Algoritmos de trayectoria multiobjetivo aplicados al problema de ...

en el criterio de aceptación, para direccionar la búsqueda hacia regiones factibles. Utiliza en el
cálculo de la probabilidad de aceptación, un vector de peso (W) que depende del número de
restricciones violadas por el vector solución y el vector función objetivo.
Recocido Simulado Multiobjetivo usando criterio de aceptación basado en dominancia de Pareto
(PDMOSA) (Suman and Kumar 2006): El algoritmo propone utilizar funciones de penalización para
tratar las soluciones no factibles. La probabilidad de aceptar nuevas soluciones se evalúa basado
en un valor de aptitud, definido como uno más el número de soluciones dominadas en el conjunto
óptimo de Pareto (que contiene tanto soluciones factibles como no factibles). Mientras mayor es el
valor de aptitud, peor es la solución.
La principal diferencia entre este algoritmo y los anteriores es que no necesita el valor de la función
objetivo en el criterio de aceptación, lo que hace el cálculo mucho más simple. Además, tiene la
ventaja de diversificar el conjunto de soluciones de Pareto.
Recocido Simulado Multiobjetivo con Búsqueda de Trayectoria Aleatoria (Baesler, Moraga et al.
2008): Propone seleccionar en cada iteración un solo objetivo, el cual será encargado de guiar la
búsqueda durante esa iteración del algoritmo. El enfoque incorpora el concepto de memoria a corto
y largo plazo, estrategias que permiten seleccionar la dirección en la cual el algoritmo deberá
concentrarse en la iteración en cuestión.
La memoria a largo plazo permite controlar la evolución histórica de cada objetivo. Consiste en un
registro que contabiliza el porcentaje de mejoramiento que ha experimentado cada objetivo durante
el proceso de búsqueda.
La memoria a corto plazo contabiliza el porcentaje de mejoramiento que ha experimentado un
objetivo en particular en la última iteración del algoritmo.
Recocido Simulado de Pareto basado en restricciones (Hamm, Beißert et al. 2009): El algoritmo
utiliza simulación basada en restricciones para la generación de una solución vecina. El criterio de
aceptación está basado en la medida de dominancia de la solución actual:
, donde x´ es la solución
actual, M es el número de objetivos y Ri es el rango del objetivo i-ésimo, y es calculado por la
diferencia entre el mejor y el peor valor observado del objetivo i.
Recocido Simulado Multiobjetivo Multicaso (MC-MOSA) (Haidine and Lehnert 2008):El algoritmo
propone una regla de aceptación que se basa en la comparación de la solución actual con la nueva
solución, tomando en cuenta el caso en que las dos soluciones sean indiferentes (hay mejoras en
algunos objetivos y deterioros en otros). En esta situación se derivan tres subcasos. En el primer
subcaso, el algoritmo chequea el número de soluciones de Pareto que son dominados por la nueva
solución (llamado contador de dominancia de la nueva solución). Si es mayor que 0, entonces la
probabilidad de aceptación es 1. En el segundo subcaso, si la nueva solución no domina ninguna
21