Gnowee：面向约束黑盒组合混合整数设计的混合元启发式优化算法

本文介绍了 Gnowee，一种基于 Python 的模块化开源混合元启发式优化算法（可从 https://github.com/SlaybaughLab/Gnowee 获取）。Gnowee 旨在针对具有混合整数与组合设计向量以及高代价、含噪、不连续、黑盒目标函数评估的复杂约束核工程问题，快速收敛至近乎全局最优的解。Gnowee 的混合元启发式框架是一组多样化且稳健的启发式方法的新组合，能够在广泛的优化问题中适当平衡多样化与强化策略。这一新颖算法专为优化复杂核设计问题而开发；其驱动性研究问题是设计材料层叠结构以将中子能谱修改为特定目标能谱，应用于核医学、核法医学、核物理等领域。然而，该算法在核领域内外均具有更广泛的潜在应用。为展示 Gnowee 在各类问题类型上的行为，本文在一组包含连续、混合整数和组合的十八个基准测试上，对 Gnowee 与几种成熟的元启发式算法进行了比较。结果表明，Gnowee 在广泛的设计空间上具有优越的灵活性和收敛特性。我们预计这种广泛的适用性将使该算法在许多复杂工程应用中备受青睐。