Approximate Pareto Optimal Solutions of Multi-objective Optimal Control Problems by Evolutionary Algorithms

در اين مقاله روشي براي‌ يافتن زوج بهينه كنترل و وضعيت، جهت مسايل كنترل بهينه چندهدفه، روشي بر پايه الگوريتم‌هاي تكاملي معرفي شده است. در اين روش ابتدا شكل گسسته‌اي از فضاي زمان-كنترل ارايه شده، سپس از فضاي زمان-كنترل گسسته شده، توابع كنترل و وضعيت تكه‌اي خطي با استفاده از معادلات سيستم ساخته مي‌شوند. دو روش تكاملي ژنتيك و ازدحام ذرات براي يافتن جواب‌هاي بهينه پارتو مسيله به كار مي‌رود. جواب‌هاي عددي براي نشان دادن كارايي روش ارايه شده‌اند.

In this paper an approach based on evolutionary algorithms to find Pareto optimal pair of state and control for multiobjective optimal control problems (MOOCP)’s is introduced. In this approach, first a discretized form of the time-control space is considered and then, a piecewise linear control and a piecewise linear trajectory are obtained from the discretized time-control space using a numerical method. To do that, a modified version of two famous evolutionary genetic algorithm (GA) and particle swarm optimization (PSO) to obtain Pareto optimal solutions of the problem is employed. Numerical examples are presented to show the efficiency of the given approach.