論文の概要: Variable Functioning and Its Application to Large Scale Steel Frame Design Optimization

• arxiv url: http://arxiv.org/abs/2205.07274v1
• Date: Sun, 15 May 2022 12:43:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 07:32:11.094105
• Title: Variable Functioning and Its Application to Large Scale Steel Frame Design Optimization
• Title（参考訳）: 可変機能化と大規模鋼枠設計最適化への応用
• Authors: Amir H Gandomi, Kalyanmoy Deb, Ronald C Averill, Shahryar Rahnamayan, Mohammad Nabi Omidvar
• Abstract要約: 変数関数Fxと呼ばれる概念に基づく手法を導入し、最適化変数を減らし、探索空間を狭める。 問題構造解析技術と工学的知識を用いることで、鋼枠設計最適化プロセスを強化するために$Fx$法が用いられる。
• 参考スコア（独自算出の注目度）: 15.86197261674868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To solve complex real-world problems, heuristics and concept-based approaches can be used in order to incorporate information into the problem. In this study, a concept-based approach called variable functioning Fx is introduced to reduce the optimization variables and narrow down the search space. In this method, the relationships among one or more subset of variables are defined with functions using information prior to optimization; thus, instead of modifying the variables in the search process, the function variables are optimized. By using problem structure analysis technique and engineering expert knowledge, the $Fx$ method is used to enhance the steel frame design optimization process as a complex real-world problem. The proposed approach is coupled with particle swarm optimization and differential evolution algorithms and used for three case studies. The algorithms are applied to optimize the case studies by considering the relationships among column cross-section areas. The results show that $Fx$ can significantly improve both the convergence rate and the final design of a frame structure, even if it is only used for seeding.
• Abstract（参考訳）: 複雑な現実世界の問題を解決するために、ヒューリスティックスと概念に基づくアプローチを用いて、情報を問題に組み込むことができる。 本研究では,最適化変数を削減し,探索空間を狭めるために,可変関数fxという概念に基づくアプローチを導入する。 本手法では,変数の1つ以上の部分集合間の関係を最適化に先立って情報を用いて関数で定義するので,探索プロセスで変数を変更する代わりに,関数変数を最適化する。 問題構造解析技術と工学的知識を用いて、複雑な実世界の問題として鋼枠設計最適化プロセスを強化するために$Fx$法を用いる。 提案手法は粒子群最適化と微分進化アルゴリズムと組み合わされ、3つのケーススタディに用いられる。 カラム断面領域間の関係を考慮し,ケーススタディの最適化にアルゴリズムを適用した。 その結果,$fx$は種まきにのみ使用される場合であっても,フレーム構造の収束率と最終的な設計の両方を大幅に改善できることがわかった。

関連論文リスト

• Learning Joint Models of Prediction and Optimization [56.04498536842065]
  Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。 本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-07T19:52:14Z)
• Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
  本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。 微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
  論文  参考訳（メタデータ） (2023-02-24T18:41:48Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Tensor Train for Global Optimization Problems in Robotics [6.702251803443858]
  多くの数値最適化手法の収束は、解法に与えられる初期推定に大きく依存する。 本稿では,グローバルオプティマ付近で既存の最適化解法を初期化するための手法を用いた新しい手法を提案する。 提案手法は,グローバル・オプティマに近づいたサンプルを複数モードで生成できることを示す。
  論文  参考訳（メタデータ） (2022-06-10T13:18:26Z)
• iDARTS: Differentiable Architecture Search with Stochastic Implicit Gradients [75.41173109807735]
  微分可能なArchiTecture Search(DARTS)は先日,ニューラルアーキテクチャサーチ(NAS)の主流になった。 暗黙の関数定理に基づいてDARTSの過次計算に取り組む。 提案手法であるiDARTSのアーキテクチャ最適化は,定常点に収束することが期待される。
  論文  参考訳（メタデータ） (2021-06-21T00:44:11Z)
• Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
  1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。 また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
  論文  参考訳（メタデータ） (2021-04-30T08:50:24Z)
• Quantum variational optimization: The role of entanglement and problem hardness [0.0]
  本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。 数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。 リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
  論文  参考訳（メタデータ） (2021-03-26T14:06:54Z)
• Particle Swarm Optimization: Fundamental Study and its Application to Optimization and to Jetty Scheduling Problems [0.0]
  従来の手法に関する進化的アルゴリズムの利点は、文献で大いに議論されている。 粒子群はそのような利点を共有しているが、計算コストの低減と実装の容易さが要求されるため、進化的アルゴリズムよりも優れている。 本論文は, それらのチューニングについて検討するものではなく, 従来の研究から汎用的な設定を抽出し, 様々な問題を最適化するために, 事実上同じアルゴリズムを用いている。
  論文  参考訳（メタデータ） (2021-01-25T02:06:30Z)
• Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
  予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。 本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。 本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-04T00:26:56Z)
• Bayesian Variational Optimization for Combinatorial Spaces [0.0]
  幅広い応用としては、分子、タンパク質、DNA、デバイス構造、量子回路の設計などが挙げられる。 最適解や最適解を見つけるためには、圏空間上の最適化が不可欠である。 本稿では,変分最適化と連続緩和を組み合わせた変分ベイズ最適化手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T20:56:13Z)
• Bayesian optimization of variable-size design space problems [0.0]
  このタイプの最適化問題を解決するために,ベイズ最適化に基づく2つのアプローチが提案されている。 最初のアプローチは、最も有望な設計サブスペースに計算予算を集中させるための予算配分戦略である。 第二のアプローチは、部分的に異なる変数の集合によって特徴づけられるサンプル間の共分散を計算することができるカーネル関数の定義に基づいている。
  論文  参考訳（メタデータ） (2020-03-06T16:30:44Z)

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。