🎓作者简介：科技自媒体优质创作者
🌐个人主页：莱歌数字-CSDN博客

211、985硕士，从业接近20年

从事结构设计、热设计、售前、产品设计、项目管理等工作，涉足消费电子、新能源、医疗设备、制药信息化、核工业等领域。

熟练运用Flotherm、FloEFD、XT、Icepak、Fluent等ANSYS、西门子系列CAE软件，解决问题与验证方案设计，十多年技术培训经验。

专题课程

Flotherm电阻膜自冷散热设计（90分钟实操）

Flotherm通信电源风冷仿真教程（实操）

基于FloTHERM电池热仿真（瞬态分析）

基于Flotherm的逆变器风冷热设计（零基础到精通）实操

站在高处，重新理解散热。

更多资讯，请关注B站：莱歌数字，有视频教程~~

在多目标优化问题中，“最优解”往往不是一个点，而是一组被称为帕累托前沿的解集。如何从这个解集中，客观地选出一个能让各方接受的“最终方案”，是工程决策的核心难题。最小曼哈顿距离法正是解决这一问题的经典且高效的决策工具。

1. 一句话理解

在多目标优化的帕累托前沿中，最小曼哈顿距离法用于找到最接近理想“乌托邦点”的解。这里的“距离”不是直线距离，而是在标准化目标空间中的折线距离。

2. 为什么需要它？

以你关注的歧管微通道液冷板优化为例，优化目标通常是：

• 目标1 (热阻R)：越小越好。

• 目标2 (压降ΔP)：越小越好。

这两个目标是冲突的，因此算法会产出一组帕累托前沿解：

• 方案A：热阻极低，但压降极高（泵功消耗大）。

• 方案B：压降极低，但热阻不理想（散热风险高）。

• 中间一系列方案（如C、D、E）：在两者之间取舍。

工程师面临难题：该选A、B，还是中间的某个点？
凭直觉选一个，后续常会引起争论。比如，搞热设计的同事倾向于A，搞系统能耗的同事则坚持B。此时，需要一个客观、无偏向的决策方法。

3. 方法核心：什么是“曼哈顿距离”？

想象你在纽约曼哈顿的街区，从第1大道第1街到第3大道第3街，你不能穿楼而过，只能沿着大道和街走“折线”，总路程为|3-1| + |3-1| = 4。这就是曼哈顿距离，即各个坐标轴方向上的绝对轴距之和。

对比我们常用的欧几里得距离（两点间直线最短），曼哈顿距离的特点是不允许以牺牲一个目标的巨大代价来换取另一个目标的微小改进。

4. 如何在液冷板优化中应用？

在工作流中，遗传算法（如NSGA-II）找到一组帕累托前沿后，可按以下四步来选出最终设计：

第一步：找到理想点（乌托邦点）
分别找出所有解中热阻的最小值和压降的最小值。这个组合点(R_min, ΔP_min)就是理想点，它通常是不存在的（因为没有方案能同时达到两个最小值），但代表了完美状态。

第二步：数据标准化（归一化）
这是最关键的一步。热阻（0.01 K/W级）和压降（10000 Pa级）数量级完全不同，必须拉到同一尺度下。使用Min-Max标准化公式，使两个目标的值都转换到[0,1]区间内，变成无量纲的“分数”。

第三步：计算每个解到理想点的曼哈顿距离
对每个解，计算它在标准化后的坐标系中，到理想点(0,0)的折线距离。公式很简单：距离 = |标准化的热阻 - 0| + |标准化的压降 - 0|。这个值代表了该方案在两个目标上的“综合遗憾值”。

第四步：决策
找出“综合遗憾值”最小的那个解，它就是曼哈顿距离法下的最佳折中方案。它不追求某一项性能的极致，但保证了两项的综合损失最小。将它作为最终定案依据，有很强的客观性和说服力。

5. 背后的工程哲学：拒绝极端，拥抱均衡

相比仅靠人为加权求和，最小曼哈顿距离法的价值在于：

• 客观无偏好：无需人为预先设定权重（例如“热阻比压降重要20%”），避免了主观分歧。

• 惩罚极端方案：它倾向于选择在两个目标上表现更“均衡”的解。如果一个方案热阻极好但压降极差，在曼哈顿距离下是不占优势的，这正好规避了工程中难以落地的高风险方案。

6. 一个必要的提醒：理想点陷阱

有时，找到的这个“最均衡解”可能距离真实产品需求仍有差距。比如，它的压降在理论上可接受，但对应的流量超出了泵的实际能力。

因此，一个更稳健的流程是，先用最小曼哈顿距离法锚定一个客观的参考点，再围绕它选择2-3个临近方案，交给结构、工艺、泵供应商等团队去做最终确认。这样既发挥了数据驱动的客观性，也融入了不可量化的工程经验。