FRCU - GIICIS: Grupo de Investigación en Inteligencia Computacional e Ingeniería de Software

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/4094

Browse

Filters

2018 - 20192

Settings

End date: 2019Subject: search.filters.subject.Frente pareto-óptimo

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Exploración a posteriori basada en clustering del frente pareto- óptimo aplicado al problema del próximo lanzamiento
    (2019-11-15) Rottoli, Giovanni Daián; Casanova Pietroboni, Carlos Antonio; Schab, Esteban Alejandro; De Battista, Anabella Cecilia
    La ingeniería de software basada en búsqueda propone la formulación de problemas de la ingeniería de software como problemas de optimización, generalmente con múltiples objetivos. Para estos problemas existen múltiples soluciones que deben ser analizadas por los tomadores de decisiones para seleccionar aquella que más se adecúe a sus necesidades, pudiendo este no tener preferencias previas sobre la mejor solución a ser seleccionada. Para ello, este artículo propone un acercamiento basado en agrupamiento que permite la exploración a posteriori del espacio de soluciones, describiendo las mismas no solo utilizando el valor de sus objetivos, sino también la configuración de los elementos que conforman las mismas. Se presenta una prueba de concepto del método propuesto utilizando el frente Pareto Óptimo solución de una instancia del Problema del Próximo Lanzamiento.
  • Thumbnail Image
    Item
    Aproximación del frente pareto-óptimo de un problema NRP bi-objetivo mediante un algoritmo basado en enjambres de partículas
    (2018-10-26) Rottoli, Giovanni Daián; Schab, Esteban Alejandro; De Battista, Anabella Cecilia; Tournoud, Adrián Alberto; Bracco, Luciano Joaquín; Pereyra Rausch, Fernando Nahuel; Casanova Pietroboni, Carlos Antonio
    En este trabajo se presenta un método novedoso basado en Enjambres de Partículas para la aproximación del frente Pareto-óptimo de un problema de optimización bi-objetivo, el problema del Next Release (NRP). Se define el problema en sus versiones mono y bi-objetivo, presentando una representación con Programación Lineal Entera. El método utiliza la teoría de Conjuntos Difusos para componer una función abstracta de aptitud, la cual es especializada por distintas partículas para realizar la búsqueda en distintos lugares del frente. Se realiza una prueba de concepto, aplicando el método a una instancia del problema y se compara con otra metaheurística del estado del arte. Finalmente, se concluye resaltando los resultados más importantes.