多目标 pilgrimage walk 优化方法用于提升双层筒形拱顶和网格屋顶的有限元分析精度
《Journal of Building Engineering》:Multiobjective pilgrimage walk optimization to enhance finite element analysis of double-layer barrel vaults and grid roofs
【字体:
大
中
小
】
时间:2026年01月05日
来源:Journal of Building Engineering 7.4
编辑推荐:
MOPWO算法通过整合群体管理、非支配排序和增强时间机制,有效解决多目标优化问题,在21个基准测试中表现优于9种算法,并成功应用于5个大规模结构工程设计验证。
Jui-Sheng Chou|Chi-Yun Liu|Dinh-Nhat Truong
台湾国立科技大学,台北,台湾
摘要 本研究提出了一种新颖的多目标朝圣路径优化(MOPWO)算法,用于解决涉及多个冲突目标? 复杂工程优化问题。该算法受到伴随妈祖神像的虔诚信徒们的启发,模仿了他们的集体搜索行为。MOPWO整合了先进的种群管理机制、非支配排序方法和增强的时间控制机制,扩展了单目标朝圣路径优化(PWO)框架,有效识别多目标搜索空间中的帕累托最优解。通过21个标准多目标基准问题,将MOPWO的性能与九种成熟的多目标元启发式算法(MOALO、MODA、MOEA/D、MOFPA、MOGOA、MOGWO、MOHHO、MOPSO和MOWCA)进行了对比测试。结果表明,MOPWO能够更精确地逼近帕累托最优解。使用三个广泛使用的性能指标(超体积、代际距离和间距)进行的Wilcoxon秩和检验进一步证实了其优越性。通过五个大规模结构工程设计问题验证了MOPWO的适用性:一个384杆的双层桶形拱顶、一个672杆的双层网格屋顶、一个768杆的双层桶形拱顶、一个1520杆的双层网格屋顶和一个1536杆的双层桶形拱顶。与先前发表的结果相比,证实了该算法在识别高质量帕累托解方面的有效性。这些发现表明,MOPWO是一种强大且高效的多目标优化问题求解方法。
章节摘录 引言 元启发式优化技术已广泛应用于多个领域[30],包括能源消耗预测[12]、金融预测[13]、结构布局优化[29][40]、维护规划[35]、库存管理和自然灾害预测[11]。许多现实世界问题(如背包问题[48]、运输系统[31]和决策过程[2][31])本质上是多方面的,需要同时考虑多个因素。
多目标优化背景 多目标优化问题的定义如下[9][41]。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号