14217

بهينه‌سازي چندهدفه سازه‌ها با يادگيري ماشين

1402

دكتر علي كاوه

دكتر مجيد ايلچي قزاآن

در روند طراحي، تشخيص خرابي و عملكرد سازهها، پارامترهاي متعددي تأثيرگذار هستند كه علاوه بر تأثير مستقيم بر عملكرد سازه، ممكن است با يكد يگر در تعامل يا حتي تضاد باشـند. طراحـي سـازهها بـه دليـل پيچيدگي، هزينهبر بودن و زمانبر بودن فرآيند، نيازمند انجام بهينهسازي است. براي صرفهجويي در زمان و كاهش پيچيدگي، از الگوريتمهاي بهينهسازي با كمـك يـادگيري ماشـين اسـتفاده ميشـود. الگوريتمهـاي بهينهسازي چندهدفه، با در نظر گرفتن تعامل اهداف مختلف يك مسئله، به بهينهسازي مجموعـه دادههـاي طراحي ميپردازند . از سوي ديگر، الگوريتمهـاي يـادگيري ماشـين بـا سـاخت مـدلهاي جـايگزين، امكـان پيشبيني سريع و با دقت مناسب را فراهم ميكنند و از محاسبات دقيق و پيچيـده قـوانين و توابـع موجـود اجتناب مينمايند . ايـن ويژگـي موجـب افـزايش سـرعت و دقـت در فرآينـد بهينهسـازي ميشـود. تنظـيم هايپرپارامترهاي الگوريتمهاي يادگيري ماش ين، كه پيشتر بر اساس روش هاي آزمون و خطاي دستي انجـام ميشد، اكنون ميتواند با استفاده از الگوريتمهاي بهينهسازي خاصي بهبود يابد . در اين مطالعه، انواع مختلف الگوريتمهاي بهينهسازي چندهدفه فراابتكاري و الگوريتمهاي يادگيري ماش ين، بهصورت جداگانه و تركيبي، مورد بررس ي قرار گرفتهاند و چارچوبها و روش هاي كاربردي براي استفاده از قويترين و پركاربردترين آنها تحليـل شـده اسـت. بـا انتخـاب مناسـب الگوريتمهـاي بهينهسـازي و يـادگيري ماشـين و تنظـيم بهينـه هايپرپارامترهاي آنها، ميتوان مدلهايي مستحكمتر، س ريعتر و دقيـقتر بـراي بهبـود فرآينـد بهينهسـازي سازهها ايجاد كرد. نتايج اين مطالعه نشان ميدهد كه الگوريتمهاي بهينهسازي چند هدفه فراابتكـاري ماننـد Non-Dominated Sorting Genetic Algorithm- ،Non-Dominated Sorting Genetic Algorithm -II Hypervolume-based Multiobjective- و، Multiobjective Particle Swarm Optimization ،III Strategy Evolution-Adaptation Matrix Covariance ،همراه با الگوريتمهـاي يـادگيري ماشـين ماننـد Light ،Extreme Gradient Boosting Machine ،Random Forest ،Artificial Deep Neural Network Machine Boosting Gradient ،و Boosting Gradient Categorical ،كه هايپرپارامترهاي آنها با استفاده از الگوريتم Algorithm Optimization Bayesian تنظيم شدهاند، نتايج دقيقتر و پايدارتري ارائه ميدهنـد . اين الگوريتمها بهطور گسترده در حوزه مهندس ي سازه مورد استفاده قرار گرفتهاند

12/4/2024 12:00:00 AM

85079

1403/09/20

Multi-objective Optimization of Structures with Machine Learning

بهبنه‌سازي سازه‌ها , يادگيري ماشين , چندهدفه

Optimization of Structures , Machine learning , Multi-Objective