Resumen

El algoritmo de optimización del caos (COA) suele utilizar mapas caóticos para generar los números pseudoaleatorios asignados como variables de decisión para problemas de optimización global. Recientemente, COA se ha aplicado a muchos problemas de optimización de un solo objetivo y los resultados de las simulaciones han demostrado su eficacia. En este trabajo, se propone un nuevo algoritmo paralelo de optimización del caos (PCOA) para problemas de optimización multiobjetivo (MOOPs). Como mejora del COA, el PCOA es un tipo de algoritmo de optimización basado en poblaciones que no sólo resta sensibilidad a los valores iniciales, sino que también se ajusta a sí mismo de forma adecuada para los MOOPs. En el PCOA propuesto, se aplicarán operaciones de cruce y fusión para intercambiar información entre soluciones paralelas y producir nuevas soluciones potenciales, lo que puede mejorar la capacidad de búsqueda global y rápida del algoritmo propuesto. Para probar el rendimiento del PCOA, se simula con varias funciones de referencia para MOOPs y diseño de controladores mixtos H2/H∞. Los resultados de la simulación muestran que PCOA es un enfoque alternativo para MOOPs.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:pcoa, moops, coa, muchos problemas de optimización de un solo objetivo, novedoso algoritmo paralelo de optimización del caos, algoritmo de optimización del caos, diseño de controladores h∞, capacidad de búsqueda rápida, problemas de optimización global, problemas de optimización multiobjetivo.
• Keywords:pcoa, moops, coa, many single objective optimization problems, novel parallel chaos optimization algorithm, chaos optimization algorithm, h∞ controller design, fast search ability, global optimization problems, multiobjective optimization problems