論文の概要: High-Dimensional Bayesian Optimisation with Large-Scale Constraints --
An Application to Aeroelastic Tailoring
- arxiv url: http://arxiv.org/abs/2312.08891v1
- Date: Thu, 14 Dec 2023 12:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 22:11:23.119638
- Title: High-Dimensional Bayesian Optimisation with Large-Scale Constraints --
An Application to Aeroelastic Tailoring
- Title（参考訳）: 大規模制約による高次元ベイズ最適化 -エアロ弾性テーラーへの応用-
- Authors: Hauke Maathuis, Roeland De Breuker, Saullo G. P. Castro
- Abstract要約: 設計の最適化は、環境への影響の少ない軽量な航空機構造に繋がる可能性がある。
設計変数や制約の数が多いため、これらの問題は勾配に基づく最適化法を用いて通常解決される。
本研究では,高次元ベイズ最適化と次元還元手法を併用してこの問題に対処する。
- 参考スコア（独自算出の注目度）: 1.8004890248574648
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Design optimisation potentially leads to lightweight aircraft structures with
lower environmental impact. Due to the high number of design variables and
constraints, these problems are ordinarily solved using gradient-based
optimisation methods, leading to a local solution in the design space while the
global space is neglected. Bayesian Optimisation is a promising path towards
sample-efficient, global optimisation based on probabilistic surrogate models.
While Bayesian optimisation methods have demonstrated their strength for
problems with a low number of design variables, the scalability to
high-dimensional problems while incorporating large-scale constraints is still
lacking. Especially in aeroelastic tailoring where directional stiffness
properties are embodied into the structural design of aircraft, to control
aeroelastic deformations and to increase the aerodynamic and structural
performance, the safe operation of the system needs to be ensured by involving
constraints resulting from different analysis disciplines. Hence, a global
design space search becomes even more challenging. The present study attempts
to tackle the problem by using high-dimensional Bayesian Optimisation in
combination with a dimensionality reduction approach to solve the optimisation
problem occurring in aeroelastic tailoring, presenting a novel approach for
high-dimensional problems with large-scale constraints. Experiments on
well-known benchmark cases with black-box constraints show that the proposed
approach can incorporate large-scale constraints.
- Abstract（参考訳）: 設計の最適化は、環境影響の少ない軽量航空機構造につながる可能性がある。
設計変数や制約の多さから、これらの問題はグラデーションベースの最適化手法で通常解かれ、グローバル空間が無視されている間に設計空間の局所解が導かれる。
ベイズ最適化は確率的サロゲートモデルに基づくサンプル効率のよいグローバル最適化への有望な道である。
ベイズ最適化法は設計変数の少ない問題に対して強みを示してきたが、大規模制約を組み込んだ高次元問題へのスケーラビリティはまだ不足している。
特に, 航空機の構造設計に指向性剛性特性を具現化し, 空気弾性変形を制御し, 空力・構造性能を向上させる場合, 異なる解析分野の制約を伴って, システムの安全運転を確保する必要がある。
したがって、グローバルなデザイン空間の探索はさらに困難になる。
本研究では,高次元ベイズ最適化と次元還元法を併用してエアロ弾性調整における最適問題の解法を試み,大規模制約を伴う高次元問題に対する新しいアプローチを提案する。
ブラックボックス制約のあるよく知られたベンチマークケースの実験は、提案手法が大規模制約を組み込むことができることを示している。
関連論文リスト
- Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。
本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。
提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
論文 参考訳（メタデータ） (2024-03-20T00:41:12Z) - Bayesian Quality-Diversity approaches for constrained optimization
problems with mixed continuous, discrete and categorical variables [0.3626013617212667]
シミュレーション予算の制限という観点から,混合変数に基づく新しい品質多様性手法を提案する。
提案手法は、複雑なシステム設計のための意思決定者にとって貴重なトレードオフを提供する。
論文 参考訳（メタデータ） (2023-09-11T14:29:47Z) - Diffusing the Optimal Topology: A Generative Optimization Approach [6.375982344506753]
トポロジ最適化は、システム性能を最大化しながら制約セットを満たす最良の設計を見つけようとしている。
SIMPのような従来の反復最適化手法は計算コストがかかり、ローカルのミニマに留まることがある。
本研究では、SIMPのような古典最適化を深い生成モデルによって生成されるトポロジの精製機構として統合する生成最適化手法を提案する。
論文 参考訳（メタデータ） (2023-03-17T03:47:10Z) - Optimization of the Shape of a Hydrokinetic Turbine's Draft Tube and Hub
Assembly Using Design-by-Morphing with Bayesian Optimization [0.0]
流体力学や空力面の最適設計を見つけることは、コスト関数を評価するコストがかかるため、しばしば不可能である。
デザイン・バイ・モーフィング(DbM)と呼ばれるモーフィングを用いてデザイン空間を作成する手法を提案する。
本研究では,水力タービンの出力を最大化するために,この形状最適化手法を適用した。
論文 参考訳（メタデータ） (2022-07-23T07:39:27Z) - Robust Constrained Multi-objective Evolutionary Algorithm based on
Polynomial Chaos Expansion for Trajectory Optimization [0.0]
提案手法は,頑健な定式化をPCEを介して決定論的問題に書き換える。
ケーススタディとして,風の不確実性を考慮した超音速輸送(SST)の着陸軌道設計を最適化した。
論文 参考訳（メタデータ） (2022-05-23T15:33:05Z) - Inverse design of photonic devices with strict foundry fabrication
constraints [55.41644538483948]
本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。
本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
論文 参考訳（メタデータ） (2022-01-31T02:27:25Z) - Multi-Objective Constrained Optimization for Energy Applications via
Tree Ensembles [55.23285485923913]
エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。
場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。
本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
論文 参考訳（メタデータ） (2021-11-04T20:18:55Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Automatically Learning Compact Quality-aware Surrogates for Optimization
Problems [55.94450542785096]
未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。
最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。
我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
論文 参考訳（メタデータ） (2020-06-18T19:11:54Z) - Scalable Constrained Bayesian Optimization [10.820024633762596]
ブラックボックス制約下での高次元ブラックボックス関数のグローバルな最適化は、機械学習、制御、科学コミュニティにおける普及的なタスクである。
本稿では,上記の課題を克服し,現状を推し進めるスケーラブルな制約付きベイズ最適化(SCBO)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-20T01:48:46Z) - Bilevel Optimization for Differentially Private Optimization in Energy
Systems [53.806512366696275]
本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。
本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
論文 参考訳（メタデータ） (2020-01-26T20:15:28Z)
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。