[论文解读] Solving Configuration Optimization Problem with Multiple Hard Constraints: An Enhanced Multi-Objective Simulated Annealing Approach

Pei Cao, Zhaoyan Fan+2 more|arXiv (Cornell University)|Jun 9, 2017

Manufacturing Process and Optimization参考文献 50被引用 3

一句话总结

本文提出了一种增强型多目标模拟退火算法（MOSA/R），用于求解工程设计中具有多个硬约束的复杂配置优化问题。通过集成一种有偏重初始化机制，平衡探索与开发，该方法显著提升了收敛性和可行性，在约束优化与实际配置任务中均优于基准方法。

ABSTRACT

This research concerns a type of configuration optimization problems frequently encountered in engineering design and manufacturing, where the envelope volume in space occupied by a number of components needs to be minimized along with other objectives such as minimizing connective lines between the components under various constraints. Since in practical applications the objectives and constraints are usually complex, the formulation of computationally tractable optimization becomes difficult. Moreover, unlike conventional multi-objective optimization problems, such configuration problems usually comes with a number of demanding constraints that are hard to satisfy, which results in the critical challenge of balancing solution feasibility with optimality. In this research, we first present the mathematical formulation for a representative problem of configuration optimization with multiple hard constraints, and then develop two versions of an enhanced multi-objective simulated annealing approach, referred to as MOSA/R, to solve this problem. To facilitate the optimization computationally, in MOSA/R, a versatile re-seed scheme that allows biased search while avoiding pre-mature convergence is designed. Our case study indicates that the new algorithm yields significantly improved performance towards both constrained benchmark tests and constrained configuration optimization problem. The configuration optimization framework developed can benefit both existing design/manufacturing practices and future additive manufacturing.

研究动机与目标

• 解决在具有多个硬约束的配置优化中，解决方案可行性与最优性之间的平衡挑战。
• 为工程设计中具有代表性的配置优化问题，制定一个计算上可处理的数学模型。
• 开发一种改进的元启发式算法，能够处理复杂的真实世界约束，同时保持收敛性和多样性。
• 促进在设计与制造中的实际应用，特别是在新兴的增材制造背景中。
• 通过引入约束处理机制，克服传统多目标优化的局限性，防止过早收敛。

提出的方法

• 为涉及在多个硬约束下最小化包络体积与连接线长度的配置优化问题，提出数学公式化方法。
• 设计一种重初始化机制，使有偏搜索能够探索有希望的区域，而不会陷入过早收敛。
• 实现两种版本的增强型多目标模拟退火（MOSA/R）算法，以提升解的多样性与收敛速度。
• 集成动态温度调度与邻域搜索策略，以在探索与开发之间保持平衡。
• 采用约束处理技术，在同时优化多个目标的同时优先保证可行性。
• 在基准问题与一个实际的配置优化案例研究上验证该算法。

实验结果

研究问题

• RQ1 多目标优化算法如何在工程配置问题中有效处理多个硬约束？
• RQ2 哪些机制能够改善模拟退火在约束多目标问题中的收敛性，并防止过早收敛？
• RQ3 所提出的重初始化方案在复杂配置任务中在多大程度上提升了解的多样性和可行性？
• RQ4 MOSA/R算法在收敛性与约束满足方面与标准多目标优化方法相比如何？
• RQ5 该框架能否在实际工程设计与制造场景（包括增材制造）中有效应用？

主要发现

• 与传统多目标优化方法相比，MOSA/R算法在约束基准问题上的性能显著提升。
• 重初始化机制有效增强了搜索多样性，避免了过早收敛，从而更优地收敛至真实Pareto前沿。
• 该算法在所有测试案例中均成功满足所有硬约束，展现出强大的可行性保持能力。
• 在案例研究中，MOSA/R在复杂空间与连通性约束下，优于基线方法，有效最小化了包络体积与连接线长度。
• 该框架可适配实际工程应用，显示出与设计及增材制造工作流程集成的强大潜力。
• 即使在高复杂度约束环境下，该方法仍能保持收敛速度与解质量的良好平衡。