基于材料生成算法的Matlab源码，如何求解单目标优化问题？
- 内容介绍
- 文章标签
- 相关推荐
本文共计686个文字，预计阅读时间需要3分钟。
2021年，一种新型算法（MGA）被开发并应用于工程问题的优化设计。该算法结合了材料科学的高级和基础方面，特别关注化学生物材料的结构和生产新材料时的化学响应。
1 简介
2021年，一种新的算法，材料生成算法（MGA），被开发并应用于工程问题的优化设计。材料化学的一些高级和基础方面，特别是化学化合物的构型和生产新材料的化学反应，被确定为 MGA 的启发性概念。出于数值研究的目的，选择进化计算竞赛（CEC）对标的 10、30、50 和 100 不同维度的 10 个约束优化问题作为测试示例，而著名的工程设计中的 15 个还确定了问题以评估所提出方法的整体性能。不同经典和新的元启发式优化算法在处理所选问题时的最佳结果取自最近的文献，用于与 MGA 进行比较。此外，计算了 MGA 算法的统计值，包括均值、最差和标准差，并与其他元启发式算法的结果进行比较。总体而言，这项工作表明，所提出的 MGA 能够提供非常有竞争力，甚至是出色的结果，并且大多优于其他元启发式算法。
本文共计686个文字，预计阅读时间需要3分钟。
2021年，一种新型算法（MGA）被开发并应用于工程问题的优化设计。该算法结合了材料科学的高级和基础方面，特别关注化学生物材料的结构和生产新材料时的化学响应。
1 简介
2021年，一种新的算法，材料生成算法（MGA），被开发并应用于工程问题的优化设计。材料化学的一些高级和基础方面，特别是化学化合物的构型和生产新材料的化学反应，被确定为 MGA 的启发性概念。出于数值研究的目的，选择进化计算竞赛（CEC）对标的 10、30、50 和 100 不同维度的 10 个约束优化问题作为测试示例，而著名的工程设计中的 15 个还确定了问题以评估所提出方法的整体性能。不同经典和新的元启发式优化算法在处理所选问题时的最佳结果取自最近的文献，用于与 MGA 进行比较。此外，计算了 MGA 算法的统计值，包括均值、最差和标准差，并与其他元启发式算法的结果进行比较。总体而言，这项工作表明，所提出的 MGA 能够提供非常有竞争力，甚至是出色的结果，并且大多优于其他元启发式算法。