Advancing Multi-Objective Optimization in Cable Circuit Design Using Knowledge Graph-Based Framework

He, Fengyi

doi:10.1007/s42835-025-02446-5

Advancing Multi-Objective Optimization in Cable Circuit Design Using Knowledge Graph-Based Framework

2025-09-01

0

PRE

AI

DOI：10.1007/s42835-025-02446-5

原文链接

原文求助

摘要

En 中文

电缆电路设计需要优化功率损耗、信号质量和消耗材料等参数的复杂相互依赖关系，而此类多目标优化方法在许多情况下已不再适用于传统优化方法。本文讨论了基于知识图谱的优化框架（KGNOF），该框架通过整合关系图卷积网络与非支配排序遗传算法II（NSGA-II）解决了这一问题。基于知识图谱的新方法理解了电路参数之间的层次关系，而NSGA-II则致力于寻找一组多样化的帕累托最优解。该新方法显著提高了预测的准确性：与传统方法相比，RMSE为0.0123，MAE为0.0105。相应地，它使帕累托前沿上的多样性提高了12%，与经典的NSGA-II类型相比，从而改善了冲突优化目标之间的权衡。敏感性分析识别出影响性能的关键参数集，而聚类分析进一步验证了该框架在正确映射电路拓扑方面的性能。该模型具有可扩展性和计算效率，适用于工业规模的应用。本研究部分填补了文献空白，并为电缆电路设计任务提供了更直观和实用的解决方案。

Keyword:

Cable circuit design

Knowledge graphs

Multi-objective optimization

Relational graph convolutional networks

NSGA-II

Pareto front diversity

Graph neural networks

Clustering analysis

Advancing Multi-Objective Optimization in Cable Circuit Design Using Knowledge Graph-Based Framework

摘要

期刊

机构

引用论文