文献

J-GLOBAL ID：202102216412342602   整理番号：21A0458127

クラスタリング/分類手法と探索戦略による効率的な大域最適化法【JST・京大機械翻訳】

Efficient global optimization method via clustering/classification methods and exploration strategy

著者 (2件)： Ban Naohiko (Department of Energy and Environment Science, Nagaoka University of Technology, Niigata, Japan) ,  Yamazaki Wataru (Department of Energy and Environment Science, Nagaoka University of Technology, Niigata, Japan)
資料名： Optimization and Engineering  (Optimization and Engineering)
巻： 22  号： 1  ページ： 521-553  発行年： 2021年 
JST資料番号： W2047A  ISSN： 1389-4420  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,機械学習技術を用いて複雑な高次元最適化問題を効率的に解くことである。最近,主要な最適化ターゲットが不連続および高次元最適化問題のようなより複雑なものに変化した。多様なトポロジー/形状を表現するために多数の設計変数を持つトポロジー設計最適化から革新的設計を得るために,高次元最適化問題を解決する必要がある。そこで,本研究では,クラスタリング/分類法と探索戦略(EGOCCS)による効率的な大域的最適化法を開発し,標準偏差として確率的値を用いずに高次元最適化問題を効率的に解決し,一般にGaussプロセスで与えられ,応答曲面モデルの構築コストを低減した。2つの最適化問題を解き,EGOCCSの開発した方法の有用性を検証した。最初の最適化を実行して,比較目的のためのBayes最適化によって解決される2,10,40,80および160次元解析関数問題におけるEGOCCSの有効性を実証した。動径基底関数補間アプローチによるEGOCCSは,多数の設計変数を有する多くの解析関数問題において最良の解を得ることができることを確認した。第2の最適化は,比較目的のための遺伝的アルゴリズムによって解決される二次元双凸翼のための高次元空力形状最適化問題におけるEGOCCSの効果を調べるために実行される。EGOCCSは高次元空力形状最適化問題で効率的に使用できることを確認した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *最適化 ,  最適化問題 ,  標準偏差 ,  空気力学 ,  内挿法 ,  *クラスタ化 ,  二次元 ,  高次元 ,  不連続性 ,  機械学習 ,  遺伝的アルゴリズム ,  形状最適化
準シソーラス用語： *大域的最適化 ,  設計変数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 効率的な大域最適化 ,  機械学習 ,  高次元最適化問題 ,  クラスタリング ,  分類 ,  回帰

分類 (3件)： 人工知能  (JE08000Z) ,  システム設計・解析  (IA02030D) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (5件)： クラスタリング ,  分類 ,  手法 ,  探索戦略 ,  大域最適化