조충 채집 최적화: 복합 문제 해결

본 연구는 기생충인 조충의 부착 및 생식 분절에서 영감을 받은 새로운 자연 모방 메타휴리스틱 탐색 프레임워크인 조충 채집 최적화(TFO) 알고리즘을 경험적으로 탐구합니다. TFO는 탐색적 확산을 위한 감쇠 가우시안 섭동과 지역적 활용을 위한 현재 전역 최적값으로의 역차이 벡터 변위를 확률적 전환 매개변수에 의해 결합합니다. TFO는 고전적인 단일 모드 및 다중 모드 벤치마크(F1–F16)와 인장/압축 스프링, 용접 빔, 10-바 캔틸레버 트러스, 감속기 설계의 네 가지 제약 조건 기계 공학 설계 문제에 대해 평가되었습니다. 기존 메타휴리스틱인 GWO, WOA, AOA와의 비교 평가를 통해 TFO는 대부분의 벤치마크 함수에서 비교 대상보다 수렴 속도가 느리고 이론적 최소값에 덜 근접한 목적 함수 값을 달성했습니다. 그러나 TFO는 F6 및 F14에서 유사한 성능을 보였고 F11, F15, F16에서는 경쟁력 있는 수렴을 달성했습니다. 제약 조건이 있는 공학 최적화에서 TFO는 비선형 응력, 변형 및 기하학적 제약 조건을 만족하는 유효한 실현 가능한 구성을 일관되게 식별했습니다. 다만, 스프링(+7.14%), 용접 빔(+8.57%), 10-바 트러스(+25.22%) 문제에서는 비교 방법보다 높은 목적 비용을 보였고, 감속기 문제에서는 중간인 3위를 차지했습니다. 1,980회 독립 실행에 걸친 체계적인 매개변수 민감도 및 제거 분석 결과, 조기 제약 조건 함정 회피를 위해서는 균형 잡힌 하이브리드 전환이 필수적이며, 감쇠 스케줄은 견고한 안정성을 보였습니다. TFO의 구조적 단순성, 속도 벡터나 메모리 행렬의 부재, 낮은 반복당 오버헤드는 계산 단순성과 제약 조건 실현 가능성이 우선시되는 제약 조건 공학 응용 분야에서 접근 가능하고 투명한 기준선이 됩니다.