Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast
- Autores
- Talavera, Francisco; Prieto, Joel; Crichigno, Jorge; Barán, Benjamín
- Año de publicación
- 2004
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- 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.
Eje: V - Workshop de agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
Redes
Multicast
Intelligent agents
Algorithms
Algoritmos Evolutivos Multiobjetivos
Dominancia Pareto - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22550
Ver los metadatos del registro completo
id |
SEDICI_18a0e0ffe09eac0f2ec85d5a3b10cafa |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22550 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicastTalavera, FranciscoPrieto, JoelCrichigno, JorgeBarán, BenjamínCiencias InformáticasARTIFICIAL INTELLIGENCERedesMulticastIntelligent agentsAlgorithmsAlgoritmos Evolutivos MultiobjetivosDominancia ParetoEn 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.Eje: V - Workshop de agentes y sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2004info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/22550spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:06Zoai:sedici.unlp.edu.ar:10915/22550Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:07.194SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast |
title |
Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast |
spellingShingle |
Comparación de algoritmos evolutivos multi-objetivos en un ambiente multicast Talavera, Francisco Ciencias Informáticas ARTIFICIAL INTELLIGENCE Redes Multicast Intelligent agents Algorithms Algoritmos Evolutivos Multiobjetivos Dominancia Pareto |
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 |
dc.creator.none.fl_str_mv |
Talavera, Francisco Prieto, Joel Crichigno, Jorge Barán, Benjamín |
author |
Talavera, Francisco |
author_facet |
Talavera, Francisco Prieto, Joel Crichigno, Jorge Barán, Benjamín |
author_role |
author |
author2 |
Prieto, Joel Crichigno, Jorge Barán, Benjamín |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas ARTIFICIAL INTELLIGENCE Redes Multicast Intelligent agents Algorithms Algoritmos Evolutivos Multiobjetivos Dominancia Pareto |
topic |
Ciencias Informáticas ARTIFICIAL INTELLIGENCE Redes Multicast Intelligent agents Algorithms Algoritmos Evolutivos Multiobjetivos Dominancia Pareto |
dc.description.none.fl_txt_mv |
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. Eje: V - Workshop de agentes y sistemas inteligentes Red de Universidades con Carreras en Informática (RedUNCI) |
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. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/22550 |
url |
http://sedici.unlp.edu.ar/handle/10915/22550 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615809579614208 |
score |
13.070432 |