改进的热搜索算法(IHTS)在无约束优化问题中的应用

"本文介绍了‘框架设计与无约束优化问题的IHTS算法’，主要探讨了一种改进的传热搜索(IHTS)算法在解决无约束优化问题中的应用。该算法结合了传热模式和人口再生策略，以提高全局优化性能，并通过一系列基准测试和实际工程问题验证其有效性和适用性。" 在优化问题中，尤其是那些无法提供梯度信息的非导数问题，传统的分析方法往往无法取得满意的结果，容易陷入局部最优。元启发式算法（Metaheuristic Algorithms，简称MH）应运而生，成为解决这类问题的有效工具。遗传算法（Genetic Algorithm，GA）作为最早和最知名的元启发式算法之一，受到了达尔文进化论的启发，通过模拟自然选择和遗传过程来寻找优化问题的解决方案。 本文提出的IHTS算法是对基本的传热搜索（HTS）算法的改进。HTS算法基于物质的传热行为，但IHTS算法引入了系统分子之间的交互以及与环境的热平衡状态，增强了搜索代理的探索能力。此外，通过集成人口再生器，IHTS算法可以降低陷入局部最优的风险，对于未改进的解决方案，会在预设的迭代次数内进行更新。 为了证明IHTS算法的有效性，作者在23个经典的基准函数和CEC2014测试集中的30个函数上进行了测试。实验结果表明，IHTS算法不仅优于原始的HTS算法，而且与其他文献中报道的元启发式算法相比，表现出了极强的竞争力。进一步，IHTS算法成功应用于两个桁架设计问题的求解，证实了其在实际工程问题中的实用性。 总结来说，IHTS算法是一种创新的无约束优化工具，结合了传热物理模型和优化策略，能够有效地避免局部最优，提高全局搜索效率。这种算法对于处理复杂的优化问题，尤其是在工程设计和计算领域，具有重要的理论和实践意义。