抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
生成設計における中心課題は,膨大な数の解決策の探索である。本研究では,2つの主要な密度ベース構造トポロジー最適化(STO)法をSTO問題に対する強化学習(RL)の4つのクラスに基づいて拡張し,それは新しい方法における生成設計にアプローチする。4つの方法は,最初に,探索方向を乱すためにε-欲求政策を使用することである。第2に,感度にブースを追加するために,上限信頼限界(UCB)を用いた。最後に,Thompsonサンプリング(TS)および情報指向サンプリング(IDS)を用いて,検索を指示し,報酬の後部関数をベータ分布またはGauss分布によって当てはめた。これらの組合せ法を,2Dから3Dまでのいくつかの構造コンプライアンス最小化タスクについて評価し,大気潜水スーツ(ADS)の可変厚さ設計問題を含めた。全ての方法は,IDSが計算能力の限界により複雑な構造に対する収束に到達できないことを除いて,1つまたは2つのパラメータを変化させることにより,様々な許容可能な設計オプションを生成できることを示した。また,Beta分布とGauss分布の両方が,事後確率を記述するためによく働くことを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】