論文の概要: Optimization of Rocker-Bogie Mechanism using Heuristic Approaches
- arxiv url: http://arxiv.org/abs/2209.06927v1
- Date: Wed, 14 Sep 2022 21:02:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-16 12:22:47.435421
- Title: Optimization of Rocker-Bogie Mechanism using Heuristic Approaches
- Title(参考訳): ヒューリスティックアプローチによるロッカーボギー機構の最適化
- Authors: Harsh Senjaliya, Pranshav Gajjar, Brijan Vaghasiya, Pooja Shah, and
Paresh Gujarati
- Abstract要約: 本稿では,海外の地形に関連付けられた標準的なサスペンション手法であるRocker Bogie機構について論じる。
本稿では,シミュレート・アニーリング,遺伝的アルゴリズム,スワム・インテリジェンス,盆地ホッピング,微分進化に関する広範な実験を行った。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimal locomotion and efficient traversal of extraterrestrial rovers in
dynamic terrains and environments is an important problem statement in the
field of planetary science and geophysical systems. Designing a superlative and
efficient architecture for the suspension mechanism of planetary rovers is a
crucial step towards robust rovers. This paper focuses on the Rocker Bogie
mechanism, a standard suspension methodology associated with foreign terrains.
After scrutinizing the available previous literature and by leveraging various
optimization and global minimization algorithms, this paper offers a novel
study on mechanical design optimization of a rovers suspension mechanism. This
paper presents extensive tests on Simulated Annealing, Genetic Algorithms,
Swarm Intelligence techniques, Basin Hoping and Differential Evolution, while
thoroughly assessing every related hyper parameter, to find utility driven
solutions. We also assess Dual Annealing and subsidiary algorithms for the
aforementioned task while maintaining an unbiased testing standpoint for
ethical research. Computational efficiency and overall fitness are considered
key valedictory parameters for assessing the related algorithms, emphasis is
also given to variable input seeds to find the most suitable utility driven
strategy. Simulated Annealing was obtained empirically to be the top performing
heuristic strategy, with a fitness of 760, which was considerably superior to
other algorithms and provided consistent performance across various input seeds
and individual performance indicators.
- Abstract(参考訳): 動的地形と環境における地球外ローバーの最適移動と効率的な移動は、惑星科学と地球物理システムの分野で重要な問題ステートメントである。
惑星ローバーのサスペンション機構のための最上級かつ効率的なアーキテクチャの設計は、堅牢なローバーへの重要なステップである。
本稿では,海外の地形に関連した標準サスペンション手法であるrocker bogie機構に着目した。
これまでの文献を精査し,様々な最適化と大域的最小化アルゴリズムを活用し,ローバーサスペンション機構の機械設計最適化に関する新しい研究を行った。
本稿では,シミュレーション・アニーリング,遺伝的アルゴリズム,スワーミング・インテリジェンス技術,ベースライン・希望と微分進化に関する広範囲なテストを行い,関連するすべてのハイパーパラメータを徹底的に評価し,有用性のある解を求める。
また、上記の課題に対して、Dual Annealingおよび補助アルゴリズムの評価を行い、倫理研究の非バイアステストの視点を維持した。
計算効率と全体の適合性は、関連するアルゴリズムを評価する上で重要な決定パラメータであると考えられており、最も適切なユーティリティ駆動戦略を見つけるために、変数入力種にも強調される。
シミュレート・アニーリングは、他のアルゴリズムよりもかなり優れ、様々な入力種と個々のパフォーマンス指標に対して一貫したパフォーマンスを提供する760の適合性を持つ、最高性能のヒューリスティック戦略として実証的に得られた。
関連論文リスト
- Beyond Single-Model Views for Deep Learning: Optimization versus
Generalizability of Stochastic Optimization Algorithms [13.134564730161983]
本稿では、勾配降下(SGD)とその変種に着目し、ディープラーニングの最適化に新しいアプローチを採用する。
我々はSGDとその変種がSAMのような平らなミニマと同等の性能を示すことを示した。
本研究は、トレーニング損失とホールドアウト精度の関係、およびSGDとノイズ対応変種の性能について、いくつかの重要な知見を明らかにした。
論文 参考訳(メタデータ) (2024-03-01T14:55:22Z) - Efficient Inverse Design Optimization through Multi-fidelity
Simulations, Machine Learning, and Search Space Reduction Strategies [0.4105236597768038]
本稿では,限られた計算量で制約されたシナリオにおける逆設計最適化プロセスの拡張を目的とした手法を提案する。
提案手法はエアフォイル逆設計とスカラーフィールド再構成の2つの異なる工学的逆設計問題について解析する。
特に、この方法は、任意の逆設計アプリケーションに適用可能であり、代表的低忠実度機械学習モデル間の調和した相乗効果と高忠実度シミュレーションを促進する。
論文 参考訳(メタデータ) (2023-12-06T18:20:46Z) - Topological RANSAC for instance verification and retrieval without
fine-tuning [21.715267272787543]
本稿では,空間モデルをRANSACプロセス内のトポロジ的モデルに置き換える先駆的手法を提案する。
実験の結果,本手法はSPよりも優れ,非微調整検索における最先端性能を実現していることがわかった。
重要なことは、本手法は説明可能性が高く、軽量であり、様々な現実世界のアプリケーションに対して実用的で適応可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-10-10T09:53:59Z) - Energy-Guided Continuous Entropic Barycenter Estimation for General
Costs [98.51150518987954]
任意のOTコスト関数に対して連続的エントロピーOT(EOT)バリセンタを近似する新しいアルゴリズムを提案する。
本手法は、弱いOTに基づくEOT問題の二重再構成に基づいている。
論文 参考訳(メタデータ) (2023-10-02T11:24:36Z) - Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter
Selection in Short-Term Weather Forecasting [0.0]
本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムの適用について検討する。
平均二乗誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
論文 参考訳(メタデータ) (2023-09-05T22:13:35Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳(メタデータ) (2023-07-25T09:45:47Z) - Improvement of Computational Performance of Evolutionary AutoML in a
Heterogeneous Environment [0.0]
グラフ構造を持つパイプラインのモデリングにおける進化的最適化の質を高めるためのモジュラー手法を提案する。
実装されたアルゴリズムは、オープンソースのフレームワークであるFEDOTの一部として利用可能である。
論文 参考訳(メタデータ) (2023-01-12T15:59:04Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳(メタデータ) (2021-03-03T18:51:46Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳(メタデータ) (2020-08-19T15:22:15Z) - An Asymptotically Optimal Multi-Armed Bandit Algorithm and
Hyperparameter Optimization [48.5614138038673]
本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。
また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。
実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
論文 参考訳(メタデータ) (2020-07-11T03:15:21Z) - Localized active learning of Gaussian process state space models [63.97366815968177]
多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。
本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。
モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
論文 参考訳(メタデータ) (2020-05-04T05:35:02Z)
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。