.png){kind=icon}
返回
Bayesian Quality-Diversity optimization for conditional search-space problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11081-025-10041-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
航空航天系统的初步设计与优化通常需要做出架构和技术选择，并进行计算成本高昂的数值模拟。在早期设计阶段，决策者可能希望获得一组具有多样化特性的有价值解。本文提出两种方法，通过构建和求解一个特定的优化问题来应对这些挑战。该问题被称为条件搜索空间问题，因为架构和技术选择由称为条件的决策变量表示，这些变量作用于优化问题的结构（例如，设计变量和约束的数量）。为产生广泛的解多样性，开发了适用于处理条件变量和高成本函数的质量多样性（QD）算法。所提出的方法在于将优化问题分解为若干具有非条件结构的子问题。一种贝叶斯优化策略与QD算法耦合，用于在子问题中搜索潜在解。性能最佳的潜在解随后使用精确函数进行评估。该方法论在两个解析问题和航空航天系统设计问题上进行了测试。
Keyword:
Conditional search-space problem
Quality-diversity
Bayesian optimization
Mixed-variables optimization
Budget allocation strategy
Aerospace engineering
期刊
O
IF:
1.7
论文数:
74
被引数:
0
机构
引用论文
Mixed Variable Gaussian Process-Based Surrogate Modeling Techniques: Application to Aerospace Design
.png){kind=icon}
PREAI
分享收藏
A Review of Particle Swarm Optimization Methods Used for Multimodal Optimization用于多峰优化的粒子群优化方法综述
PREAI
分享收藏
分享收藏
查看更多内容