論文の概要: Adaptive search space decomposition method for pre- and post- buckling
analyses of space truss structures
- arxiv url: http://arxiv.org/abs/2211.07519v1
- Date: Mon, 14 Nov 2022 16:47:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 19:36:46.755956
- Title: Adaptive search space decomposition method for pre- and post- buckling
analyses of space truss structures
- Title（参考訳）: 空間トラス構造の事前および後座屈解析のための適応探索空間分解法
- Authors: Varun Ojha, Bartolomeo Panto, and Giuseppe Nicosia
- Abstract要約: 本稿では,プレ・ポスト・ブロックリング解析のための適応型探索空間分解法と勾配のない最適化に基づく定式化を提案する。
本稿では,3つのベンチマーク問題に取り組み,実構造問題を表す中規模試験を評価する。
採用手法の精度とロバスト性は、空間トラス構造解析における勾配のないアルゴリズムの可能性を示している。
- 参考スコア（独自算出の注目度）: 0.7537475180985098
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper proposes a novel adaptive search space decomposition method and a
novel gradient-free optimization-based formulation for the pre- and
post-buckling analyses of space truss structures. Space trusses are often
employed in structural engineering to build large steel constructions, such as
bridges and domes, whose structural response is characterized by large
displacements. Therefore, these structures are vulnerable to progressive
collapses due to local or global buckling effects, leading to sudden failures.
The method proposed in this paper allows the analysis of the load-equilibrium
path of truss structures to permanent and variable loading, including stable
and unstable equilibrium stages and explicitly considering geometric
nonlinearities. The goal of this work is to determine these equilibrium stages
via optimization of the Lagrangian kinematic parameters of the system,
determining the global equilibrium. However, this optimization problem is
non-trivial due to the undefined parameter domain and the sensitivity and
interaction among the Lagrangian parameters. Therefore, we propose formulating
this problem as a nonlinear, multimodal, unconstrained, continuous optimization
problem and develop a novel adaptive search space decomposition method, which
progressively and adaptively re-defines the search domain (hypersphere) to
evaluate the equilibrium of the system using a gradient-free optimization
algorithm. We tackle three benchmark problems and evaluate a medium-sized test
representing a real structural problem in this paper. The results are compared
to those available in the literature regarding displacement-load curves and
deformed configurations. The accuracy and robustness of the adopted methodology
show a high potential of gradient-free algorithms in analyzing space truss
structures.
- Abstract（参考訳）: 本稿では,空間トラス構造の前・後解析のための適応型探索空間分解法と,勾配なし最適化に基づく新しい定式化を提案する。
宇宙トラスはしばしば、大きな変位によって特徴付けられる橋やドームのような大きな鋼構造物を構築するために構造工学で使用される。
したがって、これらの構造は局所的またはグローバルな座屈効果による進行的な崩壊に弱いため、突然の失敗に繋がる。
本稿では, 安定かつ不安定な平衡段階を含むトラス構造物の荷重平衡経路の解析と, 幾何非線形性を明示的に考慮することを可能とする。
この研究の目的は、システムのラグランジアン運動パラメータの最適化を通じてこれらの平衡段階を決定し、大域平衡を決定することである。
しかし、この最適化問題は、未定義のパラメータ領域とラグランジアンパラメータ間の感度と相互作用のため、非自明である。
そこで本研究では,非線形,マルチモーダル,非拘束,連続最適化問題としてこの問題を定式化し,探索領域(超球)を漸進的かつ適応的に再定義し,無勾配最適化アルゴリズムを用いてシステムの平衡を評価する新しい適応探索空間分解法を提案する。
本稿では,3つのベンチマーク問題に取り組み,実構造問題を表す中規模試験を評価する。
その結果, 変位荷重曲線および変形形状に関する文献で得られるものと比較した。
導入した手法の精度とロバスト性は,空間トラス構造解析における勾配なしアルゴリズムの高ポテンシャルを示している。
関連論文リスト
- Gradient-free neural topology optimization [0.0]
勾配のないアルゴリズムは勾配に基づくアルゴリズムと比較して多くの繰り返しを収束させる必要がある。
これにより、反復1回あたりの計算コストとこれらの問題の高次元性のため、トポロジ最適化では実現不可能となった。
我々は,潜時空間における設計を最適化する場合に,少なくとも1桁の繰り返し回数の減少につながる事前学習型ニューラルリパラメータ化戦略を提案する。
論文 参考訳（メタデータ） (2024-03-07T23:00:49Z) - Constrained Optimization via Exact Augmented Lagrangian and Randomized
Iterative Sketching [55.28394191394675]
等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。
ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-28T06:33:37Z) - Adaptive Stochastic Optimisation of Nonconvex Composite Objectives [2.1700203922407493]
一般化された複合ミラー降下アルゴリズムの一群を提案し,解析する。
適応的なステップサイズでは、提案アルゴリズムは問題の事前知識を必要とせずに収束する。
決定集合の低次元構造を高次元問題に活用する。
論文 参考訳（メタデータ） (2022-11-21T18:31:43Z) - On the Sparse DAG Structure Learning Based on Adaptive Lasso [39.31370830038554]
適応NOTEARS[30]という,事前定義されたしきい値のないデータ駆動型DAG構造学習手法を開発した。
適応型NOTEARSは特定の条件下でのオラクル特性を享受できることを示し, シミュレーションの結果, エッジのギャップをゼロに設定することなく, 提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-09-07T05:47:59Z) - Adaptive Zeroth-Order Optimisation of Nonconvex Composite Objectives [1.7640556247739623]
ゼロ階エントロピー合成目的のためのアルゴリズムを解析し,次元依存性に着目した。
これは、ミラー降下法と推定類似関数を用いて、決定セットの低次元構造を利用して達成される。
勾配を改善するため、Rademacherに基づく古典的なサンプリング法を置き換え、ミニバッチ法が非ユークリ幾何学に対処することを示す。
論文 参考訳（メタデータ） (2022-08-09T07:36:25Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - 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) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Efficient Methods for Structured Nonconvex-Nonconcave Min-Max
Optimization [98.0595480384208]
定常点に収束する一般化外空間を提案する。
このアルゴリズムは一般の$p$ノルド空間だけでなく、一般の$p$次元ベクトル空間にも適用される。
論文 参考訳（メタデータ） (2020-10-31T21:35:42Z) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z) - Convergence and sample complexity of gradient methods for the model-free
linear quadratic regulator problem [27.09339991866556]
本稿では,コントローラの空間を直接探索することにより,未知の計算系に対する最適制御を求める。
我々は、安定化フィードバックゲインの勾配-フローのダイナミクスセットに焦点をあてて、そのような手法の性能と効率を最小化するための一歩を踏み出した。
論文 参考訳（メタデータ） (2019-12-26T16:56:59Z)
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。