論文の概要: Snail Homing and Mating Search Algorithm for Weight Optimization of Stepped-Transmission Shaft
- arxiv url: http://arxiv.org/abs/2509.13721v1
- Date: Wed, 17 Sep 2025 06:16:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.73419
- Title: Snail Homing and Mating Search Algorithm for Weight Optimization of Stepped-Transmission Shaft
- Title（参考訳）: ステップ伝達軸の重み最適化のためのスネールハウミングとマッチング探索アルゴリズム
- Authors: Kaustav Saha, Ishaan R Kale, Vivek Patel, Anand J Kulkarni, Puskaraj D Sonawwanay,
- Abstract要約: 提案する急速伝達軸設計問題は, 疲労荷重, 複合曲げ, ねじり荷重, 修正グッドマン基準の原理を考慮しモデル化した。
SHMSアルゴリズムは、適切な計算コストで所望の解を得た。
- 参考スコア（独自算出の注目度）: 0.4104921880358479
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, the steeped-transmission shaft design problem is proposed for weight optimization. The bio-inspired search-based Snail Homing and Mating Search (SHMS) algorithm is utilized to solve the problem. It is inspired by the social behaviour of snails and their inherent nature of finding better homes, and mate. The proposed steeped-transmission shaft design problem is modelled considering the fatigue loading, combined bending, torsion loads, and the principle of Modified Goodman criteria. The forces diagram and the bending moment diagrams are obtained using the MDSOLIDS software. The forces and bending moment are then used to mathematical model the objective function and constraints. The SHMS algorithm has yielded the desired solution with reasonable computational cost. The constraints are handled using a static penalty function approach. The statistical results obtained using SHMS algorithm are further used for generating CAD model. The analysis is carried out in ANSYS Workbench. Further, the deflection obtained from SHMS algorithm and ANSYS Workbench are compared and results are discussed in details.
- Abstract（参考訳）: 本稿では,重量最適化のための急速伝達軸設計問題を提案する。
バイオインスパイアされた検索ベースのSnail Homing and Mating Search (SHMS)アルゴリズムを用いてこの問題を解決する。
これは、カタツムリの社会的行動と、より良い家を見つけるという固有の性質に着想を得たものである。
提案する急速伝達軸設計問題は, 疲労荷重, 複合曲げ, ねじり荷重, 修正グッドマン基準の原理を考慮しモデル化した。
MDSOLIDSソフトウェアを用いて力図と曲げモーメント図を得る。
力と曲げモーメントは、目的関数と制約を数学的にモデル化するために使用される。
SHMSアルゴリズムは、適切な計算コストで所望の解を得た。
制約は静的ペナルティ関数アプローチで処理される。
SHMSアルゴリズムを用いて得られた統計結果はCADモデルの生成にさらに使用される。
分析は ANSYS Workbench で行われる。
さらに、SHMSアルゴリズムとANSYSワークベンチから得られた偏向を比較し、詳細な結果について議論した。
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) - L0-regularized compressed sensing with Mean-field Coherent Ising Machines [0.8292466835099597]
量子ノイズを伴わない物理学的な解法である平均場CIMモデルを提案する。
以上の結果から, 提案手法は, 人工磁気共鳴画像データと磁気共鳴画像データの両方において, 物理的に高精度なSDEと類似した性能を有することが明らかとなった。
論文 参考訳（メタデータ） (2024-05-01T07:43:26Z) - Snail Homing and Mating Search Algorithm: A Novel Bio-Inspired
Metaheuristic Algorithm [0.855200588098612]
提案したSHMSアルゴリズムは,複数の単モーダル関数と多モーダル関数を解くことによって検討する。
SHMSアルゴリズムの現実的な応用は、エンジニアリング設計領域で実証されている。
論文 参考訳（メタデータ） (2023-10-06T05:18:48Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Stochastic Gradient Descent-like relaxation is equivalent to Metropolis dynamics in discrete optimization and inference problems [0.7499722271664147]
SGDライクなアルゴリズムの力学は、適切に選択された温度のメトロポリスモンテカルロと非常によく似ていることを示す。
この等価性により、モンテカルロアルゴリズムの性能と限界に関する結果を用いて、SGDライクなアルゴリズムのミニバッチサイズを最適化できる。
論文 参考訳（メタデータ） (2023-09-11T09:34:44Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Fast Distributionally Robust Learning with Variance Reduced Min-Max
Optimization [85.84019017587477]
分散的ロバストな教師付き学習は、現実世界のアプリケーションのための信頼性の高い機械学習システムを構築するための重要なパラダイムとして登場している。
Wasserstein DRSLを解くための既存のアルゴリズムは、複雑なサブプロブレムを解くか、勾配を利用するのに失敗する。
我々はmin-max最適化のレンズを通してwaserstein drslを再検討し、スケーラブルで効率的に実装可能な超勾配アルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-04-27T16:56:09Z) - Adaptive Importance Sampling for Finite-Sum Optimization and Sampling
with Decreasing Step-Sizes [4.355567556995855]
ステップサイズを小さくした有限サム最適化とサンプリングのための適応的重要度サンプリングのための簡易かつ効率的なアルゴリズムであるavareを提案する。
標準的な技術的条件下では、$mathcalO(T2/3)$と$mathcalO(T5/6)$の動的後悔をそれぞれ、$mathcalO(T5/6)$のステップサイズで実行するときに達成している。
論文 参考訳（メタデータ） (2021-03-23T00:28:15Z) - Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。
本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。
本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
論文 参考訳（メタデータ） (2020-11-09T02:51:17Z)
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。