Bounded Variables nonlinear Multiple Criteria Optimization using Scatter search

This paper introduces an adaptation of multiple criteria scatter search to deal with nonlinear continuous vector optimization problems on bounded variables, applying Tabu Search approach as diversification generator method. Frequency memory and another escape mechanism are used to diversify the search. A relation Pareto is apply in order to designate a subset of the best generated solutions to be reference solutions. A choice function called Kramer Selection is used to divide the reference solution in two subsets. The Euclidean distance is used as a measure of dissimilarity in order to find diverse solutions to complement the subsets of high quality current Pareto solutions to be combined. Convex combination is used as a combined method. The performance of this approach is evaluated on several test problems taken from the literature.El artículo presenta una adaptación del algoritmo de Búsqueda Dispersa Multiobjetivo para la solucionar problemas de optimización vectorial no lineales continuos, empleando un enfoque de Búsqueda Tabú como un método generador de soluciones diversas. Memoria de Frequencias y otros mecanismos de escapes son utilizados para diversificar la búsqueda. La relación Pareto es aplicada para designar un subconjunto de las mejores soluciones generadas a ser soluciones de referencias. Una función de selección denominada selección de Kramer se utiliza para dividir al conjunto de referencia en dos subconjuntos. La distancia Euclideana es usada como una medida de disimilaridad a modo de hallar soluciones diversas que complementen los subconjuntos de soluciones potencialmente Pareto de alta calidad a ser combinadas. Como método de conbinación usamos la combinación convexa. El desempeño de este enfoque es evaluado con diferentes problemas de pruebas tomados de la literatura