文献

J-GLOBAL ID：202102257256588234   整理番号：21A3221267

ERGO:解析的不確実性定量化による多目的Bayes最適化を組み合わせた新しいロバスト設計最適化技術【JST・京大機械翻訳】

ERGO: A New Robust Design Optimization Technique Combining Multi-Objective Bayesian Optimization With Analytical Uncertainty Quantification

著者 (1件)： Wauters Jolan (Department of Electromechanical, Systems and Metal Engineering, Ghent University, Technologiepark, Zwijnaarde, Ghent 9000, Belgium)
資料名： Journal of Mechanical Design  (Journal of Mechanical Design)
巻： 144  号： 3  ページ： Null  発行年： 2022年 
JST資料番号： H0960A  ISSN： 1050-0472  CODEN： JMDEDB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,ロバスト設計最適化(RDO)を処理し,設計段階における変動性を説明する要求増加によって動機づけた。この問題は,設計変数および/またはパラメータの変動性により,目的の平均と分散を同時に最小化する目的で多目的設定で定式化した。これにより,設計者は,単一目的として定式化するときに典型的に遭遇するように,最適化を繰り返す必要なしに,そのロバスト性レベルを選択することができる。RDO問題でしばしば遭遇する計算コストを説明するために,問題をBayes最適化フレームワークに当てはめた。不確実性の下で問題を効率的に解決する代理モデリング技術の利用は,代理支援最適化-不確実性方式に導く最適化コミュニティにおけるその方法を効果的に見つけた。Gaussプロセス,Bayes最適化が構築する代理は,しばしば安いサンプルブラックボックスと考えられ,所望の量の関心を得るためにサンプリングされる。しかし,これらの代用品の分析定式化が知られているので,問題の分析的処理が可能である。分析の不確実性をサンプリングすることなく,関心のある量を得るために,代理による伝搬を示した。多目的Bayes最適化フレームワークと解析的不確実性定量化を,ロバスト予想改善の定式化を通して一緒にリンクし,新しい効率的ロバストグローバル最適化方式を得た。本方法を一連の試験事例で試験し,様々な困難に対する挙動を調べ,新しいスキームの有効性を証明した空力試験関数で検証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *不確実性 ,  *最適化手法 ,  空気力学 ,  Gauss過程 ,  ブラックボックス ,  定式化 ,  *ロバスト性
準シソーラス用語： 大域的最適化 ,  設計変数 ,  *パラメータ設計 ,  *設計最適化 ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 設計最適化 ,  メタモデリング ,  多目的最適化 ,  不確実性解析

分類 (3件)： システム最適化手法  (IA02050Z) ,  システム設計・解析  (IA02030D) ,  工業・技術設計  (HA05000Q)

タイトルに関連する用語 (6件)： 解析 ,  不確実性 ,  定量化 ,  Bayes最適化 ,  ロバスト設計 ,  最適化技術