Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "S Botello-Aceves, A Hernandez-Aguirre, SI Valdez", 
2
  "author": "S Botello-Aceves, A Hernandez-Aguirre, SI Valdez", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "Publicaci\u00f3n", 
7
      "key": "Publicaci\u00f3n", 
            
8
      "value": "Conferencia"
8
      "value": "Conferencia"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "Tipo", 
11
      "key": "Tipo", 
            
12
      "value": "Publicaci\u00f3n"
12
      "value": "Publicaci\u00f3n"
            
13
    }
13
    }
            
14
  ], 
14
  ], 
            
15
  "groups": [
15
  "groups": [
            
16
    {
16
    {
            
17
      "description": "Este grupo integra las publicaciones 
17
      "description": "Este grupo integra las publicaciones 
            
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
18
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
19
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
20
presentados en congresos nacionales e internacionales, manuscritos en 
20
presentados en congresos nacionales e internacionales, manuscritos en 
            
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
21
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
22
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
23
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
24
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
25
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
26
      "display_name": "Publicaciones", 
26
      "display_name": "Publicaciones", 
            
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
27
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
28
      "image_display_url": "", 
28
      "image_display_url": "", 
            
29
      "name": "publicaciones", 
29
      "name": "publicaciones", 
            
30
      "title": "Publicaciones"
30
      "title": "Publicaciones"
            
31
    }
31
    }
            
32
  ], 
32
  ], 
            
33
  "id": "d58407f5-5f97-4fd4-94bb-3e0986e7e0c9", 
33
  "id": "d58407f5-5f97-4fd4-94bb-3e0986e7e0c9", 
            
34
  "isopen": false, 
34
  "isopen": false, 
            
35
  "license_id": null, 
35
  "license_id": null, 
            
36
  "license_title": null, 
36
  "license_title": null, 
            
37
  "maintainer": null, 
37
  "maintainer": null, 
            
38
  "maintainer_email": null, 
38
  "maintainer_email": null, 
            
39
  "metadata_created": "2025-10-11T01:23:51.940759", 
39
  "metadata_created": "2025-10-11T01:23:51.940759", 
            
n
40
  "metadata_modified": "2025-10-11T01:23:51.940767", 
n
40
  "metadata_modified": "2025-10-11T01:23:52.404126", 
            
41
  "name": 
41
  "name": 
            
42
irections-of-the-pareto-front-and-its-application-to-mo-9e8e17d53e39", 
42
irections-of-the-pareto-front-and-its-application-to-mo-9e8e17d53e39", 
            
43
  "notes": "This paper introduces the mathematical development and 
43
  "notes": "This paper introduces the mathematical development and 
            
44
algorithm of the Improvement-Directions Mapping (IDM) method, which 
44
algorithm of the Improvement-Directions Mapping (IDM) method, which 
            
45
computes improvement directions to \"push\" the current solutions 
45
computes improvement directions to \"push\" the current solutions 
            
46
toward the true Pareto front. The main idea is to compute normal 
46
toward the true Pareto front. The main idea is to compute normal 
            
47
vectors to the front, as improvement directions in the objective 
47
vectors to the front, as improvement directions in the objective 
            
48
space, to be then transformed into search directions in the variable 
48
space, to be then transformed into search directions in the variable 
            
49
space through a transformation tensor. The main contributions of the 
49
space through a transformation tensor. The main contributions of the 
            
50
IDM as a local search operator versus previous approaches are the 
50
IDM as a local search operator versus previous approaches are the 
            
51
following: 1) It does not require of a priori information about 
51
following: 1) It does not require of a priori information about 
            
52
improvement directions or location of the true Pareto front, 2) It 
52
improvement directions or location of the true Pareto front, 2) It 
            
53
uses a local quadratic approximation of the Pareto front to compute 
53
uses a local quadratic approximation of the Pareto front to compute 
            
54
the transformation tensor, thus, reducing numerical problems and 
54
the transformation tensor, thus, reducing numerical problems and 
            
55
avoiding abrupt changes in the search direction which could lead to 
55
avoiding abrupt changes in the search direction which could lead to 
            
56
erratic searches. These features allow the IDM to be implemented as a 
56
erratic searches. These features allow the IDM to be implemented as a 
            
57
local search operator within any Multi-objective Evolutionary 
57
local search operator within any Multi-objective Evolutionary 
            
58
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
58
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
            
59
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
59
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
            
60
IDM. In the first approach, IDM \"pushes\" the offspring population in 
60
IDM. In the first approach, IDM \"pushes\" the offspring population in 
            
61
each iteration. A similar experiment is performed with the second 
61
each iteration. A similar experiment is performed with the second 
            
62
approach. Furthermore, one more experiment evaluates the IDM as a 
62
approach. Furthermore, one more experiment evaluates the IDM as a 
            
63
refinement step that is applied to the last Pareto front delivered by 
63
refinement step that is applied to the last Pareto front delivered by 
            
64
NSGA-II.", 
64
NSGA-II.", 
            
n
65
  "num_resources": 0, 
n
65
  "num_resources": 1, 
            
66
  "num_tags": 14, 
66
  "num_tags": 14, 
            
67
  "organization": {
67
  "organization": {
            
68
    "approval_status": "approved", 
68
    "approval_status": "approved", 
            
69
    "created": "2022-05-19T00:10:30.480393", 
69
    "created": "2022-05-19T00:10:30.480393", 
            
70
    "description": "Observatorio Metropolitano CentroGeo", 
70
    "description": "Observatorio Metropolitano CentroGeo", 
            
71
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
71
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
72
    "image_url": 
72
    "image_url": 
            
73
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
73
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
74
    "is_organization": true, 
74
    "is_organization": true, 
            
75
    "name": "observatorio-metropolitano-centrogeo", 
75
    "name": "observatorio-metropolitano-centrogeo", 
            
76
    "state": "active", 
76
    "state": "active", 
            
77
    "title": "Observatorio Metropolitano CentroGeo", 
77
    "title": "Observatorio Metropolitano CentroGeo", 
            
78
    "type": "organization"
78
    "type": "organization"
            
79
  }, 
79
  }, 
            
80
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
80
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
81
  "private": false, 
81
  "private": false, 
            
82
  "relationships_as_object": [], 
82
  "relationships_as_object": [], 
            
83
  "relationships_as_subject": [], 
83
  "relationships_as_subject": [], 
            
t
84
  "resources": [], 
t
84
  "resources": [
            
85
    {
            
86
      "cache_last_updated": null, 
            
87
      "cache_url": null, 
            
88
      "created": "2025-10-11T01:23:52.439401", 
            
89
      "datastore_active": false, 
            
90
      "description": "This paper introduces the mathematical 
            
91
development and algorithm of the Improvement-Directions Mapping (IDM) 
            
92
method, which computes improvement directions to \"push\" the current 
            
93
solutions toward the true Pareto front. The main idea is to compute 
            
94
normal vectors to the front, as improvement directions in the 
            
95
objective space, to be then transformed into search directions in the 
            
96
variable space through a transformation tensor. The main contributions 
            
97
of the IDM as a local search operator versus previous approaches are 
            
98
the following: 1) It does not require of a priori information about 
            
99
improvement directions or location of the true Pareto front, 2) It 
            
100
uses a local quadratic approximation of the Pareto front to compute 
            
101
the transformation tensor, thus, reducing numerical problems and 
            
102
avoiding abrupt changes in the search direction which could lead to 
            
103
erratic searches. These features allow the IDM to be implemented as a 
            
104
local search operator within any Multi-objective Evolutionary 
            
105
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
            
106
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
            
107
IDM. In the first approach, IDM \"pushes\" the offspring population in 
            
108
each iteration. A similar experiment is performed with the second 
            
109
approach. Furthermore, one more experiment evaluates the IDM as a 
            
110
refinement step that is applied to the last Pareto front delivered by 
            
111
NSGA-II.", 
            
112
      "format": "HTML", 
            
113
      "hash": "", 
            
114
      "id": "85e817f2-bd41-4bf6-9d5a-9ab6f9189f65", 
            
115
      "last_modified": null, 
            
116
      "metadata_modified": "2025-10-11T01:23:52.407975", 
            
117
      "mimetype": null, 
            
118
      "mimetype_inner": null, 
            
119
      "name": "Computation of the improvement directions of the Pareto 
            
120
front and its application to MOEAs", 
            
121
      "package_id": "d58407f5-5f97-4fd4-94bb-3e0986e7e0c9", 
            
122
      "position": 0, 
            
123
      "resource_type": null, 
            
124
      "size": null, 
            
125
      "state": "active", 
            
126
      "url": "https://doi.org/10.1145/3377930.3390165", 
            
127
      "url_type": null
            
128
    }
            
129
  ], 
            
85
  "state": "active", 
130
  "state": "active", 
            
86
  "tags": [
131
  "tags": [
            
87
    {
132
    {
            
88
      "display_name": "a-priori-and-a-posteriori", 
133
      "display_name": "a-priori-and-a-posteriori", 
            
89
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
134
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
            
90
      "name": "a-priori-and-a-posteriori", 
135
      "name": "a-priori-and-a-posteriori", 
            
91
      "state": "active", 
136
      "state": "active", 
            
92
      "vocabulary_id": null
137
      "vocabulary_id": null
            
93
    }, 
138
    }, 
            
94
    {
139
    {
            
95
      "display_name": "algorithm", 
140
      "display_name": "algorithm", 
            
96
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
141
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
            
97
      "name": "algorithm", 
142
      "name": "algorithm", 
            
98
      "state": "active", 
143
      "state": "active", 
            
99
      "vocabulary_id": null
144
      "vocabulary_id": null
            
100
    }, 
145
    }, 
            
101
    {
146
    {
            
102
      "display_name": "computation", 
147
      "display_name": "computation", 
            
103
      "id": "7360e5e0-ae0d-4cd2-8974-a4f49ac17663", 
148
      "id": "7360e5e0-ae0d-4cd2-8974-a4f49ac17663", 
            
104
      "name": "computation", 
149
      "name": "computation", 
            
105
      "state": "active", 
150
      "state": "active", 
            
106
      "vocabulary_id": null
151
      "vocabulary_id": null
            
107
    }, 
152
    }, 
            
108
    {
153
    {
            
109
      "display_name": "computer-science", 
154
      "display_name": "computer-science", 
            
110
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
155
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
111
      "name": "computer-science", 
156
      "name": "computer-science", 
            
112
      "state": "active", 
157
      "state": "active", 
            
113
      "vocabulary_id": null
158
      "vocabulary_id": null
            
114
    }, 
159
    }, 
            
115
    {
160
    {
            
116
      "display_name": "evolutionary-algorithm", 
161
      "display_name": "evolutionary-algorithm", 
            
117
      "id": "22db3110-8a27-435b-8d9a-c910fe7201ca", 
162
      "id": "22db3110-8a27-435b-8d9a-c910fe7201ca", 
            
118
      "name": "evolutionary-algorithm", 
163
      "name": "evolutionary-algorithm", 
            
119
      "state": "active", 
164
      "state": "active", 
            
120
      "vocabulary_id": null
165
      "vocabulary_id": null
            
121
    }, 
166
    }, 
            
122
    {
167
    {
            
123
      "display_name": "evolutionary-computation", 
168
      "display_name": "evolutionary-computation", 
            
124
      "id": "034a4545-4817-4249-833d-752d35423e01", 
169
      "id": "034a4545-4817-4249-833d-752d35423e01", 
            
125
      "name": "evolutionary-computation", 
170
      "name": "evolutionary-computation", 
            
126
      "state": "active", 
171
      "state": "active", 
            
127
      "vocabulary_id": null
172
      "vocabulary_id": null
            
128
    }, 
173
    }, 
            
129
    {
174
    {
            
130
      "display_name": "mathematical-optimization", 
175
      "display_name": "mathematical-optimization", 
            
131
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
176
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
            
132
      "name": "mathematical-optimization", 
177
      "name": "mathematical-optimization", 
            
133
      "state": "active", 
178
      "state": "active", 
            
134
      "vocabulary_id": null
179
      "vocabulary_id": null
            
135
    }, 
180
    }, 
            
136
    {
181
    {
            
137
      "display_name": "mathematics", 
182
      "display_name": "mathematics", 
            
138
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
183
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
            
139
      "name": "mathematics", 
184
      "name": "mathematics", 
            
140
      "state": "active", 
185
      "state": "active", 
            
141
      "vocabulary_id": null
186
      "vocabulary_id": null
            
142
    }, 
187
    }, 
            
143
    {
188
    {
            
144
      "display_name": "multi-objective-optimization", 
189
      "display_name": "multi-objective-optimization", 
            
145
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
190
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
            
146
      "name": "multi-objective-optimization", 
191
      "name": "multi-objective-optimization", 
            
147
      "state": "active", 
192
      "state": "active", 
            
148
      "vocabulary_id": null
193
      "vocabulary_id": null
            
149
    }, 
194
    }, 
            
150
    {
195
    {
            
151
      "display_name": "operator-biology", 
196
      "display_name": "operator-biology", 
            
152
      "id": "e6d3f57c-da81-4ab5-bcbe-a02d436be62f", 
197
      "id": "e6d3f57c-da81-4ab5-bcbe-a02d436be62f", 
            
153
      "name": "operator-biology", 
198
      "name": "operator-biology", 
            
154
      "state": "active", 
199
      "state": "active", 
            
155
      "vocabulary_id": null
200
      "vocabulary_id": null
            
156
    }, 
201
    }, 
            
157
    {
202
    {
            
158
      "display_name": "pareto-principle", 
203
      "display_name": "pareto-principle", 
            
159
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
204
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
            
160
      "name": "pareto-principle", 
205
      "name": "pareto-principle", 
            
161
      "state": "active", 
206
      "state": "active", 
            
162
      "vocabulary_id": null
207
      "vocabulary_id": null
            
163
    }, 
208
    }, 
            
164
    {
209
    {
            
165
      "display_name": "population", 
210
      "display_name": "population", 
            
166
      "id": "e1a21843-827e-4cda-84db-aad1115ef03f", 
211
      "id": "e1a21843-827e-4cda-84db-aad1115ef03f", 
            
167
      "name": "population", 
212
      "name": "population", 
            
168
      "state": "active", 
213
      "state": "active", 
            
169
      "vocabulary_id": null
214
      "vocabulary_id": null
            
170
    }, 
215
    }, 
            
171
    {
216
    {
            
172
      "display_name": "tensor-intrinsic-definition", 
217
      "display_name": "tensor-intrinsic-definition", 
            
173
      "id": "5bf79c98-3a54-4f2d-b5d7-fe3f9010e932", 
218
      "id": "5bf79c98-3a54-4f2d-b5d7-fe3f9010e932", 
            
174
      "name": "tensor-intrinsic-definition", 
219
      "name": "tensor-intrinsic-definition", 
            
175
      "state": "active", 
220
      "state": "active", 
            
176
      "vocabulary_id": null
221
      "vocabulary_id": null
            
177
    }, 
222
    }, 
            
178
    {
223
    {
            
179
      "display_name": "transformation-genetics", 
224
      "display_name": "transformation-genetics", 
            
180
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
225
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
            
181
      "name": "transformation-genetics", 
226
      "name": "transformation-genetics", 
            
182
      "state": "active", 
227
      "state": "active", 
            
183
      "vocabulary_id": null
228
      "vocabulary_id": null
            
184
    }
229
    }
            
185
  ], 
230
  ], 
            
186
  "title": "Computation of the improvement directions of the Pareto 
231
  "title": "Computation of the improvement directions of the Pareto 
            
187
front and its application to MOEAs", 
232
front and its application to MOEAs", 
            
188
  "type": "dataset", 
233
  "type": "dataset", 
            
189
  "url": "https://doi.org/10.1145/3377930.3390165", 
234
  "url": "https://doi.org/10.1145/3377930.3390165", 
            
190
  "version": null
235
  "version": null
            
191
}
236
}