論文の概要: Self-Learning-Based Optimization for Free-form Pipe Routing in Aeroengine with Dynamic Design Environment

• arxiv url: http://arxiv.org/abs/2504.03669v1
• Date: Thu, 20 Mar 2025 13:45:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-13 07:22:43.353562
• Title: Self-Learning-Based Optimization for Free-form Pipe Routing in Aeroengine with Dynamic Design Environment
• Title（参考訳）: 動的設計環境を有する航空機関における自由形管路の自己学習に基づく最適化
• Authors: Caicheng Wang, Zili Wang, Shuyou Zhang, Yongzhe Xiang, Zheyi Li, Jianrong Tan,
• Abstract要約: 本研究では,航空工学における自由形パイプルーティングを最適化するための自己学習方式(SLPR)を提案する。 SLPR内のエージェントは、パイプルーティングを反復的に洗練し、環境との相互作用を通じて設計知識を蓄積する。 静的設計環境と動的設計環境の両方において、SLPRはパイプ長の削減、レイアウト規則の順守、経路の複雑さ、計算効率の点で3つの代表的ベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 5.128220263390701
• License:
• Abstract: Pipe routing is a highly complex, time-consuming, and no-deterministic polynomial-time hard (NP-hard) problem in aeroengine design. Despite extensive research efforts in optimizing constant-curvature pipe routing, the growing demand for free-form pipes poses new challenges. Dynamic design environments and fuzzy layout rules further impact the optimization performance and efficiency. To tackle these challenges, this study proposes a self-learning-based method (SLPR) for optimizing free-form pipe routing in aeroengines. The SLPR is based on the proximal policy optimization (PPO) algorithm and integrates a unified rule modeling framework for efficient obstacle detection and fuzzy rule modeling in continuous space. Additionally, a potential energy table is constructed to enable rapid queries of layout tendencies and interference. The agent within SLPR iteratively refines pipe routing and accumulates the design knowledge through interaction with the environment. Once the design environment shifts, the agent can swiftly adapt by fine-tuning network parameters. Comparative tests reveal that SLPR ensures smooth pipe routing through cubic non-uniform B-spline (NURBS) curves, avoiding redundant pipe segments found in constant-curvature pipe routing. Results in both static and dynamic design environments demonstrate that SLPR outperforms three representative baselines in terms of the pipe length reduction, the adherence to layout rules, the path complexity, and the computational efficiency. Furthermore, tests in dynamic environments indicate that SLPR eliminates labor-intensive searches from scratch and even yields superior solutions compared to the retrained model. These results highlight the practical value of SLPR for real-world pipe routing, meeting lightweight, precision, and sustainability requirements of the modern aeroengine design.
• Abstract（参考訳）: パイプルーティングは、航空工学設計において非常に複雑で、時間を要する、決定論的多項式時間ハード(NP-hard)問題である。 一定曲率のパイプルーティングを最適化するための広範な研究努力にもかかわらず、自由形パイプの需要が増加し、新たな課題が浮かび上がっている。 動的設計環境とファジィレイアウトルールは、最適化性能と効率にさらに影響を及ぼす。 これらの課題に対処するために,航空工学における自由形パイプルーティングを最適化するための自己学習に基づく手法(SLPR)を提案する。 The SLPR is based on the proximal policy optimization (PPO) algorithm and integrated a unified rule modeling framework for efficient obstacle detection and fuzzy rule modeling in continuous space。 さらに、レイアウト傾向と干渉の高速なクエリを可能にするために、ポテンシャルエネルギーテーブルを構築する。 SLPR内のエージェントは、パイプルーティングを反復的に洗練し、環境との相互作用を通じて設計知識を蓄積する。 一度設計環境がシフトすると、エージェントは細調整されたネットワークパラメータによって迅速に適応できる。 比較試験により, SLPRは, 定常曲率管路で発生する冗長なパイプセグメントを回避し, 立方体非一様B-スプライン(NURBS)曲線を円滑にルーティングすることを確認した。 静的設計環境と動的設計環境の両方において、SLPRはパイプ長の削減、レイアウト規則の順守、経路の複雑さ、計算効率の点で3つの代表的ベースラインを上回っている。 さらに、動的環境におけるテストでは、SLPRはスクラッチから労働集約的な探索を排除し、再訓練されたモデルよりも優れた解が得られることも示している。 これらの結果から,現代の航空機設計におけるSLPRの実用的価値,軽量化,高精度化,持続可能性といった課題が浮き彫りになった。

関連論文リスト

• Universality of Real Minimal Complexity Reservoir [0.358439716487063]
  貯留層計算(Reservoir Computing, RC)モデルは、その固定された非トレーニング可能な入力層と動的に結合された貯留層によって区別される。 Simple Cycle Reservoirs (SCR) は、制約の高い貯水池構造を持つRCモデルの特殊なクラスである。 実領域で動作するSCRは、減少するメモリを持つ時間不変の動的フィルタの普遍的な近似器である。
  論文  参考訳（メタデータ） (2024-08-15T10:44:33Z)
• Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
  大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。 本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。 我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-09T07:45:26Z)
• IPA: Inference Pipeline Adaptation to Achieve High Accuracy and Cost-Efficiency [5.2258780240494085]
  推論パイプライン適応システムは、ディープラーニングタスク毎のモデル変種を効率的に活用する。 IPAはバッチサイズ、レプリケーション、モデルの変種を動的に設定し、精度を最適化し、コストを最小化し、ユーザ定義の遅延レベル合意を満たす。
  論文  参考訳（メタデータ） (2023-08-24T15:48:21Z)
• A Neuromorphic Architecture for Reinforcement Learning from Real-Valued Observations [0.34410212782758043]
  強化学習(RL)は複雑な環境における意思決定のための強力なフレームワークを提供する。 本稿では,実測値を用いてRL問題を解くための新しいスパイキングニューラルネットワーク(SNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-07-06T12:33:34Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• A Dynamic Residual Self-Attention Network for Lightweight Single Image Super-Resolution [17.094665593472214]
  軽量単一像超解像(SISR)のための動的残像自己アテンションネットワーク(DRSAN)を提案する。 DRSANは動的残留注意(DRA)に基づく動的残留接続を持ち、入力統計に基づいてその構造を適応的に変化させる。 また,余剰自己アテンション(RSA)モジュールも提案し,付加パラメータを伴わずに3次元のアテンションマップを生成する。
  論文  参考訳（メタデータ） (2021-12-08T06:41:21Z)
• AdaPool: A Diurnal-Adaptive Fleet Management Framework using Model-Free Deep Reinforcement Learning and Change Point Detection [34.77250498401055]
  本稿では,車いすによる乗り合い環境における日中パターンを認識・適応できる適応型モデルフリー深部強化手法を提案する。 本論文では, 配車における適応論理に加えて, 動的かつ需要に応じた車両通行者マッチングと経路計画の枠組みを提案する。
  論文  参考訳（メタデータ） (2021-04-01T02:14:01Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Meta-Reinforcement Learning for Trajectory Design in Wireless UAV Networks [151.65541208130995]
  ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。 この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。 新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-25T20:43:59Z)

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。