文献

J-GLOBAL ID：202202224236269453   整理番号：22A1094147

離散鋼断面を有する構造最適化のための二相ESOおよび包括的学習PSO法【JST・京大機械翻訳】

Two-phase ESO and comprehensive learning PSO method for structural optimization with discrete steel sections

著者 (4件)： Van Thu Huynh (Applied Mechanics and Structures Research Unit, Department of Civil Engineering, Chulalongkorn University, Bangkok 10330, Thailand) ,  Tangaramvong Sawekchai (Applied Mechanics and Structures Research Unit, Department of Civil Engineering, Chulalongkorn University, Bangkok 10330, Thailand) ,  Limkatanyu Suchart (Department of Civil Engineering, Faculty of Engineering, Prince of Songkla University, Songkla 90110, Thailand) ,  Xuan Hung Nguyen (CIRTech Institute, HUTECH University, Ho Chi Minh City, Vietnam)
資料名： Advances in Engineering Software  (Advances in Engineering Software)
巻： 167  ページ： Null  発行年： 2022年 
JST資料番号： A0063C  ISSN： 0965-9978  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,標準断面を有する鋼構造の設計のために,進化的構造最適化(ESO)と包括的学習粒子群最適化(CLPSO)によって提供される独特の特徴を結合する新しい二相メタヒューリスティック法を提案した。この手法は,混合整数非線形プログラミング問題を処理する際の局所最適落とし穴に関連する課題を克服し,従って,適度な計算努力で正確な解を決定する。本質的に,第1相ESO設計は,初期離散変数ドメインから無効(不可解な)部分を迅速に除去するために制約緩和を組み込んだ。これは,第2相CLPSO方式で行った探索空間の大幅な削減を提供する。包括的学習技術は,スウォーム個体群間の協調応答を可能にすることによって,標準粒子群最適化アルゴリズムを強化する。学習確率関数は,最適解の計算に導く予備ESO相で指定した鋼断面の縮小集合から構築された最良粒子の集合間の包括的交差位置を定義する。種々のベンチマーク(無限設計組合せに対象)は,従来のメタヒューリスティックアルゴリズムと比較して,提案した設計法(すなわち,より小さな粒子数を生成する)のロバスト性と精度を示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  関数 ,  最適化 ,  非線形計画法 ,  *学習 ,  *鋼 ,  変数 ,  緩和現象 ,  個体群 ,  スウォーム ,  単相 ,  ベンチマーク ,  *構造最適化
準シソーラス用語： 最適解 ,  粒子群最適化 ,  ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (6件)： メタヒューリスティックアルゴリズム ,  進化的構造最適化 ,  包括的な学習 ,  粒子群最適化 ,  離散制約 ,  整数計画

分類 (2件)： 電力系統一般  (NB02000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 構造最適化 ,  学習 ,  PSO