| Resumo: | Esta investigación propone k-NSGA-II, un algoritmo basado en computación evolutiva que mezcla propiedades de micro algoritmos y fundamentos de inteligencia artificial como la clusterización. El objetivo de k-NSGA-II es optimizar procesos en entornos reales y apoyar eficientemente a la toma de decisiones en organizaciones.
Los cambios desarrollados se realizaron en NSGA-II, un algoritmo genético multiobjetivo basado en la no dominancia de sus resultados. La funcionalidad de k-NSGA-II se verificó mediante pruebas de rendimiento comparándolo con NSGA-II y µ-NSGA-II. Estas pruebas se realizaron en distintas funciones objetivo y en un caso de estudio, el mismo que se fundamentó en la optimización de la producción y distribución de productos. Los objetivos fueron la minimización de residuos y maximización del beneficio obtenido mediante las ventas.
k-NSGA-II se utilizó para optimizar las funciones generando resultados interesantes para la empresa. También fue más útil con respecto a NSGA-II ya que generó un número reducido de soluciones precisas que el analista pudo revisar rápidamente antes de tomar una decisión, en comparación con NSGA-II que trabaja con conjuntos de 200 soluciones o µ-NSGA-II que no presentó soluciones que puedan ser útiles para la empresa.
El algoritmo k-NSGA-II presenta una innovación con respecto a NSGA-II al ser un micro algoritmo preciso cuyas soluciones son de gran utilidad para la toma de decisiones en entornos de problemas reales. Mejora el tiempo de evaluación y evita la fatiga del analista al no presentar una gran cantidad de resultados que muchas veces no son revisados.
|
|---|