論文の概要: Novelty-Driven Binary Particle Swarm Optimisation for Truss Optimisation Problems

• arxiv url: http://arxiv.org/abs/2112.07875v1
• Date: Wed, 15 Dec 2021 04:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-04 12:06:22.992417
• Title: Novelty-Driven Binary Particle Swarm Optimisation for Truss Optimisation Problems
• Title（参考訳）: トラス最適化問題に対する新規二成分粒子群最適化
• Authors: Hirad Assimi, Frank Neumann, Markus Wagner, Xiaodong Li
• Abstract要約: 二重レベル最適化はトラス最適化に成功している。 我々は、トポロジ検索空間を厳密に分析するために正確な列挙を導入する。 また,より大きな問題に対して,新規な二成分粒子群最適化を提案する。
• 参考スコア（独自算出の注目度）: 16.341501082840747
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Topology optimisation of trusses can be formulated as a combinatorial and multi-modal problem in which locating distinct optimal designs allows practitioners to choose the best design based on their preferences. Bilevel optimisation has been successfully applied to truss optimisation to consider topology and sizing in upper and lower levels, respectively. We introduce exact enumeration to rigorously analyse the topology search space and remove randomness for small problems. We also propose novelty-driven binary particle swarm optimisation for bigger problems to discover new designs at the upper level by maximising novelty. For the lower level, we employ a reliable evolutionary optimiser to tackle the layout configuration aspect of the problem. We consider truss optimisation problem instances where designers need to select the size of bars from a discrete set with respect to practice code constraints. Our experimental investigations show that our approach outperforms the current state-of-the-art methods and it obtains multiple high-quality solutions.
• Abstract（参考訳）: トラスのトポロジー最適化は、異なる最適設計を特定することで、実践者が好みに基づいて最適な設計を選択することができる組合せ的および多様問題として定式化することができる。 2レベル最適化はトトラス最適化に成功し、トポロジとサイズをそれぞれ上層と下層で考慮した。 トポロジ探索空間を厳密に解析し、小さな問題に対するランダム性を取り除くために正確な列挙を導入する。 また,より大きな問題に対する新規な二成分粒子群最適化を提案し,新規性を最大化することにより,上層における新しい設計の発見を行う。 下位レベルでは、信頼性の高い進化的オプティマイザを用いて、問題のレイアウト設定に対処する。 我々は、設計者がコードの制約に関して離散的な集合からバーのサイズを選択する必要があるトラス最適化問題インスタンスを考える。 実験の結果,我々のアプローチは最先端の手法よりも優れており,複数の高品質なソリューションが得られた。

関連論文リスト

• Stochastic Zeroth-Order Optimization under Strongly Convexity and Lipschitz Hessian: Minimax Sample Complexity [59.75300530380427]
  本稿では,アルゴリズムが検索対象関数の雑音評価にのみアクセス可能な2次スムーズかつ強い凸関数を最適化する問題を考察する。 本研究は, ミニマックス単純後悔率について, 一致した上界と下界を発達させることにより, 初めて厳密な評価を行ったものである。
  論文  参考訳（メタデータ） (2024-06-28T02:56:22Z)
• Rapid quantum approaches for combinatorial optimisation inspired by optimal state-transfer [3.591122855617648]
  そこで本稿では,ハミルトニアンにインスパイアされた最適状態伝達問題に対処する新しい設計を提案する。 我々はこの新デザインの成功の数値的な証拠を提供する。
  論文  参考訳（メタデータ） (2023-01-17T12:45:09Z)
• Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
  本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。 我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。 アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
  論文  参考訳（メタデータ） (2022-10-31T17:59:29Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Automated Circuit Sizing with Multi-objective Optimization based on Differential Evolution and Bayesian Inference [1.1579778934294358]
  一般化微分進化3(GDE3)とガウス過程(GP)に基づく設計最適化手法を提案する。 提案手法は,多数の設計変数を持つ複雑な回路の小型化を実現し,多くの競合対象を最適化する。 本研究では,2つの電圧レギュレータにおいて,異なるレベルの複雑さを示す手法について検討した。
  論文  参考訳（メタデータ） (2022-06-06T06:48:45Z)
• On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems [99.59934203759754]
  本稿では,スムーズな制約付き最適化のための一階法について紹介する。 提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。 結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
  論文  参考訳（メタデータ） (2021-07-17T11:45:13Z)
• Constraint Programming to Discover One-Flip Local Optima of Quadratic Unconstrained Binary Optimization Problems [0.5439020425819]
  qubo annealersや他のソリューションアプローチは、局所的な最適性を持つ多様なソリューションセットから始めることができる。 本稿では,制約プログラミングを活用した1フリップ局所オプティマの集合を生成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T22:55:25Z)
• Intermediate Layer Optimization for Inverse Problems using Deep Generative Models [86.29330440222199]
  ILOは、深層生成モデルを用いて逆問題を解決するための新しい最適化アルゴリズムである。 提案手法は,StyleGAN-2 や PULSE で導入した最先端手法よりも幅広い逆問題に対して優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-15T06:52:22Z)
• Mixed-Projection Conic Optimization: A New Paradigm for Modeling Rank Constraints [3.179831861897336]
  低ランク最適化問題を証明可能な最適性に解決するためのフレームワークを提供する。 我々のフレームワークは、ラウンドリングや局所探索技術を通じて、ほぼ最適のソリューションを提供する。
  論文  参考訳（メタデータ） (2020-09-22T08:59:06Z)
• Adaptive Sampling of Pareto Frontiers with Binary Constraints Using Regression and Classification [0.0]
  本稿では,二項制約を持つブラックボックス多目的最適化問題に対する適応最適化アルゴリズムを提案する。 本手法は確率的回帰モデルと分類モデルに基づいており,最適化目標のサロゲートとして機能する。 また,予想される超体積計算を高速化するために,新しい楕円形トランケーション法を提案する。
  論文  参考訳（メタデータ） (2020-08-27T09:15:02Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)

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。