論文の概要: Bilinear Fuzzy Genetic Algorithm and Its Application on the Optimum Design of Steel Structures with Semi-rigid Connections
- arxiv url: http://arxiv.org/abs/2411.05865v1
- Date: Thu, 07 Nov 2024 13:07:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:12:47.247642
- Title: Bilinear Fuzzy Genetic Algorithm and Its Application on the Optimum Design of Steel Structures with Semi-rigid Connections
- Title(参考訳): 双線形ファジィ遺伝的アルゴリズムと半剛性連結鋼構造物の最適設計への応用
- Authors: Salar Farahmand-Tabar, Payam Ashtari,
- Abstract要約: 本章では, 半剛性を有する鋼構造物の設計最適化のために, 改良された双線形ファジィ遺伝的アルゴリズム(BFGA)を導入している。
BFGAはファジィ論理と遺伝的アルゴリズムの強みを組み合わせて、構造設計問題の複雑さと不確実性を扱う。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: An improved bilinear fuzzy genetic algorithm (BFGA) is introduced in this chapter for the design optimization of steel structures with semi-rigid connections. Semi-rigid connections provide a compromise between the stiffness of fully rigid connections and the flexibility of fully pinned connections. However, designing such structures is challenging due to the nonlinear behavior of semi-rigid connections. The BFGA is a robust optimization method that combines the strengths of fuzzy logic and genetic algorithm to handle the complexity and uncertainties of structural design problems. The BFGA, compared to standard GA, demonstrated to generate high-quality solutions in a reasonable time. The application of the BFGA is demonstrated through the optimization of steel structures with semirigid connections, considering the weight and performance criteria. The results show that the proposed BFGA is capable of finding optimal designs that satisfy all the design requirements and constraints. The proposed approach provides a promising solution for the optimization of complex structures with nonlinear behavior.
- Abstract(参考訳): 本章では, 半剛性を有する鋼構造物の設計最適化のために, 改良された双線形ファジィ遺伝的アルゴリズム(BFGA)を導入している。
半剛性接続は、完全剛性接続の剛性と完全に固定された接続の柔軟性の間に妥協をもたらす。
しかし、そのような構造を設計することは半剛体接続の非線形挙動のために困難である。
BFGAは、ファジィ論理と遺伝的アルゴリズムの強みを組み合わせて、構造設計問題の複雑さと不確実性を扱う頑健な最適化手法である。
BFGAは、標準的なGAと比較して、妥当な時間で高品質なソリューションを生成することを実証した。
BFGAの適用は、重量および性能基準を考慮して、半剛性接続を有する鋼構造物の最適化を通じて実証される。
その結果,提案したBFGAは,すべての設計要件と制約を満たす最適設計を見つけることができることがわかった。
提案手法は非線形挙動を持つ複素構造の最適化に有望な解を与える。
関連論文リスト
- Generative Topology Optimization: Exploring Diverse Solutions in Structural Design [11.585099298173285]
トポロジー最適化(英: Topology Optimization、TO)は、公式な問題記述から準最適ジオメトリを導出する計算手法のファミリーである。
生成トポロジ最適化(GenTO)は,ニューラルネットワークを用いて構造に適合した形状を生成するデータフリーな手法である。
我々は,GenTOがほぼ最適性を維持しながら,従来手法よりも多様な解を生成することを示す。
論文 参考訳(メタデータ) (2025-02-17T21:24:18Z) - Scalable First-order Method for Certifying Optimal k-Sparse GLMs [9.613635592922174]
そこで本研究では,BnBフレームワークの視点緩和を解くために,一階近位勾配アルゴリズムを提案する。
提案手法は双有界計算を著しく高速化し,大規模問題に対する最適性証明の提供に極めて有効であることを示す。
論文 参考訳(メタデータ) (2025-02-13T17:14:18Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳(メタデータ) (2025-01-02T05:06:16Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳(メタデータ) (2023-08-16T14:25:30Z) - 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) - 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) - A Framework for Discovering Optimal Solutions in Photonic Inverse Design [0.0]
フォトニック逆設計は複雑な光学系にとって必須の工学ツールとして登場した。
グローバル最適に近づく解を見つけることは、計算的に難解なタスクを示すかもしれない。
我々は,複雑な最適化空間上でのグローバル最適化に近い解の探索を高速化するフレームワークを開発する。
論文 参考訳(メタデータ) (2021-06-03T22:11:03Z) - Augmenting High-dimensional Nonlinear Optimization with Conditional GANs [0.0]
本稿では,逆最適化アルゴリズムを補完する生成モデルを提案する。
生成モデルは、オリジナルのソリューションよりも100%優れた多様性を持つソリューションを生成します。
単純なトレーニングアプローチや単純なトレーニングさえも、高次元問題に対する逆アルゴリズムによって見つかる解の多様性と最適性を大幅に改善できることを示す。
論文 参考訳(メタデータ) (2021-02-20T18:07:33Z) - 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) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳(メタデータ) (2020-02-13T05:42:27Z) - Topology optimization of 2D structures with nonlinearities using deep
learning [0.0]
クラウドコンピューティングは最適な非線形構造を探索することを可能にする。
最適化設計を予測するための畳み込みニューラルネットワークモデルを開発した。
開発したモデルは、反復的なスキームを必要とせずに、最適化された設計を正確に予測することができる。
論文 参考訳(メタデータ) (2020-01-31T12:36:17Z)
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。