• parallelizazione
• Algoritmi genetici
• multiobiettivo
• distribuiti

Parallelizzare gli algoritmi genetici multiobiettivo è un sistema molto efficacie per aumentare la potenza di calcolo e rimediare all’elevata complessità di questi strumenti. Il calcolo delle soluzioni non-dominate rappresenta però un ostacolo in quanto l’operazione deve disporre dell’intera popolazione. Per risolvere questo inconveniente è stato proposto nel 2004 un algoritmo chiamato cone separation, che sfrutta alcune proprietà del fronte di Pareto per poter distribuire il calcolo della non-dominanza tra più processori. In questa tesi viene riesaminata questa tecnica in modo approfondito, evidenziando pregi e difetti. Dall’analisi di quest’ultimi, vengono proposte una serie di varianti per migliorare la ricerca del fronte di Pareto e successivamente, vengono riassunte in un unico algoritmo chiamato ranking separation. Le simulazioni presentate nell’ultima parte della tesi mostrano che entrambi gli algoritmi sono capaci di trovare le soluzioni ottime del problema. Questi risultati sono ottenuti però con un diverso utilizzo delle risorse, in particolare, con un differente numero di dati trasmetti tra i processori. Sotto questo aspetto l’algoritmo ranking separation dimostra di funzionare correttamente con un numero limitato e controllato di individui che migrano.