In this paper, an endeavor is made to enhance the convergence speed of the recently proposed Rao algorithms. The new upgraded versions of Rao algorithms named as “quasi-oppositional-based Rao algorithms” are proposed in this paper. The quasi-oppositional-based learning is incorporated in the basic Rao algorithms to diversify the searching process of the algorithms. The performance of the proposed algorithms is tested on 51 unconstrained benchmark functions. Also, three multi-objective optimization case studies of different heat sinks such as a single-layered microchannel heat sink (SL-MCHS), a double-layered microchannel heat sink (DL-MCHS), and a plate-fin heat sink (PFHS) are attempted to investigate the effectiveness of the proposed algorithms in solving real-world complex engineering optimization problems. The results obtained using the proposed algorithms are compared with the results obtained using the well-known advanced optimization algorithms such as genetic algorithm (GA), artificial bee colony (ABC), differential evolution (DE), particle swarm optimization (PSO), teaching-learning-based algorithm (TLBO), Jaya algorithm, multi-objective genetic algorithm (MOGA), non-dominated sorting genetic algorithm (NSGA-II), real-coded GA (RCGA), direction-based GA, self-adaptive multi-population (SAMP) Rao algorithms, and basic Rao algorithms. The proposed quasi-oppositional-based Rao algorithms are found superior or competitive to the other optimization algorithms considered.

中文翻译：

---

基于拟对立的Rao算法，用于选定散热器的多目标设计优化

本文致力于提高最近提出的Rao算法的收敛速度。本文提出了Rao算法的新升级版本，称为“基于准对立的Rao算法”。在基本Rao算法中结合了基于准对立的学习，以使算法的搜索过程多样化。在51个无约束基准函数上测试了所提出算法的性能。此外，针对不同散热器的三个多目标优化案例研究，例如单层微通道散热器（SL-MCHS），双层微通道散热器（DL-MCHS）和板翅式散热器（PFHS） ），试图研究所提出算法在解决现实世界中复杂的工程优化问题中的有效性。使用提出的算法获得的结果与使用著名的高级优化算法获得的结果进行比较，例如遗传算法（GA），人工蜂群（ABC），差分进化（DE），粒子群优化（PSO），教学学习算法（TLBO），Jaya算法，多目标遗传算法（MOGA），非支配排序遗传算法（NSGA-II），实编码遗传算法（RCGA），基于方向的遗传算法，自适应遗传算法-人口（SAMP）Rao算法和基本Rao算法。发现拟议的基于准相对论的Rao算法优于其他优化算法。差分进化（DE），粒子群优化（PSO），基于教学的算法（TLBO），Jaya算法，多目标遗传算法（MOGA），非支配排序遗传算法（NSGA-II），实编码GA（RCGA），基于方向的GA，自适应多种群（SAMP）Rao算法和基本Rao算法。发现拟议的基于准相对论的Rao算法优于其他考虑的优化算法。差分进化（DE），粒子群优化（PSO），基于教学的算法（TLBO），Jaya算法，多目标遗传算法（MOGA），非支配排序遗传算法（NSGA-II），实编码GA（RCGA），基于方向的GA，自适应多种群（SAMP）Rao算法和基本Rao算法。发现拟议的基于准相对论的Rao算法优于其他优化算法。