Framework bio-inspirado para problemas de optimización global multi-objetivo

Abstract

Problemas del mundo real implican la optimización simultánea de múltiples objetivos con restricciones complejas, conocidos como Problemas de Optimización Multi-objetivo con Restricciones (POMRs). Estos problemas, comúnmente NP-completos, exigen soluciones que equilibren diversos criterios en conflicto bajo condiciones de factibilidad, lo cual complica su resolución mediante métodos exactos. En esta tesis se propone el desarrollo de un framework hıbrido que integrados algoritmos bio-inspirados: el algoritmo de Optimización de Enjambre de Partículas (PSO, por sus siglas en inglés) y el Algoritmo de Optimización Basado en el Forrajeo de Bacterias de doble Nado (TS-MBFOA, por sus siglas en ingles), ambos adaptados al criterio de dominancia de Pareto. El framework fue diseñado para ser modular, extensible y de libre distribución, permitiendo al usuario resolver POMRs de referencia y definidos dinámicamente. Su arquitectura, implementada en Java, incorpora un analizador matemático (parser) que posibilita la evaluación de funciones y restricciones descritas como expresiones algebraicas. Se evaluó el desempeño del frameworkutilizando10problemasdel benchmarkCEC2021, todos con dos objetivos y restricciones no lineales. Las soluciones fueron analizadas mediante métricas estándar como Hipervolumen y Two Set Cover. Los resultados muestran una tasa de finalización del 90%y una tasa de factibilidad promedio superior al 20%. Ambas metaheurísticas ofrecieron soluciones competitivas, con comportamientos diferenciados según el problema abordado. Esta herramienta contribuye a la toma de decisiones informada en escenarios complejos de optimización.