Resumen

La mayoría de los algoritmos modernos de optimización multiobjetivo se basan en la técnica de búsqueda de los algoritmos genéticos; sin embargo, las técnicas de búsqueda de otras metaheurísticas desarrolladas recientemente son temas emergentes entre los investigadores. Este artículo propone un nuevo algoritmo de optimización multiobjetivo denominado algoritmo de búsqueda de transferencia de calor multiobjetivo (MOHTS), que se basa en la técnica de búsqueda del algoritmo de búsqueda de transferencia de calor (HTS). MOHTS emplea la ordenación elitista no dominada y el enfoque de distancia de aglomeración de un algoritmo genético de ordenación elitista no dominada-II (NSGA-II) para obtener diferentes niveles de no dominación y preservar la diversidad entre el conjunto óptimo de soluciones, respectivamente. La capacidad de producir un frente de Pareto lo más cercano posible al verdadero frente de Pareto del MOHTS se ha probado en el problema de optimización multiobjetivo del diseño de la suspensión del vehículo, que tiene un conjunto de cinco ecuaciones diferenciales ordinarias lineales de segundo orden. El modelo de conducción pasiva de medio coche con dos conjuntos diferentes de cinco objetivos se emplea para optimizar los parámetros de suspensión utilizando MOHTS y NSGA-II. Los estudios de optimización demuestran que MOHTS alcanza el mejor frente de Pareto no dominado con el conjunto generalizado (divergente) de soluciones óptimas en comparación con NSGA-II, y además la comparación de los puntos extremos del frente de Pareto obtenido revela el dominio de MOHTS sobre NSGA-II, algoritmo genético de diversidad uniforme multiobjetivo (MUGA), y MOEA combinado basado en PSO-GA.

• Materias:Algoritmos genéticos Modelado Campo de flujo Teoría de elasticidad Sensor pasivo
• Subjects:Genetic algorithms Modeling Flow field Elasticity theory Passive sensor
• Palabras claves:MOHTS, II, NSGA, frente de Pareto, algoritmo genético, técnica de búsqueda, mejor frente de Pareto no dominado, ecuaciones diferenciales ordinarias lineales, algoritmos modernos de optimización multiobjetivo, búsqueda de transferencia de calor multiobjetivo.
• Keywords:MOHTS, II, NSGA, Pareto front, genetic algorithm, search technique, better nondominated Pareto front, linear ordinary differential equations, modern multiobjective optimization algorithms, multiobjective heat transfer search