参数化与优化器在梯度-free 拓扑优化中的相互作用：以钢梁为例
神经与进化计算
2026-02-03 v2 计算工程、金融与科学
摘要
梯度-free 黑盒优化 (BBO) 在工程设计中广泛使用，为拓扑优化 (TO) 提供了灵活的框架，使其能够在无需仿真梯度信息的情况下发现高性能结构设计。然而，其成功取决于两个关键选择：定义搜索空间的几何参数化以及探索其的优化器。本研究通过对受连通性约束的钢梁进行合力最小化问题进行探讨，测试了三个几何参数化方案，每种参数化方案分别组合使用三个代表性 BBO 算法：差分演化、协方差矩阵适应演化策略和异方差演化贝叶斯优化，分别在 10D、20D 和 50D 设计空间中进行。结果表明，参数化质量对优化性能的影响大于优化器选择：良好结构的参数化使不同算法都能实现稳健且具竞争力的性能，而较弱的表征则增加了优化器的依赖性。总体而言，本研究突显了几何参数化在实际 BBO-based TO 中的主导作用，表明在不考虑所引导的设计空间的情况下，算法性能和选择无法公正地评估。
关键词
引用
@article{arxiv.2601.22241,
title = {Investigating the Interplay of Parameterization and Optimizer in Gradient-Free Topology Optimization: A Cantilever Beam Case Study},
author = {Jelle Westra and Iván Olarte Rodríguez and Niki van Stein and Thomas Bäck and Elena Raponi},
journal= {arXiv preprint arXiv:2601.22241},
year = {2026}
}
备注
16 pages, 6 figures, 3 tables, Paper submitted and accepted at Evostar 2026 Conference