論文の概要: FGM optimization in complex domains using Gaussian process regression based profile generation algorithm

• arxiv url: http://arxiv.org/abs/2511.12171v1
• Date: Sat, 15 Nov 2025 11:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.655113
• Title: FGM optimization in complex domains using Gaussian process regression based profile generation algorithm
• Title（参考訳）: ガウス過程回帰に基づくプロファイル生成アルゴリズムを用いた複素領域のFGM最適化
• Authors: Chaitanya Kumar Konda, Piyush Agrawal, Shivansh Srivastava, Manish Agrawal,
• Abstract要約: この原稿は、任意の形のドメインに対して機能的にグレードされた材料(FGM)を設計するという課題に対処する。 提案アルゴリズムは複雑な形状のドメインを処理し、滑らかなFGMプロファイルを生成する。 GPRから得られる設計空間は、様々なプロファイルで構成され、最適な構成を発見する可能性を高める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This manuscript addresses the challenge of designing functionally graded materials (FGMs) for arbitrary-shaped domains. Towards this goal, the present work proposes a generic volume fraction profile generation algorithm based on Gaussian Process Regression (GPR). The proposed algorithm can handle complex-shaped domains and generate smooth FGM profiles while adhering to the specified volume fraction values at boundaries/part of boundaries. The resulting design space from GPR comprises diverse profiles, enhancing the potential for discovering optimal configurations. Further, the algorithm allows the user to control the smoothness of the underlying profiles and the size of the design space through a length scale parameter. Further, the proposed profile generation scheme is coupled with the genetic algorithm to find the optimum FGM profiles for a given application. To make the genetic algorithm consistent with the GPR profile generation scheme, the standard simulated binary crossover operator in the genetic algorithm has been modified with a projection operator. We present numerous thermoelastic optimization examples to demonstrate the efficacy of the proposed profile generation algorithm and optimization framework.
• Abstract（参考訳）: この写本は、任意の形のドメインに対して機能的にグレードされた材料(FGM)を設計するという課題に対処する。 本研究は,ガウス過程回帰(GPR)に基づく一般的な体積分数プロファイル生成アルゴリズムを提案する。 提案アルゴリズムは複雑な形状の領域を処理し,境界/部分境界で指定された体積分数値に固執しながら滑らかなFGMプロファイルを生成する。 GPRから得られる設計空間は、様々なプロファイルで構成され、最適な構成を発見する可能性を高める。 さらに、このアルゴリズムにより、ユーザは、長さスケールパラメータを用いて、基礎となるプロファイルの滑らかさとデザイン空間のサイズを制御できる。 さらに、提案したプロファイル生成スキームを遺伝的アルゴリズムと組み合わせて、与えられたアプリケーションに対して最適なFGMプロファイルを求める。 遺伝的アルゴリズムをGPRプロファイル生成方式と整合させるため、遺伝的アルゴリズムの標準的なシミュレートされたバイナリクロスオーバー演算子をプロジェクション演算子で修正した。 提案するプロファイル生成アルゴリズムと最適化フレームワークの有効性を示すために,数多くの熱弾性最適化例を示す。

関連論文リスト

• Generative Diffusion Models for Resource Allocation in Wireless Networks [74.84410305593006]
  我々は、専門家を模倣し、最適な分布から新しいサンプルを生成するポリシーを訓練する。 生成したサンプルの逐次実行により,ほぼ最適性能を実現する。 電力制御のケーススタディにおいて数値的な結果を示す。
  論文  参考訳（メタデータ） (2025-04-28T21:44:31Z)
• Generalized Preference Optimization: A Unified Approach to Offline Alignment [54.97015778517253]
  本稿では,一般的な凸関数のクラスによってパラメータ化されるオフライン損失の族である一般化された選好最適化(GPO)を提案する。 GPOは、DPO、IPO、SLiCといった既存のアルゴリズムを特別なケースとして含む、優先最適化に関する統一的なビューを可能にする。 本研究は,新たなアルゴリズムツールキットと経験的洞察を実践者のアライメントに提示する。
  論文  参考訳（メタデータ） (2024-02-08T15:33:09Z)
• Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration [2.984929040246293]
  ガウス過程シュロゲートモデルの精度を高めるために、ランダムな探索ステップに依存する新しいノイズフリーベイズ最適化戦略。 新しいアルゴリズムは、古典的なGP-UCBの実装の容易さを維持しているが、さらなる探索がそれらの収束を促進する。
  論文  参考訳（メタデータ） (2024-01-30T14:16:06Z)
• Randomized Forward Mode of Automatic Differentiation For Optimization Algorithms [0.0]
  バックプロパゲーションの代替としてランダム化フォワードモード勾配(RFG)を提案する。 確率分布はRFGの統計特性を決定する。 勾配をRFGに置き換えることで、RFGに基づく最適化アルゴリズムのクラスが得られる。
  論文  参考訳（メタデータ） (2023-10-22T04:02:39Z)
• Genetically Modified Wolf Optimization with Stochastic Gradient Descent for Optimising Deep Neural Networks [0.0]
  本研究の目的は、人口ベースメタヒューリスティックアルゴリズムを用いて、ニューラルネットワーク(NN)重み付けを最適化するための代替アプローチを分析することである。 Grey Wolf (GWO) と Genetic Modified Algorithms (GA) のハイブリッドをグラディエント・Descent (SGD) と組み合わせて検討した。 このアルゴリズムは、高次元性の問題にも対処しながら、エクスプロイトと探索の組み合わせを可能にする。
  論文  参考訳（メタデータ） (2023-01-21T13:22:09Z)
• No-Regret Algorithms for Private Gaussian Process Bandit Optimization [13.660643701487002]
  プライバシー保護統計のレンズによるガウス過程(GP)帯域最適化の至るところでの問題点を考察する。 均一なカーネル近似器とランダムな摂動を組み合わせた差分プライベートGPバンディット最適化のためのソリューションを提案する。 我々のアルゴリズムは最適化手順を通して微分プライバシを保持し、予測のためのサンプルパスに明示的に依存しない。
  論文  参考訳（メタデータ） (2021-02-24T18:52:24Z)
• Sequential Subspace Search for Functional Bayesian Optimization Incorporating Experimenter Intuition [63.011641517977644]
  本アルゴリズムは,実験者のガウス過程から引き出された一組の引き数で区切られた関数空間の有限次元ランダム部分空間列を生成する。 標準ベイズ最適化は各部分空間に適用され、次の部分空間の出発点(オリジン)として用いられる最良の解である。 シミュレーションおよび実世界の実験,すなわちブラインド関数マッチング,アルミニウム合金の最適析出強化関数の探索,深層ネットワークの学習速度スケジュール最適化において,本アルゴリズムを検証した。
  論文  参考訳（メタデータ） (2020-09-08T06:54:11Z)
• Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector [99.19847674810079]
  Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。 本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。 合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-13T04:17:30Z)
• Generalized Self-Adapting Particle Swarm Optimization algorithm with archive of samples [0.0]
  本稿では,M-GAPSOと呼ばれるアルゴリズムの新バージョンを紹介する。 GAPSOの当初の定式化と比較すると、グローバル再起動管理スキーム、R-Treeベースインデックス内のサンプル収集、グローバルな粒子性能に基づくサンプリング動作の適応、ローカル検索への具体的なアプローチの4つの特徴がある。
  論文  参考訳（メタデータ） (2020-02-28T00:03:17Z)
• 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)

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。