論文の概要: Bayesian optimization for mixed variables using an adaptive dimension reduction process: applications to aircraft design

• arxiv url: http://arxiv.org/abs/2504.08682v1
• Date: Fri, 11 Apr 2025 16:43:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:19:39.509735
• Title: Bayesian optimization for mixed variables using an adaptive dimension reduction process: applications to aircraft design
• Title（参考訳）: 適応次元還元法による混合変数のベイズ最適化:航空機設計への応用
• Authors: Paul Saves, Nathalie Bartoli, Youssef Diouane, Thierry Lefebvre, Joseph Morlier, Christophe David, Eric Nguyen Van, Sébastien Defoort,
• Abstract要約: 多分野設計最適化手法は、複数の分野を含む工学系の設計に数値最適化手法を適用することを目的としている。 最適化プロセス中に連続変数、整数変数、カテゴリー変数が混在し、実用的な応用には多数の設計変数が含まれる。
• 参考スコア（独自算出の注目度）: 0.5420492913071214
• License:
• Abstract: Multidisciplinary design optimization methods aim at adapting numerical optimization techniques to the design of engineering systems involving multiple disciplines. In this context, a large number of mixed continuous, integer and categorical variables might arise during the optimization process and practical applications involve a large number of design variables. Recently, there has been a growing interest in mixed variables constrained Bayesian optimization but most existing approaches severely increase the number of the hyperparameters related to the surrogate model. In this paper, we address this issue by constructing surrogate models using less hyperparameters. The reduction process is based on the partial least squares method. An adaptive procedure for choosing the number of hyperparameters is proposed. The performance of the proposed approach is confirmed on analytical tests as well as two real applications related to aircraft design. A significant improvement is obtained compared to genetic algorithms.
• Abstract（参考訳）: 多分野設計最適化手法は、複数の分野を含む工学系の設計に数値最適化手法を適用することを目的としている。 この文脈では、多くの連続変数、整数変数、カテゴリー変数が最適化プロセス中に出現し、実用アプリケーションは多数の設計変数を含む。 近年、混合変数に対する関心が高まっており、ベイズ最適化が制限されているが、既存のほとんどのアプローチは、代理モデルに関連するハイパーパラメータの数を大幅に増やしている。 本稿では,より少ないハイパーパラメータを用いた代理モデルを構築することでこの問題に対処する。 還元過程は部分最小二乗法に基づいている。 ハイパーパラメータ数を選択するための適応的な手順を提案する。 提案手法の性能は, 航空機設計に関する2つの実例と同様に, 解析実験で確認された。 遺伝的アルゴリズムと比較して顕著な改善が得られた。

関連論文リスト

• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• 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)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Numerical Methods for Convex Multistage Stochastic Optimization [86.45244607927732]
  最適化プログラミング(SP)、最適制御(SOC)、決定プロセス(MDP)に焦点を当てる。 凸多段マルコフ問題の解決の最近の進歩は、動的プログラミング方程式のコスト対ゴー関数の切断面近似に基づいている。 切削平面型法は多段階問題を多段階的に扱えるが、状態(決定)変数は比較的少ない。
  論文  参考訳（メタデータ） (2023-03-28T01:30:40Z)
• Scalable Bayesian optimization with high-dimensional outputs using randomized prior networks [3.0468934705223774]
  本稿では,確率化された先行するニューラルネットワークの自己ストラップ型アンサンブルに基づくBOとシーケンシャル意思決定のためのディープラーニングフレームワークを提案する。 提案手法は,高次元ベクトル空間や無限次元関数空間の値を取る場合においても,設計変数と関心量の関数的関係を近似することができることを示す。 提案手法をBOの最先端手法に対して検証し,高次元出力の課題に対して優れた性能を示す。
  論文  参考訳（メタデータ） (2023-02-14T18:55:21Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Automated Circuit Sizing with Multi-objective Optimization based on Differential Evolution and Bayesian Inference [1.1579778934294358]
  一般化微分進化3(GDE3)とガウス過程(GP)に基づく設計最適化手法を提案する。 提案手法は,多数の設計変数を持つ複雑な回路の小型化を実現し,多くの競合対象を最適化する。 本研究では,2つの電圧レギュレータにおいて,異なるレベルの複雑さを示す手法について検討した。
  論文  参考訳（メタデータ） (2022-06-06T06:48:45Z)
• Multi-objective robust optimization using adaptive surrogate models for problems with mixed continuous-categorical parameters [0.0]
  ロバスト設計の最適化は、不確実性が主に目的関数に影響を与える場合、伝統的に考慮されている。 結果として生じるネスト最適化問題は、非支配的ソート遺伝的アルゴリズム(NSGA-II)において、汎用的な解法を用いて解決することができる。 提案手法は、適応的に構築されたKrigingモデルを用いて、NSGA-IIを順次実行し、量子を推定する。
  論文  参考訳（メタデータ） (2022-03-03T20:23:18Z)
• Optimizing Large-Scale Hyperparameters via Automated Learning Algorithm [97.66038345864095]
  ゼロ階超勾配(HOZOG)を用いた新しいハイパーパラメータ最適化法を提案する。 具体的には、A型制約最適化問題として、まずハイパーパラメータ最適化を定式化する。 次に、平均ゼロ階超勾配を用いてハイパーパラメータを更新する。
  論文  参考訳（メタデータ） (2021-02-17T21:03:05Z)
• 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)
• 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。