論文の概要: Combined sizing and layout optimization of truss structures via update Monte Carlo tree search (UMCTS) algorithm

• arxiv url: http://arxiv.org/abs/2309.14231v1
• Date: Mon, 25 Sep 2023 15:42:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 15:01:40.957564
• Title: Combined sizing and layout optimization of truss structures via update Monte Carlo tree search (UMCTS) algorithm
• Title（参考訳）: update monte carlo tree search (umcts) アルゴリズムによるトラス構造のサイズとレイアウトの複合最適化
• Authors: Fu-Yao Ko, Katsuyuki Suzuki, Kazuo Yonekura
• Abstract要約: 本研究の主な関心事は, サイズとレイアウトの変数を同時に考慮したトラス構造の最適設計を見出すことである。 本稿では,更新プロセスとモンテカルロ木探索を組み合わせた強化学習手法を適用した。 提案手法は従来の方法よりも安定して解が得られる。
• 参考スコア（独自算出の注目度）: 1.2277343096128712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The main concern of this study is to find the optimal design of truss structures considering sizing and layout variables simultaneously. As compared to purely sizing optimization problems, this problem is more challenging since the two types of variables involved are fundamentally different in nature. In this paper, a reinforcement learning method combining the update process and Monte Carlo tree search called the update Monte Carlo tree search (UMCTS) for sizing optimization problems is applied to solve combined sizing and layout optimization for truss structures. This study proposes a novel update process for nodal coordinates with two features. (1) The allowed range of each coordinate varies in each round. (2) Accelerators for the number of entries in the allowed range and iteration numbers are introduced to reduce the computation time. Furthermore, nodal coordinates and member areas are determined at the same time with only one search tree in each round. The validation and efficiency of the UMCTS are tested on benchmark problems of planar and spatial trusses with discrete sizing variables and continuous layout variables. It is shown that the CPU time of the UMCTS is two times faster than the branch and bound method. The numerical results demonstrate that the proposed method stably achieves a better solution than other traditional methods.
• Abstract（参考訳）: 本研究の主な関心事は,サイズ変数とレイアウト変数を同時に考慮したトラス構造の最適設計を求めることである。 純粋に最適化問題と比較すると、関連する2種類の変数は本質的に異なるため、この問題はより困難である。 本稿では,この更新過程とモンテカルロ木探索を組み合わせた拡張学習法である更新モンテカルロ木探索法 (umcts) を適用し,トラス構造のサイズ最適化とレイアウト最適化を組み合わせた解法を提案する。 本研究は2つの特徴を持つnodal座標の新しい更新プロセスを提案する。 1)各座標の許容範囲は各ラウンドによって異なる。 2) 許容範囲のエントリ数と反復数に対する加速器を導入して計算時間を短縮する。 さらに、各ラウンドに1本の探索木のみを同時に結節座標と部材領域を決定する。 UMCTSの検証と効率は、離散サイズ変数と連続レイアウト変数を持つ平面トラスと空間トラスのベンチマーク問題で検証される。 その結果、umctsのcpu時間は分岐およびバウンドメソッドの2倍高速であることが判明した。 その結果,提案手法は従来の手法よりも安定して優れた解が得られることがわかった。

関連論文リスト

• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• Ant Colony Sampling with GFlowNets for Combinatorial Optimization [68.84985459701007]
  Generative Flow Ant Colony Sampler (GFACS)は、階層的に償却推論と並列探索を組み合わせた新しいメタヒューリスティック手法である。 提案手法はまず,生成フローネットワーク(GFlowNets)を利用して,ソリューション空間上の複数モーダル事前分布を記憶する。
  論文  参考訳（メタデータ） (2024-03-11T16:26:06Z)
• Improved Monte Carlo tree search formulation with multiple root nodes for discrete sizing optimization of truss structures [1.0923877073891446]
  本稿では,改良モンテカルロ木探索法(IMCTS)を用いた新しい強化学習アルゴリズムを提案する。 複数のルートノードを持つIMCTSには、更新プロセス、最高の報酬、加速技術、端末条件が含まれる。 これらの数値的な例は、エージェントが計算コストの低い最適解を見つけ、安定して最適な設計をし、多目的構造最適化や大規模構造に適していることを示している。
  論文  参考訳（メタデータ） (2023-09-12T08:29:53Z)
• TreeDQN: Learning to minimize Branch-and-Bound tree [78.52895577861327]
  Branch-and-Boundは、Mixed Linear Programsという形で最適化タスクを解決するための便利なアプローチである。 解法の効率は、分割する変数を選択するのに使用される分岐に依存する。 分岐を効率的に学習できる強化学習法を提案する。
  論文  参考訳（メタデータ） (2023-06-09T14:01:26Z)
• Monte Carlo Tree Descent for Black-Box Optimization [10.698553177585973]
  我々は、より高速な最適化のためにサンプルベース降下をさらに統合する方法を研究する。 我々は,モンテカルロ探索木の拡張手法を,頂点における新しい降下法を用いて設計する。 提案アルゴリズムは,多くの挑戦的ベンチマーク問題において,最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-01T22:45:10Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• 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)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)
• 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。