Se han propuesto varias arquitecturas de control adaptativo de múltiples modelos en la literatura. A pesar de muchos avances en la teoría, la cuestión crucial de cómo sintetizar los pares modelo/controlador de una manera estructuralmente óptima no se aborda en gran medida. En particular, no está claro cómo colocar los pares modelo/controlador de tal manera que las propiedades del algoritmo de conmutación (por ejemplo, número de conmutaciones, transitorio de aprendizaje, rendimiento final) sean óptimas con respecto a algunos criterios. En este trabajo, nos centramos en el llamado esquema de control de conmutación supervisada adaptativa no falsificada de múltiples modelos (MUASSC); definimos un criterio de optimalidad estructural adecuado y desarrollamos algoritmos para sintetizar los pares modelo/controlador de tal manera que sean óptimos con respecto al criterio de optimalidad estructural que definimos. La peculiaridad del criterio de optimalidad y los algoritmos propuestos es que la optimización se lleva a cabo para optimizar todo el comportamiento del algoritmo adaptativo, tanto el transitorio de aprendizaje como la respuesta en estado estacionario. Se realiza una comparación con respecto a la distribución del modelo del control adaptativo robusto de múltiples modelos (RMMAC), donde la optimización considera solo la respuesta ideal en estado estacionario y descuida cualquier transitorio de aprendizaje.