Abstract Metaheuristic algorithms offer a robust and convenient method to solve highly nonlinear optimisation problems in engineering applications. In this work we evaluate the effectiveness of a collection of canonical algorithms at performing parameter identification for nonlinear constitutive laws that describe coupled, magnetic-field responsive materials. To achieve this, we define an objective function that captures the influence of many physical measurements recorded during experimental analysis of a coupled material, and incorporates the influence of experimental uncertainty. A benchmark of the algorithms is conducted through the evaluation of a magneto-visco-elastic material by means of numerically-derived parallel-plate rotational rheometry. The effectiveness of each algorithm at matching the fictitious, but representative, experimental data was considered using two different metrics. In addition to the ranking based on a non-parametric statistical test, we consider an ad hoc criterion that accounts for only the top performing candidate solutions. It is determined that the continuous real and discrete bitstring genetic algorithm provide the best overall performance in terms of the accuracy of the predicted parameters, while globally-elitist simulated annealing provides the best compromise between accuracy and computational efficiency. When experimental uncertainties exist (which is always the case for data determined within a laboratory setting), it has been observed that the strong link between constitutive parameters and physical material properties, which is typically assumed, no longer holds.

中文翻译：

---

元启发式算法在非线性磁粘弹性本构参数辨识中的应用

摘要 元启发式算法为解决工程应用中的高度非线性优化问题提供了一种鲁棒且方便的方法。在这项工作中，我们评估了一系列规范算法在执行描述耦合磁场响应材料的非线性本构定律的参数识别方面的有效性。为了实现这一点，我们定义了一个目标函数，该函数捕获在耦合材料的实验分析期间记录的许多物理测量的影响，并结合了实验不确定性的影响。算法的基准是通过数值导出的平行板旋转流变测量法对磁粘弹性材料的评估进行的。每种算法在匹配虚构但具有代表性的结果方面的有效性，使用两种不同的指标来考虑实验数据。除了基于非参数统计测试的排名之外，我们还考虑了一个临时标准，该标准仅考虑表现最佳的候选解决方案。确定连续实数和离散位串遗传算法在预测参数的准确性方面提供了最佳的整体性能，而全局精英模拟退火提供了准确性和计算效率之间的最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。除了基于非参数统计测试的排名之外，我们还考虑了一个临时标准，该标准仅考虑表现最佳的候选解决方案。确定连续实数和离散位串遗传算法在预测参数的准确性方面提供了最佳的整体性能，而全局精英模拟退火提供了准确性和计算效率之间的最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。除了基于非参数统计测试的排名之外，我们还考虑了一个临时标准，该标准仅考虑表现最佳的候选解决方案。确定连续实数和离散位串遗传算法在预测参数的准确性方面提供最佳的整体性能，而全局精英模拟退火提供了准确性和计算效率之间的最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。我们考虑一个临时标准，该标准仅考虑表现最佳的候选解决方案。确定连续实数和离散位串遗传算法在预测参数的准确性方面提供了最佳的整体性能，而全局精英模拟退火提供了准确性和计算效率之间的最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。我们考虑一个临时标准，该标准仅考虑表现最佳的候选解决方案。确定连续实数和离散位串遗传算法在预测参数的准确性方面提供了最佳的整体性能，而全局精英模拟退火提供了准确性和计算效率之间的最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。而全球精英模拟退火在准确性和计算效率之间提供了最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。而全球精英模拟退火在准确性和计算效率之间提供了最佳折衷。当存在实验不确定性时（在实验室环境中确定的数据总是如此），已经观察到本构参数和物理材料属性之间的强关联（通常假设）不再成立。