.png){kind=icon}
返回
Real-World Steel Frame Optimization Using a Hybrid Leader Selection-Based Multi-Objective Flow Direction Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1002/nme.70098.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的多目标流向算法（MOFDA），用于解决复杂的工程优化问题。其关键创新在于一种混合领导者选择机制，该机制取代了传统的轮盘赌选择，显著提升了在识别帕累托最优解时的收敛性和多样性。所提出的MOFDA在31个标准基准问题和11个受约束的工程设计案例（包括桁架优化、焊接梁设计和大型钢框架结构）上进行了严格评估，以全面评估其准确性、稳定性和解的多样性。与多目标算法领域的先进算法（如MOMVO、MOMSA、MSSA和MOGNDO）的比较研究进一步突显了MOFDA的卓越性能。此外，MOFDA被集成到MATLAB–SAP2000框架中，并应用于越南东百渡轮站钢框架的实际结构优化。结果表明，MOFDA在基准函数上始终能取得具有竞争力或更优的结果，在工程应用中实现显著的重量减轻，并提升结构效率。这些发现证明了所提出方法的技术新颖性和实际有效性。MOFDA的源代码公开可获取于https://ceats.ou.edu.vn/us/codes.html。
Keyword:
flow direction algorithm
indicators
metaheuristics
multi-objective optimization
期刊
IF:
2.9
论文数:
467
被引数:
2.2W
机构
引用论文
分享收藏Multi-objective generalized normal distribution optimization: a novel algorithm for multi-objective problems多目标广义正态分布优化: 一种求解多目标问题的新算法
OAAI
OAAI分享收藏Multi-objective ant lion optimizer: a multi-objective optimization algorithm for solving engineering problems多目标蚁狮优化器: 一种求解工程问题的多目标优化算法.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏Multi-objective Mantis Search Algorithm (MOMSA): A novel approach for engineering design problems and validation多目标螳螂搜索算法 (MOMSA): 一种解决工程设计问题和验证的新方法
PREAI
分享收藏
查看更多内容