.png){kind=icon}
返回
Enhanced Henry Gas Solubility Optimization for Solving Data and Engineering Design Problems
.png){kind=icon}
OA
AI
DOI：10.3390/eng6120374.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多工程设计问题被表述为非线性、非凸的约束优化任务，并且通常被视为黑箱。在这种情况下，元启发式算法因其无需梯度信息即可搜索复杂设计空间而具有吸引力。本研究中，我们提出了一种增强型亨利气体溶解度优化算法（eHGSO），这是对基于物理启发式HGSO方法的一种改进版本。该增强版本引入了六项主要贡献：（i）一种更多样化、面向全群体的初始化策略，以更全面地覆盖设计空间；（ii）自适应温度/压力控制参数，可自动将搜索从全局探索转向局部精炼；（iii）一种带有微分扰动的精英档案，可加速在高品质候选设计周围的开发；（iv）将全局HGSO搜索步长与轻量级无梯度局部搜索简单结合，以精炼有前景的解；（v）一种约束处理机制，明确优先考虑可行解，同时仍允许在约束边界附近进行探索；（vi）一项复杂度和消融分析，量化了每种机制的影响，并证实它们仅引入适度的计算开销。我们使用四种经典的约束工程设计问题对eHGSO进行评估：阶梯悬臂梁、拉压弹簧、焊接梁和三杆桁架。其性能在多次独立运行中与17种近期元启发式优化器进行了比较。eHGSO在悬臂梁、弹簧和焊接梁问题上实现了最佳平均目标值，并在三杆桁架问题上分享了最佳平均结果。与次优方法相比，悬臂梁问题的平均目标值改善了约0.84%，焊接梁问题改善了0.35%，而弹簧和桁架问题的结果在四位有效数字上基本等效。收敛性和鲁棒性分析表明，eHGSO能够快速且一致地达到高质量解。总体而言，所提出的eHGSO算法似乎是一种针对约束工程设计问题的有竞争力且实用的工具。
Keyword:
Henry Gas Solubility
optimization
metaheuristic
AI applications
engineering design
期刊
E
IF:
2.4
论文数:
391
被引数:
0
机构
引用论文
分享收藏A novel bio-inspired optimization algorithm for medical image restoration using Enhanced Regularized Inverse Filtering一种用于医学图像修复的基于增强正则化逆滤波的生物启发式优化算法
PREAI
分享收藏Novel rockburst prediction criterion with enhanced explainability employing CatBoost and nature-inspired metaheuristic technique.png)
UNDERGROUND SPACE
OAAI
UNDERGROUND SPACEIF8.3
OAAI分享收藏分享收藏A Novel Technique for the Optimization of Energy Cost Management and Operation of Microgrids Inspired from the Behavior of Egyptian Stray DogsInventions
InventionsIF0
PREAI
分享收藏Application of a novel metaheuristic algorithm inspired by stadium spectators in global optimization problems受体育场观众启发的新型元启发式算法在全局优化问题中的应用SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容