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:
La nanoporosidad de las superficies de alúmina induce diferentes patrones de activación en los monocitos/macrófagos adheridos
Artículo:
Técnica de compensación de errores para un sensor de caudal de presión diferencial de tipo resistencia
Artículo:
Un nuevo dispositivo de navegación PDR para entornos urbanos difíciles
Artículo:
Un Algoritmo Seno-Coseno Modificado Basado en la Búsqueda de Vecinos y la Mutación Greedy Levy
Artículo:
Hipersensibilidad al trimetoprim + sulfametoxazol en un paciente con osteomielitis en esquema de desensibilización