler kullanarak çözüm seti ile eş zamanlı olarak birlikte-evrimleşir ve Pareto cephesinin topolojisine kendi kendini uyarlayan bir parametrik yolla uyum sağlar. Önerilen algoritma, hem ikili ve hem permütasyon kodlaması ile ilişkili amaç fonksiyonları ve farklı ölçeklere sahip amaç fonksiyonları altında başarıyla çalışmaktadır. Hiper düzlemi inşa etmek için en uyguna yakın çözümler de Pareto yaklaşımının kalitesinde önemli bir bozulma olmadan kullanılabilir. Ayrıca, senaryoya dayalı belirsizlik altındaki eniyileme problemi pek-çok amaçlı bir problem olarak modellendiğinde, önerilen algoritma birçok gürbüz ölçüt için aynı anda iyi çözümler sağlayabilmektedir. Sayısal deneyler, önerilen algoritmanın başka güncel yordamlara kıyasla başarısını göstermekte ve pek-çok amaçlı tümleşik problemlere sürdürülebilir şekilde uygulanabileceğini doğrulamaktadır.