Los algoritmos evolutivos multiobjetivo han incorporado modelos sustitutos con el fin de reducir el número de evaluaciones necesarias para aproximar el frente de Pareto de los problemas de optimización multiobjetivo computacionalmente costosos. Actualmente, pocos trabajos han revisado el estado del arte en este tema. Sin embargo, las revisiones existentes se han centrado en la clasificación de los algoritmos de optimización multiobjetivo evolutivos con respecto al tipo de modelo sustitutivo subyacente. En este trabajo, nos centramos en clasificar los algoritmos evolutivos multiobjetivo con respecto a su integración con los modelos sustitutos. Esta interacción nos ha llevado a clasificar enfoques similares e identificar las ventajas y desventajas de cada clase.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Predicción del cáncer de mama a partir del respeto del desequilibrio mediante un método de submuestreo basado en conglomerados
Artículo:
Un modelo de comportamiento de conducción de los usuarios de sillas de ruedas eléctricas
Artículo:
Efectos de la oclusión dental en el balanceo del cuerpo, la actividad muscular de la parte superior del cuerpo y el rendimiento de tiro en tiradores de pistola
Artículo:
Varillas de polietileno de peso molecular ultraelevado como solución de diseño eficaz para las suspensiones de un vehículo solar de clase crucero
Informe, reporte:
Biotecnología industrial y cambio climático : oportunidades y retos
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Artículo:
Generadores para ideales asociados a diferencia de tablas de Ferrers y cómputo de los generadores para ideales de Ferrers