返回
The Two-Archive Multi-Objective Grey Wolf Optimization Algorithm for Truss Structures
DOI:10.1007/s44196-025-00972-8.png)
摘要
En 中文
求解多目标优化问题难以找到最优解,因为它们需要在复杂约束下平衡冲突目标。元启发式算法因其易于应用且可能产生有前景的近优解而被广泛用于解决问题。然而,实现探索与开发的最佳平衡仍然是一个关键挑战,尤其是在高维和受约束的设计空间中。本研究提出MOGWO2Arc,一种采用双存档策略的新型多目标优化器,以促进解的多样性和收敛性。选取了八个基准桁架结构优化问题来测试所提算法,目标是在安全应力水平约束下最小化重量和柔顺性。还考虑了其他约束,如尺寸约束、标准安全规范和独特的横截面域。采用超体积、世代距离、倒世代距离和间距作为关键参数,与八种最先进的优化算法进行性能比较。根据Friedman秩检验结果,MOGWO2Arc优于竞争方法,特别是在解决大规模结构优化问题时,以显著更低的计算成本产生更高质量的解。MOGWO2Arc还通过促进探索和分散决策与目标空间中的帕累托最优解,提供了一种强大而高效的解决复杂多目标结构优化问题的方法。
Keyword:
Truss
Multi-objective optimization
GWO
Two-archives
Metaheuristic
期刊
IF:
3
论文数:
362
被引数:
2.9K
机构
引用论文
Many-Objective Real-World Engineering Problems: A Comparative Study of State-of-the-Art Algorithms
IEEE ACCESS
IF3.6
Benchmarking Real-World Many-Objective Problems: A Problem Suite With Baseline Results
IEEE ACCESS
IF3.6

