Algorithmes d'optimisation évolutionnaires
Les méthodologie derrière le moteur de recherche peut être utilisée pour développer des algorithmes évolutionnaires
- multi-objectifs avec objectifs continus, discrets, mixtes,
- avec contraintes.
Un tel algorithme génétique, à été développé pour le problème du sac à dos multi-objectif. Il a été validé et publié à la conférence GECCO 2021 par Jean Ruppert (Mathematics and Computing S.à.r.l.) and Marharyta Aleksandrova and Thomas Engel (Université lu Luxembourg). Un des résultats principaux est que selon l'indicateur de l'hypervolume la performance est supérieure à celle des algorithmes génétiques multi-objectifs standard (NSGA-ii NSGA-iii). Cette publication est disponible en ligne,
En novembre 2022, les mêmes auteurs ont publié une analyse approfondie de l'algorithme ci-dessus dans le journal scientifique Algorithms.
- k-Pareto Optimality-Based Sorting with Maximization of Choice and Its Application to Genetic Optimization,
- Ruppert J, Aleksandrova M, Engel T. k-Pareto Optimality-Based Algorithms. 2022; 15(11):420. https://doi.org/10.3390/a15110420.