A Quantitative Comparison Between MOGAs and the RRT Algorithm on Classification Systems Optimization

Genetic algorithms are powerful population based optimization methods. Their multi-objective counterparts have been often used to effectively optimize classification systems, but little is discussed on their computational cost to solve such problems. To better understand this issue, an annealing based approach to optimize a classification system is proposed and discussed. Results are then compared to results obtained with a multi-objective genetic algorithm in the same problem. The experiments performed with isolated handwritten digits demonstrate both the effectiveness and lower computational cost of the annealing based approach. Resumo. Algoritmos genéticos são métodos de otimização baseados em população. Seus equivalentes multi-critério são usados freqüentemente na otimização de sistemas de classificação, mas pouco se discute sobre o custo computacional ao solucionar tais problemas. Para entender melhor esta relação, é proposta a utilização de uma abordagem baseada em simulated annealing. Os resultados são comparados com os obtidos por algoritmos genéticos multi-critério no mesmo problema. Os experimentos com dı́gitos manuscritos isolados indicam a eficácia e baixo custo computacional da abordagem baseada em simulated annealing.