Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast

En problemas de optimización multi-objetivo, se plantean dos o más funciones objetivo que se optimizarán al mismo tiempo, buscando el conjunto de las mejores soluciones de compromiso, o conjunto Pareto. Este es el caso de la ingeniería de tráfico multicast, que pretende optimizar costo y retardo ent...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Talavera, Francisco, Prieto, Joel, Crichigno, Jorge, Barán, Benjamín
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2004
Materias:
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes
Multicast
Intelligent agents
Algorithms
Algoritmos Evolutivos Multiobjetivos
Dominancia Pareto
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22550
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-22550
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes
Multicast
Intelligent agents
Algorithms
Algoritmos Evolutivos Multiobjetivos
Dominancia Pareto
spellingShingle Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes
Multicast
Intelligent agents
Algorithms
Algoritmos Evolutivos Multiobjetivos
Dominancia Pareto
Talavera, Francisco
Prieto, Joel
Crichigno, Jorge
Barán, Benjamín
Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
topic_facet Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes
Multicast
Intelligent agents
Algorithms
Algoritmos Evolutivos Multiobjetivos
Dominancia Pareto
description En problemas de optimización multi-objetivo, se plantean dos o más funciones objetivo que se optimizarán al mismo tiempo, buscando el conjunto de las mejores soluciones de compromiso, o conjunto Pareto. Este es el caso de la ingeniería de tráfico multicast, que pretende optimizar costo y retardo entre otras posibles métricas. Como han sido publicados numerosos Algoritmos Evolutivos Multiobjetivos o MOEAs, no queda aún claro cual es el que presenta mejor desempeño para el problema considerado. Por esta razón, en este trabajo hacemos una comparación experimental entre 5 alternativas: NSGA, NSGA2, SPEA, SPEA2 y cNSGA2, con el fin de determinar cual es la más apropiada para resolver problemas de enrutamiento multicast. Resultados experimentales demuestran que algoritmos como el SPEA y SPEA2 logran un excelente desempeño en este tipo de problemas.
format Objeto de conferencia
Objeto de conferencia
author Talavera, Francisco
Prieto, Joel
Crichigno, Jorge
Barán, Benjamín
author_facet Talavera, Francisco
Prieto, Joel
Crichigno, Jorge
Barán, Benjamín
author_sort Talavera, Francisco
title Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
title_short Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
title_full Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
title_fullStr Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
title_full_unstemmed Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
title_sort comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
publishDate 2004
url http://sedici.unlp.edu.ar/handle/10915/22550
work_keys_str_mv AT talaverafrancisco comparaciondealgoritmosevolutivosmultiobjetivosenunambientemulticast
AT prietojoel comparaciondealgoritmosevolutivosmultiobjetivosenunambientemulticast
AT crichignojorge comparaciondealgoritmosevolutivosmultiobjetivosenunambientemulticast
AT baranbenjamin comparaciondealgoritmosevolutivosmultiobjetivosenunambientemulticast
bdutipo_str Repositorios
_version_ 1764820466001772546

Ejemplares similares