論文の概要: Optimal Flexural Design of FRP-Reinforced Concrete Beams Using a
Particle Swarm Optimizer
- arxiv url: http://arxiv.org/abs/2101.09974v1
- Date: Mon, 25 Jan 2021 09:36:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 00:49:50.197011
- Title: Optimal Flexural Design of FRP-Reinforced Concrete Beams Using a
Particle Swarm Optimizer
- Title（参考訳）: 粒子群オプティマイザを用いたfrp補強コンクリート梁の最適曲げ設計
- Authors: M. S. Innocente, Ll. Torres, X. Cah\'is, G. Barbeta, A. Catal\'an
- Abstract要約: 本稿では,ACI 440.1 R-06レコメンデーションに従って,最小コストのセクション設計モデルを開発する。
これは、最適化タスクを処理するために、パーティクルスウォーム最適化(PSO)と呼ばれる比較的新しい人工知能技術を使用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The design of the cross-section of an FRP-reinforced concrete beam is an
iterative process of estimating both its dimensions and the reinforcement
ratio, followed by the check of the compliance of a number of strength and
serviceability constraints. The process continues until a suitable solution is
found. Since there are infinite solutions to the problem, it appears convenient
to define some optimality criteria so as to measure the relative goodness of
the different solutions. This paper intends to develop a preliminary least-cost
section design model that follows the recommendations in the ACI 440.1 R-06,
and uses a relatively new artificial intelligence technique called particle
swarm optimization (PSO) to handle the optimization tasks. The latter is based
on the intelligence that emerges from the low-level interactions among a number
of relatively non-intelligent individuals within a population.
- Abstract（参考訳）: FRP補強コンクリート梁の断面設計は、その寸法と補強比を推定する反復的プロセスであり、その後、多くの強度および耐用性制約の遵守を確認する。
このプロセスは適切な解が見つかるまで続く。
この問題には無限の解が存在するので、異なる解の相対的良さを測定するためにいくつかの最適性基準を定義するのが便利である。
本稿では,aci 440.1 r-06のレコメンデーションに従う予備的最小コスト区間設計モデルを開発し,比較的新しい人工知能技術である particle swarm optimization (pso) を用いて最適化処理を行う。
後者は、集団内の比較的非知的な個人間の低レベルの相互作用から生じる知性に基づいている。
関連論文リスト
- End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Pseudo-Bayesian Optimization [7.556071491014536]
ブラックボックス最適化の収束を保証するために最小限の要件を課す公理的枠組みについて検討する。
我々は、単純な局所回帰と、不確実性を定量化するために適切な「ランダム化事前」構造を用いることが、収束を保証するだけでなく、常に最先端のベンチマークよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-10-15T07:55:28Z) - Bayesian Quality-Diversity approaches for constrained optimization
problems with mixed continuous, discrete and categorical variables [0.3626013617212667]
シミュレーション予算の制限という観点から,混合変数に基づく新しい品質多様性手法を提案する。
提案手法は、複雑なシステム設計のための意思決定者にとって貴重なトレードオフを提供する。
論文 参考訳（メタデータ） (2023-09-11T14:29:47Z) - Optimal Design of Electric Machine with Efficient Handling of
Constraints and Surrogate Assistance [5.387300498478744]
本稿では、広く使われている進化的多目的最適化アルゴリズムNSGA-IIに組み込んだ最適化手法を提案する。
提案手法は, 幾何的制約の安価さを利用して, カスタム補修演算子を用いて実現可能な設計を生成する。
論文 参考訳（メタデータ） (2022-06-03T17:13:29Z) - Constrained multi-objective optimization of process design parameters in
settings with scarce data: an application to adhesive bonding [48.7576911714538]
接着プロセスに最適なプロセスパラメータを見つけることは困難である。
遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。
本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
論文 参考訳（メタデータ） (2021-12-16T10:14:39Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-09-23T17:38:24Z) - Robust Topology Optimization Using Multi-Fidelity Variational Autoencoders [1.0124625066746595]
強靭なトポロジー最適化(RTO)問題は、最高の平均性能を持つ設計を特定する。
計算効率を向上するニューラルネットワーク手法を提案する。
本手法の数値解析は,Lブラケット構造のロバスト設計における単一点負荷と複数点負荷について述べる。
論文 参考訳（メタデータ） (2021-07-19T20:40:51Z) - Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。
このアプローチは多くの実装と最適化の課題をもたらします。
提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
論文 参考訳（メタデータ） (2021-03-18T14:26:26Z) - An AI-Assisted Design Method for Topology Optimization Without
Pre-Optimized Training Data [68.8204255655161]
トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。
設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
論文 参考訳（メタデータ） (2020-12-11T14:33:27Z) - Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。
この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文 参考訳（メタデータ） (2020-08-10T09:42:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。