Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "S Botello-Aceves, SI Valdez, A Hernandez-Aguirre", 
2
  "author": "S Botello-Aceves, SI Valdez, A Hernandez-Aguirre", 
            
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": "Revista"
8
      "value": "Revista"
            
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": "0a8d489b-cf45-4d23-93d5-4b026db48206", 
33
  "id": "0a8d489b-cf45-4d23-93d5-4b026db48206", 
            
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": "2025-10-11T01:23:17.112123", 
39
  "metadata_created": "2025-10-11T01:23:17.112123", 
            
n
40
  "metadata_modified": "2025-10-11T01:23:17.112133", 
n
40
  "metadata_modified": "2025-10-11T01:23:17.583417", 
            
41
  "name": 
41
  "name": 
            
42
algorithm-for-multi-objective-local-search-optimization-329afd2641b8", 
42
algorithm-for-multi-objective-local-search-optimization-329afd2641b8", 
            
43
  "notes": "In multi-objective optimization, the direction vectors in 
43
  "notes": "In multi-objective optimization, the direction vectors in 
            
44
the objective space that improve the current non-dominated set are 
44
the objective space that improve the current non-dominated set are 
            
45
named improvement directions. The Improvement Direction Mapping (IDM) 
45
named improvement directions. The Improvement Direction Mapping (IDM) 
            
46
methods apply a spatial transformation to map improvement directions 
46
methods apply a spatial transformation to map improvement directions 
            
47
in the objective space to search for directions in the variable space. 
47
in the objective space to search for directions in the variable space. 
            
48
Jacobian based transformations can perform the mapping, however, they 
48
Jacobian based transformations can perform the mapping, however, they 
            
49
require the analytic expressions of the objectives and their 
49
require the analytic expressions of the objectives and their 
            
50
derivatives. Hence, they serve as a reference in academic problems but 
50
derivatives. Hence, they serve as a reference in academic problems but 
            
51
are impractical in real-world applications. Furthermore, they are 
51
are impractical in real-world applications. Furthermore, they are 
            
52
commonly ill-conditioned and under-determined; consequently, they 
52
commonly ill-conditioned and under-determined; consequently, they 
            
53
deviate the search as the current non-dominated set approaches to the 
53
deviate the search as the current non-dominated set approaches to the 
            
54
Pareto set. This work proposes a solution via an iterative updating 
54
Pareto set. This work proposes a solution via an iterative updating 
            
55
based on the Broyden method. The proposal promotes parallelism between 
55
based on the Broyden method. The proposal promotes parallelism between 
            
56
the displacement of the non-dominated solutions in the objective space 
56
the displacement of the non-dominated solutions in the objective space 
            
57
and improvement directions delivered by Chebyshev scalarizing 
57
and improvement directions delivered by Chebyshev scalarizing 
            
58
functions. Compared to other transformations reported in the 
58
functions. Compared to other transformations reported in the 
            
59
specialized literature, the proposed method demonstrates a better 
59
specialized literature, the proposed method demonstrates a better 
            
60
conditioning that provokes to err at a lesser extent in providing 
60
conditioning that provokes to err at a lesser extent in providing 
            
61
successful search directions. This impacts the algorithm performance, 
61
successful search directions. This impacts the algorithm performance, 
            
62
mainly in locations close to the Pareto set. These advantages are 
62
mainly in locations close to the Pareto set. These advantages are 
            
63
demonstrated using benchmark functions and metrics.", 
63
demonstrated using benchmark functions and metrics.", 
            
n
64
  "num_resources": 0, 
n
64
  "num_resources": 1, 
            
65
  "num_tags": 11, 
65
  "num_tags": 11, 
            
66
  "organization": {
66
  "organization": {
            
67
    "approval_status": "approved", 
67
    "approval_status": "approved", 
            
68
    "created": "2022-05-19T00:10:30.480393", 
68
    "created": "2022-05-19T00:10:30.480393", 
            
69
    "description": "Observatorio Metropolitano CentroGeo", 
69
    "description": "Observatorio Metropolitano CentroGeo", 
            
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
71
    "image_url": 
71
    "image_url": 
            
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
73
    "is_organization": true, 
73
    "is_organization": true, 
            
74
    "name": "observatorio-metropolitano-centrogeo", 
74
    "name": "observatorio-metropolitano-centrogeo", 
            
75
    "state": "active", 
75
    "state": "active", 
            
76
    "title": "Observatorio Metropolitano CentroGeo", 
76
    "title": "Observatorio Metropolitano CentroGeo", 
            
77
    "type": "organization"
77
    "type": "organization"
            
78
  }, 
78
  }, 
            
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
80
  "private": false, 
80
  "private": false, 
            
81
  "relationships_as_object": [], 
81
  "relationships_as_object": [], 
            
82
  "relationships_as_subject": [], 
82
  "relationships_as_subject": [], 
            
t
83
  "resources": [], 
t
83
  "resources": [
            
84
    {
            
85
      "cache_last_updated": null, 
            
86
      "cache_url": null, 
            
87
      "created": "2025-10-11T01:23:17.617133", 
            
88
      "datastore_active": false, 
            
89
      "description": "In multi-objective optimization, the direction 
            
90
vectors in the objective space that improve the current non-dominated 
            
91
set are named improvement directions. The Improvement Direction 
            
92
Mapping (IDM) methods apply a spatial transformation to map 
            
93
improvement directions in the objective space to search for directions 
            
94
in the variable space. Jacobian based transformations can perform the 
            
95
mapping, however, they require the analytic expressions of the 
            
96
objectives and their derivatives. Hence, they serve as a reference in 
            
97
academic problems but are impractical in real-world applications. 
            
98
Furthermore, they are commonly ill-conditioned and under-determined; 
            
99
consequently, they deviate the search as the current non-dominated set 
            
100
approaches to the Pareto set. This work proposes a solution via an 
            
101
iterative updating based on the Broyden method. The proposal promotes 
            
102
parallelism between the displacement of the non-dominated solutions in 
            
103
the objective space and improvement directions delivered by Chebyshev 
            
104
scalarizing functions. Compared to other transformations reported in 
            
105
the specialized literature, the proposed method demonstrates a better 
            
106
conditioning that provokes to err at a lesser extent in providing 
            
107
successful search directions. This impacts the algorithm performance, 
            
108
mainly in locations close to the Pareto set. These advantages are 
            
109
demonstrated using benchmark functions and metrics.", 
            
110
      "format": "HTML", 
            
111
      "hash": "", 
            
112
      "id": "6f8c040f-18bf-4f31-9233-6c03230d1442", 
            
113
      "last_modified": null, 
            
114
      "metadata_modified": "2025-10-11T01:23:17.587725", 
            
115
      "mimetype": null, 
            
116
      "mimetype_inner": null, 
            
117
      "name": "A Broyden-based algorithm for multi-objective 
            
118
local-search optimization", 
            
119
      "package_id": "0a8d489b-cf45-4d23-93d5-4b026db48206", 
            
120
      "position": 0, 
            
121
      "resource_type": null, 
            
122
      "size": null, 
            
123
      "state": "active", 
            
124
      "url": "https://doi.org/10.1016/j.ins.2022.02.017", 
            
125
      "url_type": null
            
126
    }
            
127
  ], 
            
84
  "state": "active", 
128
  "state": "active", 
            
85
  "tags": [
129
  "tags": [
            
86
    {
130
    {
            
87
      "display_name": "algorithm", 
131
      "display_name": "algorithm", 
            
88
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
132
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
            
89
      "name": "algorithm", 
133
      "name": "algorithm", 
            
90
      "state": "active", 
134
      "state": "active", 
            
91
      "vocabulary_id": null
135
      "vocabulary_id": null
            
92
    }, 
136
    }, 
            
93
    {
137
    {
            
94
      "display_name": "benchmark-surveying", 
138
      "display_name": "benchmark-surveying", 
            
95
      "id": "d80426c1-17f9-4c4c-b192-367083726326", 
139
      "id": "d80426c1-17f9-4c4c-b192-367083726326", 
            
96
      "name": "benchmark-surveying", 
140
      "name": "benchmark-surveying", 
            
97
      "state": "active", 
141
      "state": "active", 
            
98
      "vocabulary_id": null
142
      "vocabulary_id": null
            
99
    }, 
143
    }, 
            
100
    {
144
    {
            
101
      "display_name": "computer-science", 
145
      "display_name": "computer-science", 
            
102
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
146
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
103
      "name": "computer-science", 
147
      "name": "computer-science", 
            
104
      "state": "active", 
148
      "state": "active", 
            
105
      "vocabulary_id": null
149
      "vocabulary_id": null
            
106
    }, 
150
    }, 
            
107
    {
151
    {
            
108
      "display_name": "jacobian-matrix-and-determinant", 
152
      "display_name": "jacobian-matrix-and-determinant", 
            
109
      "id": "10c7654f-10d8-48ae-b05c-0fc603b5212b", 
153
      "id": "10c7654f-10d8-48ae-b05c-0fc603b5212b", 
            
110
      "name": "jacobian-matrix-and-determinant", 
154
      "name": "jacobian-matrix-and-determinant", 
            
111
      "state": "active", 
155
      "state": "active", 
            
112
      "vocabulary_id": null
156
      "vocabulary_id": null
            
113
    }, 
157
    }, 
            
114
    {
158
    {
            
115
      "display_name": "mathematical-optimization", 
159
      "display_name": "mathematical-optimization", 
            
116
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
160
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
            
117
      "name": "mathematical-optimization", 
161
      "name": "mathematical-optimization", 
            
118
      "state": "active", 
162
      "state": "active", 
            
119
      "vocabulary_id": null
163
      "vocabulary_id": null
            
120
    }, 
164
    }, 
            
121
    {
165
    {
            
122
      "display_name": "mathematics", 
166
      "display_name": "mathematics", 
            
123
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
167
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
            
124
      "name": "mathematics", 
168
      "name": "mathematics", 
            
125
      "state": "active", 
169
      "state": "active", 
            
126
      "vocabulary_id": null
170
      "vocabulary_id": null
            
127
    }, 
171
    }, 
            
128
    {
172
    {
            
129
      "display_name": "multi-objective-optimization", 
173
      "display_name": "multi-objective-optimization", 
            
130
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
174
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
            
131
      "name": "multi-objective-optimization", 
175
      "name": "multi-objective-optimization", 
            
132
      "state": "active", 
176
      "state": "active", 
            
133
      "vocabulary_id": null
177
      "vocabulary_id": null
            
134
    }, 
178
    }, 
            
135
    {
179
    {
            
136
      "display_name": "pareto-principle", 
180
      "display_name": "pareto-principle", 
            
137
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
181
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
            
138
      "name": "pareto-principle", 
182
      "name": "pareto-principle", 
            
139
      "state": "active", 
183
      "state": "active", 
            
140
      "vocabulary_id": null
184
      "vocabulary_id": null
            
141
    }, 
185
    }, 
            
142
    {
186
    {
            
143
      "display_name": "set-abstract-data-type", 
187
      "display_name": "set-abstract-data-type", 
            
144
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
188
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
            
145
      "name": "set-abstract-data-type", 
189
      "name": "set-abstract-data-type", 
            
146
      "state": "active", 
190
      "state": "active", 
            
147
      "vocabulary_id": null
191
      "vocabulary_id": null
            
148
    }, 
192
    }, 
            
149
    {
193
    {
            
150
      "display_name": "space-punctuation", 
194
      "display_name": "space-punctuation", 
            
151
      "id": "6eda68cb-9a18-40d1-a185-b6d35523ce87", 
195
      "id": "6eda68cb-9a18-40d1-a185-b6d35523ce87", 
            
152
      "name": "space-punctuation", 
196
      "name": "space-punctuation", 
            
153
      "state": "active", 
197
      "state": "active", 
            
154
      "vocabulary_id": null
198
      "vocabulary_id": null
            
155
    }, 
199
    }, 
            
156
    {
200
    {
            
157
      "display_name": "transformation-genetics", 
201
      "display_name": "transformation-genetics", 
            
158
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
202
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
            
159
      "name": "transformation-genetics", 
203
      "name": "transformation-genetics", 
            
160
      "state": "active", 
204
      "state": "active", 
            
161
      "vocabulary_id": null
205
      "vocabulary_id": null
            
162
    }
206
    }
            
163
  ], 
207
  ], 
            
164
  "title": "A Broyden-based algorithm for multi-objective local-search 
208
  "title": "A Broyden-based algorithm for multi-objective local-search 
            
165
optimization", 
209
optimization", 
            
166
  "type": "dataset", 
210
  "type": "dataset", 
            
167
  "url": "https://doi.org/10.1016/j.ins.2022.02.017", 
211
  "url": "https://doi.org/10.1016/j.ins.2022.02.017", 
            
168
  "version": null
212
  "version": null
            
169
}
213
}