.png){kind=icon}
返回
Optimizing mechanical component design with population-based metaheuristics
.png){kind=icon}
PRE
AI
DOI：10.1515/eng-2025-0166.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究对两种基于种群的元启发式算法——差分进化（DE）和粒子群优化（PSO）——在单目标和多目标两种表述下的机械组件设计优化应用进行了全面比较。研究的创新之处在于其统一的评估框架，该框架将DE和PSO在一系列标准机械设计问题中进行基准测试，并进一步扩展至多目标变体（MODE和MOPSO）以进行完整的帕累托前沿分析。在单目标情况下，两种算法均获得了等于或优于文献中已知最佳结果的最优解。PSO通常提供了更优的解和更快的收敛速度，而DE在计算效率和解稳定性方面表现出优势。在多目标设置中，MODE产生了更广泛且更多样化的帕累托前沿，具有更高的超体积得分，而MOPSO提供了具有竞争力的结果，但倾向于集中在中心权衡区域。值得注意的是，本研究首次系统比较了单目标优化中的收敛行为和多目标机械设计问题中通过超体积分析评估的帕累托前沿质量，为两种优化设置下的收敛-多样性性能提供了更深入的理解。研究结果突显了PSO在快速探索方面的优势以及DE在广泛权衡发现方面的稳健性，为工程设计优化中选择元启发式算法提供了实用指导。
Keyword:
mechanical design
engineering optimization
metaheuristics
particle swarm optimization
differential evolution
industry innovation and infrastructure
期刊
O
IF:
1.5
论文数:
45
被引数:
1.4K
机构
引用论文
暂无论文信息