编者按：为充分展示数学与统计学院高水平科研成果，进一步激发全院师生的科研与学习热情，学院官微特推出“科研速递”专栏，将根据科研进展适时更新。本栏目将持续聚焦我院教师最新科研动态，通过系统化报道促进学术交流互鉴，推动产学研合作与科技成果转化，引领学院科研事业在守正创新中实现内涵式发展。
MSFPSO：多算法融合粒子群优化算法与新策略解决复杂工程设计问题
近日，我院舒彬老师在研究元启发式算法方面取得重要进展，提出了一种多策略融合的粒子群优化算法（MSFPSO），有效克服了传统粒子群优化算法（PSO）在实际应用中的固有缺陷。该算法通过融合多种先进策略，显著提升了其全局优化性能与鲁棒性，为求解复杂的工程优化问题提供了强有力的新工具。其研究成果发表于计算力学领域权威期刊《Computer Methods in Applied Mechanics and Engineering》（2025年中科院期刊分区：工程技术1区）。
本研究提出一种融合多种先进策略的协同优化框架，旨在全方位地提升PSO在复杂搜索环境下的性能。首先，受黑翅鸢优化算法的启发，MSFPSO引入了基于柯西变异的迁移机制。该机制不仅有助于提高算法利用当前搜索区域的效率，而且有效地平衡了探索和利用之间的动态关系，提高算法全局和局部搜索能力。其次，一种联合对立选择策略被引入用于扩大解的搜索范围和帮助算法跳出局部最优。具体来说，选择性对立通过一种线性递减的阈值来获得候选解的近距离维度。动态对立进一步扩展了对搜索空间的探索。
另外，将该算法与双战略方案的差异创意搜索算法相融合以提高PSO的决策效率，种群的多样性和开发能力。最后，引入吸引－排斥优化策略，进一步获得良好的开发－探索平衡能力，避免算法停滞。
为验证MSFPSO的优越性，研究者在权威的CEC2020基准测试集上，与8种先进优化算法和6种改进的PSO变体进行了全面对比。统计性Wilcoxon值和检验结果证实，MSFPSO在收敛速度和求解精度上均展现出强劲的竞争力。同时，在CEC2017测试集上，以最大10000次迭代验证了该算法的收敛性。更为重要的是，MSFPSO在涵盖50个真实场景的工程设计问题上的成功应用，充分证明了其有效性与广泛的适用性。实验成果与统计分析显示，MSFPSO算法性能卓越、竞争力强，有望成为解决复杂工程优化问题的一类优先选择的元启发式算法。该研究为元启发式算法的融合发展与性能突破提供了新思路与成功范例。
论文链接：https://doi.org/10.1016/j.cma.2025.117791
（供稿：数学与统计学院 撰稿：王锦瑞 责任审核：丁剑洁）