An Improved Multi-objective Centered Collision Optimization Algorithm IMOCCO and Its Engineering Applications
本文提出了改进的多目标中心碰撞优化（IMOCCO）算法，该算法通过整合流形特征碰撞、质量恢复碰撞以及角稀疏性引导，在标准基准测试和工程应用中显著优于现有方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在工程领域，设计师们经常面临一个令人沮丧的现实：改进机器或结构的某一方面，几乎总是会导致另一方面的性能下降。一座更轻的桥梁可能会更不稳定；一个制动更快的汽车刹车可能会磨损得更快。这些都是相互冲突的目标，不存在一个能完美满足所有要求的单一“最佳”答案。相反，工程师必须寻找一组平衡的解决方案，即所谓的帕累托最优解（Pareto-optimal solutions），在这种解中，你无法在不牺牲另一目标的情况下改进其中一个目标。寻找这些微妙的平衡是一个复杂的数学挑战，尤其是当可能性的图景是崎岖不平、不连续或充满隐藏陷阱时。为了应对这种地形，研究人员依赖于模仿自然过程的计算机算法，在无需手工计算每一种可能性时，寻找最佳的折衷方案。
南昌大学的一个研究小组开发了一种名为“改进型多目标中心碰撞优化算法”（Improved Multi-objective Centered Collision Optimization algorithm，简称 IMOCCO）的新工具，以帮助解决这些问题。该方法基于一种现有的技术，该技术将潜在的解决方案视为相互碰撞的物理对象。在原始版本中，这些虚拟对象会根据简单的规则相互弹开，逐渐向更好的解决方案移动。然而，研究人员发现原始方法存在盲点。它难以区分是在沿着一系列优选解的曲线移动，还是在向该曲线移动。它还对所有的碰撞一视同仁，而不考虑解决方案之间的距离或质量的好坏，并且只是被动地存储其最佳发现，而没有利用它们来主动引导搜索。
为了解决这些问题，团队引入了三个协同工作的改进措施，它们就像精密的导航工具。首先，他们赋予了算法更好的几何感。新系统不再将所有移动方向视为平等，而是识别出最佳解决方案通常位于一个曲面上。它允许搜索沿着这条曲线自由移动以寻找多样化的选项，同时在向曲线移动时更加谨慎和直接，以确保不会错过目标。其次，他们使碰撞更加真实。在新系统中，“质量”取决于一个解决方案的好坏，而碰撞的“弹性”则取决于两个解决方案在性能表现上的差异。如果两个解决方案差异很大，它们就会合并以聚焦于最佳方向；如果它们非常相似，则会弹开以确保搜索覆盖所有必要的区域。最后，他们改变了算法记忆最佳发现的方式。系统不再仅仅是存储它们，而是现在主动利用这些顶尖解决方案来指向搜索中的空白或探索不足的区域，从而确保结果分布广泛且均匀。
研究人员使用 31 个旨在增加难度的标准数学问题，以及两个现实世界的工程挑战（设计四杆桁架结构和优化圆盘制动器），将这种新算法与其他六种流行的方法进行了对比测试。在桁架问题中，目标是同时最小化结构的重量和受载下的变形量。在制动器问题中，目标是减轻制动器的质量并缩短制动时间。在所有这些测试中，新算法的表现始终优于竞争对手。它找到的解决方案比其他任何方法都更接近理想的平衡点，且分布更加均匀。统计分析证实，这些结果并非偶然；新方法在整体排名中位列第一，并在特定的工程案例中显著超越了其他方法。
该研究还进行了一项仔细的检查，以确定这三种新特性中哪一个最为重要。通过一次关闭其中一项改进措施，研究人员发现这三者对于达到最佳性能都是必要的。然而，利用解决方案的“稀疏性”（本质上是寻找好答案地图中的空白处）来引导搜索的功能影响最大。当移除这一特定引导功能时，算法的性能下降最为明显。这表明，主动寻找解决方案图景中的空白区域是这项新策略中最关键的部分。研究结果表明，通过结合对问题形状更好的理解、更智能的碰撞规则以及向未探索区域的主动引导，工程师现在可以为复杂的工程设计问题找到更好、更可靠的权衡方案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。