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": "A\u00f1o", 
7
      "key": "A\u00f1o", 
            
8
      "value": "2020"
8
      "value": "2020"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "DOI", 
11
      "key": "DOI", 
            
12
      "value": "https://doi.org/10.1145/3377930.3390165"
12
      "value": "https://doi.org/10.1145/3377930.3390165"
            
13
    }, 
13
    }, 
            
14
    {
14
    {
            
15
      "key": "Google Scholar URL", 
15
      "key": "Google Scholar URL", 
            
16
      "value": 
16
      "value": 
            
17
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:PR6Y55bgFSsC"
17
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:PR6Y55bgFSsC"
            
18
    }, 
18
    }, 
            
19
    {
19
    {
            
20
      "key": "Identificador hash", 
20
      "key": "Identificador hash", 
            
21
      "value": "da819a9a270f"
21
      "value": "da819a9a270f"
            
22
    }, 
22
    }, 
            
23
    {
23
    {
            
24
      "key": "Lugar de publicaci\u00f3n", 
24
      "key": "Lugar de publicaci\u00f3n", 
            
25
      "value": "Proceedings of the 2020 Genetic and Evolutionary 
25
      "value": "Proceedings of the 2020 Genetic and Evolutionary 
            
26
Computation Conference, 480-488, 2020"
26
Computation Conference, 480-488, 2020"
            
27
    }, 
27
    }, 
            
28
    {
28
    {
            
29
      "key": "Tipo", 
29
      "key": "Tipo", 
            
30
      "value": "Publicaci\u00f3n"
30
      "value": "Publicaci\u00f3n"
            
31
    }, 
31
    }, 
            
32
    {
32
    {
            
33
      "key": "Tipo de publicaci\u00f3n", 
33
      "key": "Tipo de publicaci\u00f3n", 
            
34
      "value": "Conferencia"
34
      "value": "Conferencia"
            
35
    }, 
35
    }, 
            
36
    {
36
    {
            
37
      "key": "URL directo", 
37
      "key": "URL directo", 
            
38
      "value": 
38
      "value": 
            
39
ement-directions-of-the-Pareto-front-and-its-application-to-MOEAs.pdf"
39
ement-directions-of-the-Pareto-front-and-its-application-to-MOEAs.pdf"
            
40
    }
40
    }
            
41
  ], 
41
  ], 
            
42
  "groups": [
42
  "groups": [
            
43
    {
43
    {
            
44
      "description": "", 
44
      "description": "", 
            
45
      "display_name": "Publicaciones", 
45
      "display_name": "Publicaciones", 
            
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
            
47
      "image_display_url": "", 
47
      "image_display_url": "", 
            
48
      "name": "publicaciones", 
48
      "name": "publicaciones", 
            
49
      "title": "Publicaciones"
49
      "title": "Publicaciones"
            
50
    }
50
    }
            
51
  ], 
51
  ], 
            
52
  "id": "1cf9ba3e-2434-4d33-8577-de5b158b2287", 
52
  "id": "1cf9ba3e-2434-4d33-8577-de5b158b2287", 
            
53
  "isopen": false, 
53
  "isopen": false, 
            
54
  "license_id": null, 
54
  "license_id": null, 
            
55
  "license_title": null, 
55
  "license_title": null, 
            
56
  "maintainer": null, 
56
  "maintainer": null, 
            
57
  "maintainer_email": null, 
57
  "maintainer_email": null, 
            
58
  "metadata_created": "2025-10-21T09:01:53.409878", 
58
  "metadata_created": "2025-10-21T09:01:53.409878", 
            
n
59
  "metadata_modified": "2025-10-21T09:01:53.409885", 
n
59
  "metadata_modified": "2025-10-21T09:01:53.983212", 
            
60
  "name": "da819a9a270f", 
60
  "name": "da819a9a270f", 
            
61
  "notes": "This paper introduces the mathematical development and 
61
  "notes": "This paper introduces the mathematical development and 
            
62
algorithm of the Improvement-Directions Mapping (IDM) method, which 
62
algorithm of the Improvement-Directions Mapping (IDM) method, which 
            
63
computes improvement directions to \"push\" the current solutions 
63
computes improvement directions to \"push\" the current solutions 
            
64
toward the true Pareto front. The main idea is to compute normal 
64
toward the true Pareto front. The main idea is to compute normal 
            
65
vectors to the front, as improvement directions in the objective 
65
vectors to the front, as improvement directions in the objective 
            
66
space, to be then transformed into search directions in the variable 
66
space, to be then transformed into search directions in the variable 
            
67
space through a transformation tensor. The main contributions of the 
67
space through a transformation tensor. The main contributions of the 
            
68
IDM as a local search operator versus previous approaches are the 
68
IDM as a local search operator versus previous approaches are the 
            
69
following: 1) It does not require of a priori information about 
69
following: 1) It does not require of a priori information about 
            
70
improvement directions or location of the true Pareto front, 2) It 
70
improvement directions or location of the true Pareto front, 2) It 
            
71
uses a local quadratic approximation of the Pareto front to compute 
71
uses a local quadratic approximation of the Pareto front to compute 
            
72
the transformation tensor, thus, reducing numerical problems and 
72
the transformation tensor, thus, reducing numerical problems and 
            
73
avoiding abrupt changes in the search direction which could lead to 
73
avoiding abrupt changes in the search direction which could lead to 
            
74
erratic searches. These features allow the IDM to be implemented as a 
74
erratic searches. These features allow the IDM to be implemented as a 
            
75
local search operator within any Multi-objective Evolutionary 
75
local search operator within any Multi-objective Evolutionary 
            
76
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
76
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
            
77
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
77
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
            
78
IDM. In the first approach, IDM \"pushes\" the offspring population in 
78
IDM. In the first approach, IDM \"pushes\" the offspring population in 
            
79
each iteration. A similar experiment is performed with the second 
79
each iteration. A similar experiment is performed with the second 
            
80
approach. Furthermore, one more experiment evaluates the IDM as a 
80
approach. Furthermore, one more experiment evaluates the IDM as a 
            
81
refinement step that is applied to the last Pareto front delivered by 
81
refinement step that is applied to the last Pareto front delivered by 
            
82
NSGA-II.", 
82
NSGA-II.", 
            
n
83
  "num_resources": 0, 
n
83
  "num_resources": 1, 
            
84
  "num_tags": 16, 
84
  "num_tags": 16, 
            
85
  "organization": {
85
  "organization": {
            
86
    "approval_status": "approved", 
86
    "approval_status": "approved", 
            
87
    "created": "2022-05-19T00:10:30.480393", 
87
    "created": "2022-05-19T00:10:30.480393", 
            
88
    "description": "Observatorio Metropolitano CentroGeo", 
88
    "description": "Observatorio Metropolitano CentroGeo", 
            
89
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
89
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
90
    "image_url": 
90
    "image_url": 
            
91
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
91
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
92
    "is_organization": true, 
92
    "is_organization": true, 
            
93
    "name": "observatorio-metropolitano-centrogeo", 
93
    "name": "observatorio-metropolitano-centrogeo", 
            
94
    "state": "active", 
94
    "state": "active", 
            
95
    "title": "Observatorio Metropolitano CentroGeo", 
95
    "title": "Observatorio Metropolitano CentroGeo", 
            
96
    "type": "organization"
96
    "type": "organization"
            
97
  }, 
97
  }, 
            
98
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
98
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
99
  "private": false, 
99
  "private": false, 
            
100
  "relationships_as_object": [], 
100
  "relationships_as_object": [], 
            
101
  "relationships_as_subject": [], 
101
  "relationships_as_subject": [], 
            
t
102
  "resources": [], 
t
102
  "resources": [
            
103
    {
            
104
      "cache_last_updated": null, 
            
105
      "cache_url": null, 
            
106
      "created": "2025-10-21T09:01:54.029908", 
            
107
      "datastore_active": false, 
            
108
      "description": "This paper introduces the mathematical 
            
109
development and algorithm of the Improvement-Directions Mapping (IDM) 
            
110
method, which computes improvement directions to \"push\" the current 
            
111
solutions toward the true Pareto front. The main idea is to compute 
            
112
normal vectors to the front, as improvement directions in the 
            
113
objective space, to be then transformed into search directions in the 
            
114
variable space through a transformation tensor. The main contributions 
            
115
of the IDM as a local search operator versus previous approaches are 
            
116
the following: 1) It does not require of a priori information about 
            
117
improvement directions or location of the true Pareto front, 2) It 
            
118
uses a local quadratic approximation of the Pareto front to compute 
            
119
the transformation tensor, thus, reducing numerical problems and 
            
120
avoiding abrupt changes in the search direction which could lead to 
            
121
erratic searches. These features allow the IDM to be implemented as a 
            
122
local search operator within any Multi-objective Evolutionary 
            
123
Algorithm (MOEA). The potential of the IDM is shown by hybridizing two 
            
124
well-known multi-objective algorithms: a) MOEA/D + IDM; b) NSGA-II + 
            
125
IDM. In the first approach, IDM \"pushes\" the offspring population in 
            
126
each iteration. A similar experiment is performed with the second 
            
127
approach. Furthermore, one more experiment evaluates the IDM as a 
            
128
refinement step that is applied to the last Pareto front delivered by 
            
129
NSGA-II.", 
            
130
      "format": "HTML", 
            
131
      "hash": "", 
            
132
      "id": "3969e3b4-9c87-4413-ae16-6d00f6fe1d48", 
            
133
      "last_modified": null, 
            
134
      "metadata_modified": "2025-10-21T09:01:53.986687", 
            
135
      "mimetype": null, 
            
136
      "mimetype_inner": null, 
            
137
      "name": "Computation of the improvement directions of the Pareto 
            
138
front and its application to MOEAs", 
            
139
      "package_id": "1cf9ba3e-2434-4d33-8577-de5b158b2287", 
            
140
      "position": 0, 
            
141
      "resource_type": null, 
            
142
      "size": null, 
            
143
      "state": "active", 
            
144
      "url": 
            
145
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:PR6Y55bgFSsC", 
            
146
      "url_type": null
            
147
    }
            
148
  ], 
            
103
  "state": "active", 
149
  "state": "active", 
            
104
  "tags": [
150
  "tags": [
            
105
    {
151
    {
            
106
      "display_name": "2020", 
152
      "display_name": "2020", 
            
107
      "id": "3075f197-f2d6-4aba-b376-c61bfe5daf7d", 
153
      "id": "3075f197-f2d6-4aba-b376-c61bfe5daf7d", 
            
108
      "name": "2020", 
154
      "name": "2020", 
            
109
      "state": "active", 
155
      "state": "active", 
            
110
      "vocabulary_id": null
156
      "vocabulary_id": null
            
111
    }, 
157
    }, 
            
112
    {
158
    {
            
113
      "display_name": "a-priori-and-a-posteriori", 
159
      "display_name": "a-priori-and-a-posteriori", 
            
114
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
160
      "id": "65390f44-ab4c-4f97-8afe-75c72e71e50c", 
            
115
      "name": "a-priori-and-a-posteriori", 
161
      "name": "a-priori-and-a-posteriori", 
            
116
      "state": "active", 
162
      "state": "active", 
            
117
      "vocabulary_id": null
163
      "vocabulary_id": null
            
118
    }, 
164
    }, 
            
119
    {
165
    {
            
120
      "display_name": "algorithm", 
166
      "display_name": "algorithm", 
            
121
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
167
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
            
122
      "name": "algorithm", 
168
      "name": "algorithm", 
            
123
      "state": "active", 
169
      "state": "active", 
            
124
      "vocabulary_id": null
170
      "vocabulary_id": null
            
125
    }, 
171
    }, 
            
126
    {
172
    {
            
127
      "display_name": "computation", 
173
      "display_name": "computation", 
            
128
      "id": "7360e5e0-ae0d-4cd2-8974-a4f49ac17663", 
174
      "id": "7360e5e0-ae0d-4cd2-8974-a4f49ac17663", 
            
129
      "name": "computation", 
175
      "name": "computation", 
            
130
      "state": "active", 
176
      "state": "active", 
            
131
      "vocabulary_id": null
177
      "vocabulary_id": null
            
132
    }, 
178
    }, 
            
133
    {
179
    {
            
134
      "display_name": "computer-science", 
180
      "display_name": "computer-science", 
            
135
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
181
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
136
      "name": "computer-science", 
182
      "name": "computer-science", 
            
137
      "state": "active", 
183
      "state": "active", 
            
138
      "vocabulary_id": null
184
      "vocabulary_id": null
            
139
    }, 
185
    }, 
            
140
    {
186
    {
            
141
      "display_name": "evolutionary-algorithm", 
187
      "display_name": "evolutionary-algorithm", 
            
142
      "id": "22db3110-8a27-435b-8d9a-c910fe7201ca", 
188
      "id": "22db3110-8a27-435b-8d9a-c910fe7201ca", 
            
143
      "name": "evolutionary-algorithm", 
189
      "name": "evolutionary-algorithm", 
            
144
      "state": "active", 
190
      "state": "active", 
            
145
      "vocabulary_id": null
191
      "vocabulary_id": null
            
146
    }, 
192
    }, 
            
147
    {
193
    {
            
148
      "display_name": "evolutionary-computation", 
194
      "display_name": "evolutionary-computation", 
            
149
      "id": "034a4545-4817-4249-833d-752d35423e01", 
195
      "id": "034a4545-4817-4249-833d-752d35423e01", 
            
150
      "name": "evolutionary-computation", 
196
      "name": "evolutionary-computation", 
            
151
      "state": "active", 
197
      "state": "active", 
            
152
      "vocabulary_id": null
198
      "vocabulary_id": null
            
153
    }, 
199
    }, 
            
154
    {
200
    {
            
155
      "display_name": "mathematical-optimization", 
201
      "display_name": "mathematical-optimization", 
            
156
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
202
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
            
157
      "name": "mathematical-optimization", 
203
      "name": "mathematical-optimization", 
            
158
      "state": "active", 
204
      "state": "active", 
            
159
      "vocabulary_id": null
205
      "vocabulary_id": null
            
160
    }, 
206
    }, 
            
161
    {
207
    {
            
162
      "display_name": "mathematics", 
208
      "display_name": "mathematics", 
            
163
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
209
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
            
164
      "name": "mathematics", 
210
      "name": "mathematics", 
            
165
      "state": "active", 
211
      "state": "active", 
            
166
      "vocabulary_id": null
212
      "vocabulary_id": null
            
167
    }, 
213
    }, 
            
168
    {
214
    {
            
169
      "display_name": "multi-objective-optimization", 
215
      "display_name": "multi-objective-optimization", 
            
170
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
216
      "id": "028254bd-4fdf-4157-a6c4-850397abd03d", 
            
171
      "name": "multi-objective-optimization", 
217
      "name": "multi-objective-optimization", 
            
172
      "state": "active", 
218
      "state": "active", 
            
173
      "vocabulary_id": null
219
      "vocabulary_id": null
            
174
    }, 
220
    }, 
            
175
    {
221
    {
            
176
      "display_name": "operator-biology", 
222
      "display_name": "operator-biology", 
            
177
      "id": "e6d3f57c-da81-4ab5-bcbe-a02d436be62f", 
223
      "id": "e6d3f57c-da81-4ab5-bcbe-a02d436be62f", 
            
178
      "name": "operator-biology", 
224
      "name": "operator-biology", 
            
179
      "state": "active", 
225
      "state": "active", 
            
180
      "vocabulary_id": null
226
      "vocabulary_id": null
            
181
    }, 
227
    }, 
            
182
    {
228
    {
            
183
      "display_name": "pareto-principle", 
229
      "display_name": "pareto-principle", 
            
184
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
230
      "id": "1ee6143a-1062-4117-989d-0ba641dcda3c", 
            
185
      "name": "pareto-principle", 
231
      "name": "pareto-principle", 
            
186
      "state": "active", 
232
      "state": "active", 
            
187
      "vocabulary_id": null
233
      "vocabulary_id": null
            
188
    }, 
234
    }, 
            
189
    {
235
    {
            
190
      "display_name": "population", 
236
      "display_name": "population", 
            
191
      "id": "e1a21843-827e-4cda-84db-aad1115ef03f", 
237
      "id": "e1a21843-827e-4cda-84db-aad1115ef03f", 
            
192
      "name": "population", 
238
      "name": "population", 
            
193
      "state": "active", 
239
      "state": "active", 
            
194
      "vocabulary_id": null
240
      "vocabulary_id": null
            
195
    }, 
241
    }, 
            
196
    {
242
    {
            
197
      "display_name": "svaldez", 
243
      "display_name": "svaldez", 
            
198
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
244
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
            
199
      "name": "svaldez", 
245
      "name": "svaldez", 
            
200
      "state": "active", 
246
      "state": "active", 
            
201
      "vocabulary_id": null
247
      "vocabulary_id": null
            
202
    }, 
248
    }, 
            
203
    {
249
    {
            
204
      "display_name": "tensor-intrinsic-definition", 
250
      "display_name": "tensor-intrinsic-definition", 
            
205
      "id": "5bf79c98-3a54-4f2d-b5d7-fe3f9010e932", 
251
      "id": "5bf79c98-3a54-4f2d-b5d7-fe3f9010e932", 
            
206
      "name": "tensor-intrinsic-definition", 
252
      "name": "tensor-intrinsic-definition", 
            
207
      "state": "active", 
253
      "state": "active", 
            
208
      "vocabulary_id": null
254
      "vocabulary_id": null
            
209
    }, 
255
    }, 
            
210
    {
256
    {
            
211
      "display_name": "transformation-genetics", 
257
      "display_name": "transformation-genetics", 
            
212
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
258
      "id": "d6c1e96d-e50c-471c-a188-2d64178d758a", 
            
213
      "name": "transformation-genetics", 
259
      "name": "transformation-genetics", 
            
214
      "state": "active", 
260
      "state": "active", 
            
215
      "vocabulary_id": null
261
      "vocabulary_id": null
            
216
    }
262
    }
            
217
  ], 
263
  ], 
            
218
  "title": "Computation of the improvement directions of the Pareto 
264
  "title": "Computation of the improvement directions of the Pareto 
            
219
front and its application to MOEAs", 
265
front and its application to MOEAs", 
            
220
  "type": "dataset", 
266
  "type": "dataset", 
            
221
  "url": 
267
  "url": 
            
222
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:PR6Y55bgFSsC", 
268
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:PR6Y55bgFSsC", 
            
223
  "version": null
269
  "version": null
            
224
}
270
}