PROYECTOS PARA 2026

1) Desarrollar e implementar el 
algoritmo genético multi-objetivo \Delta_{p}-IBEA, que
está inspirado en el IBEA, pero utiliza el indicador \Delta_{p} como 
mecanismo de selección. El algoritmo resultante se comparará con
respecto al MOEA/D (basado en descomposición con la métrica de
Tchebycheff) usando al menos 5 problemas de prueba estándar; para 3, 5 
y 7 objetivos. Los resultados serán comparados utilizando el 
hipervolumen y R2.

2) Desarrollar e implementar un
algoritmo evolutivo multi-objetivo 
basado en evolución diferencial y
la transformación propuesta por
Molinet y Coello [2015]. El desempeño de este
algoritmo se debe comparar con respecto a
MOEA/D.

3) Implementar un algoritmo evolutivo multi-objetivo
basado en coevolución cooperativa para problemas de
alta dimensionalidad en el espacio de las variables de
decisión. El algoritmo deberá validarse usando problemas
de prueba de 500 y 1000 variables de decisión, comparando
resultados con respecto al MOEA/D.

4) Desarrollar e implementar 
una versión multi-objetivo del "Fully Informed PSO" 
(FIPSO) de Mendes [2004]. Este algoritmo se deberá implementar en C/C++ y
se deberá validar con al menos 5 problemas de prueba (con 2 y 3 
funciones objetivo), usando 3 indicadores de desempeño de los
comúnmente utilizados en la literatura especializada.

5) Desarrollar un esquema para manejo de restricciones dinámicas,
el cual se acoplará al algoritmo básico de evolución diferencial.
El algoritmo se validará con el benchmark de Nguyen & Yao [2009].
Se deberán comparar los resultados con los de al menos un esquema
para manejo de restricciones dinámicas.

6) Usar irace para configurar los parámetros de la versión
flexible del NSGA-II disponible en jMetal, de tal forma que
produzca mejores resultados que el NSGA-II al resolver 3
de los problemas del conjunto ZCAT.



Para mayores detalles, contactar al instructor
(Dr. Carlos A. Coello Coello).