Parallel evolutionary algorithms for multiobjective optimization

Abstract

V předložené práci studujeme možnosti paralelizace evolučních algoritmů pro vícekriteriální optimalizaci (MOGA). Uvádíme přehled existujících sekvenčních a paralelních MOGA a navrhujeme tři další metody: FCMOGA - MOGA s fuzzy omezujícími podmínkami, HIMOGA - MOGA používající heterogenní ostrovní model a MOGASOLS - MOGA používající jednokriteriální evoluční algoritmus jako prostředek lokálního prohledávání. Tyto algoritmy vyhodnocujeme na sadě testovacích problémů a porovnáváme je s existujícími MOGA.

In the present work we study the options for parallelization of evolutionary algorithms for multiobjective optimization (MOGA). We provide the overview of existing sequential and parallel MOGAs and we propose three other methods: FCMOGA - MOGA with fuzzy constraints, HIMOGA - heterogeneous island MOGA, and MOGASOLS - MOGA with single objective local search. We test these algorithms on a set of benchmark problems and compare them with existing MOGAs.