در این پژوهش طراحی بهینه چندهدفی کنترلرهای مقاوم برای سیستم‌هایی با پارامترهای نامعین احتمالاتی به کمک شبکه عصبی مصنوعی مدنظر می‌باشد. در طراحی کنترلرهای مقاوم برای سیستم‌های دارای پارامترهای نامعین احتمالاتی، از دو دیدگاه طراحی مقاوم (RDO) و طراحی براساس قابلیت اطمینان (RBDO) استفاده می‌شود. در طراحی براساس قابلیت اطمینان احتمال شکست کنترلر نسبت به بعضی قیود طراحی(توابع حالت حدی) محاسبه می‌شود. محاسبه احتمال شکست به روش تحلیلی به دلیل پیچیدگی ساختار سیستم‌های کنترلی غالبا غیرممکن است. در این تحقیق با ترکیب روش مونت‌کارلو با شبکه عصبی مصنوعی زمان اجرا به شدت کاهش می‌یابد، درحالی‌که دقت محاسبات نیز حفظ شده است. کنترل کننده بهینه چندهدفی مقاوم PI و PID به ترتیب برای سیستم مرتبه اول و مرتبه دوم باتاخیر زمانی با استفاده از الگوریتم بهینه‌سازی چندهدفی و به کمک روش پیشنهادی در این تحقیق طراحی می‌شود. توابع هدف در نظر گرفته شده شامل کمینه‌کردن احتمال شکست ماکزیمم فراجهش و زمان نشست پاسخ پله سیستم می‌باشد. در روش پیشنهادی به‌جای شبیه‌سازی سیستم، فقط با فراخوانی یک تابع چندجمله‌ای که از فرایند آموزش و تعمیم در شبکه عصبی به صورت بهینه ایجاد شده است، به محاسبه توابع هدف پرداخته می‌شود.
