O In Vitro Fertilization Genetic Algorithm - IVF/GA é um algoritmo promissor aplicável a problemas mono-objetivos, especialmente para os complexos e multimodais. Tendo em vista o equilíbrio entre convergência e exploração do IVF/GA e, portanto, suas habilidades para evitar o ótimo local, especulamos que o IVF também pode contribuir para a melhoria de algoritmos MOEA. Este trabalho propõe o IVF/NSGAII, que é o método IVF acoplado ao NSGAII. Avaliamos a melhoria da proposta comparando o NSGAII canônico versus IVF/NSGAII, aplicado às funções ZDT. Os resultados mostram que o IVF/NSGAII superou a versão canônica na métrica de IGD (Inverted Generational Distance), principalmente nas funções complexas, ZDT 4, 5 e 6. Portanto, concluímos que o método IVF melhorou o NSGAII e também é uma abordagem promissora para suportar outros algoritmos MOEA.
No mundo real, existem muitos problemas que requerem otimização simultânea de dois ou mais objetivos conflitantes. Esta classe de problema é chamada de otimização multi-objetivo (MOP). Em MOPs, o ganho de um objetivo implica a perda do outro. Isso é chamado de situação de “trade-off” em que, se algo aumenta, outra diminui. Assim, os MOPs não possuem uma única solução, mas possuem um conjunto de soluções ótimas (também conhecidas como soluções ótimas de Pareto), que indicam o melhor compromisso entre os diferentes objetivos considerados.
Portanto, neste trabalho propõe-se o In Vitro Fertilization NSGAII (IVF/NSGAII), que adapta e associa o método IVF ao NSGAII para o tratamento de problemas multiobjetivos. Para avaliar a contribuição do IVF/NSGAII no tratamento de problemas multiobjetivos, a proposta deste trabalho é validada em experimentos com seis funções do benchmark ZDT, que exploram diferentes e complexas geometrias da frente de Pareto no espaço objetivo (côncava, convexa, descontínua, multimodal, entre outras).