pareto-optimal solutions for multi-objective optimal control problems using hybrid iwo/pso algorithm

Heuristic optimization provides a robust and efficient approach forextracting approximate solutions of multiobjective problems because of theircapability to evolve a set of nondominated solutions distributed along thepareto frontier. the convergence rate and suitable diversity of solutions areof great importance for multiobjective evolutionary algorithms. the focus ofthis paper is on a hybrid method combining two heuristic optimization techniques, invasive weed optimization (iwo) and particle swarm optimization(pso), to find approximate solutions for multiobjective optimal control problems (mocps). in the proposed method, the process of dispersal has beenmodified in the moiwo. this modification will increase the exploration powerof the weeds and reduces the search space gradually during the iteration process. thus, the convergence rate and diversity of solutions along the paretofrontier have been promote. finally, the ability of the proposed algorithm isevaluated and compared with conventional nsga-ii and nsiwo algorithmsusing three practical mocps. the results show that the proposed algorithmhas better performance than others in terms of computing time, convergenceand diversity.

جوابهای بهینه پارتو برای مسایل کنترل بهینه چندهدفه با استفاده از الگوریتم تلفیقی علف هرز و تجمع ذرات

روشهای بهینه سازی اکتشافی به دلیل توانایی آنها برای ایجاد مجموعه‌ای از جوابهای چیره نشده توزیع شده در مرز پارتو یک رویکرد قوی و کارآمد برای استخراج جوابهای تقریبی مسایل چند هدفه می‌باشد. نرخ همگرایی و پراکندگی مناسب جوابها از مهمترین ویژگی الگوریتم های تکاملی چند هدفه می‌باشد. هدف این مقاله ارائه یک روش تلفیقی با ترکیب دو روش بهینه سازی اکتشافی، بهینه سازی علف‌های هرز (IWO) و بهینه سازی ازدحام ذرات (PSO) برای یافتن جوابهای تقریبی مسایل کنترل بهینه چند هدفه (MOCP) می‌باشد. در روش پیشنهادی، فرآیند پراکندگی در روش بهینه سازی علف‌های هرز چند هدفه (MOIWO) اصلاح شده است. این اصلاح باعث افزایش قدرت اکتشاف علف‌های هرز شده و فضای جستجو را به تدریج در طول روند تکرار کاهش می‌دهد. بنابراین، نرخ همگرایی و پراکندگی جوابها در امتداد مرز پارتو بهتر می‌شود. در نهایت، توانایی الگوریتم پیشنهاد شده با الگوریتم های معمول NSGAII و NSIWO با استفاده از چهار MOCP کاربردی مقایسه شده است. نتایج نشان می‌دهد که الگوریتم پیشنهاد شده از لحاظ زمان محاسباتی، همگرایی و پراکندگی عملکرد بهتری از دیگر روشها دارد.