Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-22T15:02:52Z No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-26T23:00:12Z (GMT) No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) / Made available in DSpace on 2016-07-26T23:00:12Z (GMT). No. of bitstreams: 1 HudsonGeovaneDeMedeiros_DISSERT.pdf: 1225087 bytes, checksum: 40f3994faacf86961dbe3768775e4f86 (MD5) Previous issue date: 2016-02-05 / Problemas multiobjetivo, diferentes daqueles com um ?nico objetivo, possuem, em geral, diversas solu??es ?timas, as quais comp?em o conjunto Pareto ?timo. Uma classe de algoritmos heur?sticos para tais problemas, aqui chamados de otimizadores, produz aproxima??es deste conjunto. Devido ao grande n?mero de solu??es geradas durante a otimiza??o, muitas delas ser?o descartadas, pois a manuten??o e compara??o frequente entre todas elas poderia demandar um alto custo de tempo. Como uma alternativa a este problema, muitos otimizadores lidam com arquivos limitados. Um problema que surge nestes casos ? a necessidade do descarte de solu??es n?o-dominadas, isto ?, ?timas at? ent?o. Muitas t?cnicas foram propostas para lidar com o problema do descarte de solu??es n?o-dominadas e as investiga??es mostraram que nenhuma delas ? completamente capaz de prevenir a deteriora??o dos arquivos. Este trabalho investiga uma t?cnica para ser usada em conjunto com as propostas previamente na literatura, a fim de para melhorar a qualidade dos arquivos. A t?cnica consiste em reciclar periodicamente solu??es descartadas. Para verificar se esta ideia pode melhorar o conte?do dos otimizadores durante a otimiza??o, ela foi implementada em tr?s algoritmos da literatura e testada em diversos problemas. Os resultados mostraram que, quando os otimizadores j? conseguem realizar uma boa otimiza??o e resolver os problemas satisfatoriamente, a deteriora??o ? pequena e o m?todo de reciclagem ineficaz. Todavia, em casos em que o otimizador deteriora significativamente, a reciclagem conseguiu evitar esta deteriora??o no conjunto de aproxima??o. / Multi-objective problems may have many optimal solutions, which together form the Pareto optimal set. A class of heuristic algorithms for those problems, in this work called optimizers, produces approximations of this optimal set. The approximation set kept by the optmizer may be limited or unlimited. The benefit of using an unlimited archive is to guarantee that all the nondominated solutions generated in the process will be saved. However, due to the large number of solutions that can be generated, to keep an archive and compare frequently new solutions to the stored ones may demand a high computational cost. The alternative is to use a limited archive. The problem that emerges from this situation is the need of discarding nondominated solutions when the archive is full. Some techniques were proposed to handle this problem, but investigations show that none of them can surely prevent the deterioration of the archives. This work investigates a technique to be used together with the previously proposed ideas in the literature to deal with limited archives. The technique consists on keeping discarded solutions in a secondary archive, and periodically recycle these solutions, bringing them back to the optimization. Three methods of recycling are presented. In order to verify if these ideas are capable to improve the archive content during the optimization, they were implemented together with other techniques from the literature. An computational experiment with NSGA-II, SPEA2, PAES, MOEA/D and NSGA-III algorithms, applied to many classes of problems is presented. The potential and the difficulties of the proposed techniques are evaluated based on statistical tests.