.png){kind=icon}
返回
A bottleneck-aware two-stage evolutionary algorithm for heat pipe-constrained component layout optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126636.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电子行业致力于设计便携且高性能的产品以满足市场需求，其中高发热组件与小型化、导热能力有限的电路板之间存在矛盾。受实际需求和挑战驱动，本文提出了一种面向瓶颈的两阶段进化算法——多起点变邻域下降与遗传算法结合的MSVNDGA，用于解决受热管约束的组件布局优化（HCLO）问题，旨在最小化最大热管功率。HCLO问题被分解为热管分配（HA）和组件定位（CL）子问题以降低复杂度。首先，所提算法采用针对问题的整数编码方案将MSVND应用于HA，其中采用五种面向瓶颈的邻域结构以寻找高质量的热管分配方案。随后，GA用于确定组件坐标，从而确保在CL中生成的解满足实际工程约束。所提MSVND-GA在CEC 2022基准测试和扩展实例上进行了测试，并与当前先进方法进行了比较。大量实验结果表明，MSVND-GA在最优性、稳定性和可行解率方面具有优势。此外，该算法在2022年计算智能世界大会的HCLO竞赛中荣获一等奖。
Keyword:
Component layout optimization
Genetic algorithm
Heat pipe
Variable neighborhood descent
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
.png){kind=icon}
Optimizing the heat source layout of chips using bionic method: Reduction of junction temperature
PREAI
分享收藏分享收藏
分享收藏
查看更多内容