Resumen

En las dos últimas décadas, los algoritmos de optimización de inteligencia de enjambre han sido ampliamente estudiados y aplicados a problemas de optimización multiobjetivo. En la optimización multiobjetivo, las operaciones de reproducción y el equilibrio entre convergencia y diversidad son dos cuestiones cruciales. El algoritmo competitivo imperialista (ICA) y el algoritmo seno coseno (SCA) son dos algoritmos potenciales para tratar problemas de optimización de un solo objetivo, pero su investigación en optimización multiobjetivo es escasa. En este trabajo, se propone un algoritmo de fusión multiobjetivo de división del imperio (FMOESA). En primer lugar, se contrata una operación de inicialización basada en la estrategia de aprendizaje por oposición para generar una buena población inicial. Se introduce una nueva reproducción de la descendencia, que combina ICA y SCA. Además, se propone un nuevo mecanismo de evaluación de la potencia para identificar el rendimiento individual, que tiene en cuenta tanto la convergencia como la diversidad de la población. Los estudios experimentales sobre varios problemas de referencia muestran que FMOESA es competitivo en comparación con los algoritmos más avanzados. Dado su buen rendimiento y sus buenas propiedades, el algoritmo propuesto podría ser una herramienta alternativa a la hora de abordar problemas de optimización multiobjetivo.

• Materias:Aerodinámica Robótica Regulación automática Tecnología de sensores Optimización de procesos
• Subjects:Aerodynamics Robotics Automatic regulation Sensor technology Process optimization
• Palabras claves:problemas de optimización multiobjetivo, optimización multiobjetivo, mecanismo novedoso de evaluación de potencia, algoritmos de optimización de inteligencia de enjambre, algoritmo competitivo imperialista, buena población inicial, problemas de optimización objetivo, varios problemas de referencia, algoritmo seno coseno, fmoesa
• Keywords:multiobjective optimization problems, multiobjective optimization, novel power evaluation mechanism, swarm intelligence optimization algorithms, imperialist competitive algorithm, good initial population, objective optimization problems, several benchmark problems, sine cosine algorithm, fmoesa