این مقاله به توسعه و ارزیابی الگوریتمهای بهینه‌سازی چندهدفه فراابتکاری می‌پردازد که هدف آن بهینه‌سازی هم‌زمان سه تابع هدف متناقض شامل: کمینه‌سازی هزینه‌های لجستیک و سوخت، بیشینه‌سازی امتیاز پوشش اولویت تشخیص اهداف ناوگان و کمینه‌سازی کل زمان مأموریت ناوگان است. به منظور ارزیابی کارایی الگوریتم پیشنهادی، رفتار همگرایی و کیفیت پاسخ‌های آن در طول ۴۰ تکرار عملیاتی با چهار الگوریتم شاخص شامل الگوریتم ژنتیک با مرتب‌سازی غیرمغلوب ، الگوریتم‌های مبتنی بر رفتار نهنگ‌ها و الگوریتم‌های الهام‌گرفته از عروس دریایی و الگوریتم الهام گرفته از شاهین هریس مورد مقایسه قرار گرفت. نتایج تجربی حاصل از نمودارهای تاریخچه همگرایی نشان می‌دهد که فرآیند بهینه‌سازی توابع هدف انفرادی با نوسانات شدیدی همراه است که ناشی از پیچیدگی فضای جستجو و تلاش الگوریتم‌ها برای خروج از بهینه‌های محلی است. اگرچه الگوریتم‌های الهام‌گرفته از عروس دریایی در کمینه‌سازی توابع هدف اول و سوم عملکردی بسیار پایدار و بهینه ارائه داد، اما الگوریتم الهام گرفته از شاهین هریس متناوباً موفق به فتح قله‌های عملکردی بالاتر در معیار بیشینه‌سازی پوشش تشخیص اهداف شد. از سوی دیگر، ارزیابی کلان خروجی‌ها در فضای تسلط پارتو با استفاده از شاخص حجم‌برتر، برتری قاطع و جامع الگوریتم پیشنهادی را به اثبات رساند، به طوری که الگوریتم الهام گرفته از شاهین هریس موفق به کسب بالاترین امتیاز حجم‌برتر با مقدار ۸۸.۹۱٪ شد، در حالی که الگوریتم‌های الهام‌گرفته از عروس دریایی (با ۸۱.۱۲٪)، الگوریتم‌های مبتنی بر رفتار وال (نهنگ‌) (با ۷۶.۲۰٪) و الگوریتم ژنتیک با مرتب‌سازی غیرمغلوب (با ۷۲.۴۵٪) در رتبه‌های بعدی قرار گرفتند.