.png){kind=icon}
返回
Incremental and Direct Design Optimization Using Mathematical Programming and Symbolic Regression
.png){kind=icon}
OA
AI
DOI：10.1115/1.4071590.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
长期产品线规划通常需要识别一系列设计序列，这些设计具有小幅变更和逐步提升的性能。这是为了实现用户从现有产品向优化设计的逐步过渡。本研究将此过程称为增量设计。该过程中识别的中间设计对于避免可能影响用户体验和市场接受度的突变至关重要。近期文献中已使用进化算法来识别此类设计，但这在评估设计数量上成本高昂。本文表明，该问题可以表述为混合整数非线性规划（MINLP）问题，并以更高效的方式求解。通过几何路径规划问题和约束焊接梁设计优化问题（两者均使用显式代数表达式定义）展示了该方法的有效性。此外，在工程设计中，由于此类显式表达式可能并非总是可用，我们通过将MINLP与符号回归（SR）相结合来扩展该方法，后者从采样数据中提取可解释的表达式。还开发了一种嵌入SR的非线性规划（NLP）方法，可作为代理辅助优化（SAO）方法直接进行优化，比传统SAO算法显著更快地实现近全局最优。
Keyword:
data-driven design
design optimization
design process
machine learning
metamodeling
product design
incremental design
mixed-integer programming
期刊
J
IF:
3
论文数:
263
被引数:
8.9K
机构
引用论文
Symbolic Regression-Based Modeling for Aerodynamic Ground-to-Flight Deviation Laws of Aerospace Vehicles.png)
Aerospace
AerospaceIF0
PREAI
分享收藏Gradual Innovative Transitional Solutions Improving Current to a Desired Target: Innovation Path逐步创新的过渡解决方案，将当前的目标提高到预期目标: 创新之路OAAI
OAAI分享收藏Application of Toyota Way Incorporating Kaizen, Kaikaku and 5S in Agricultural Sector丰田生产方式在农业领域的应用，结合了Kaizen、Kaikaku和5S。OAAI
OAAI分享收藏Challenging Practices of Algebraic Battery Life Models through Statistical Validation and Model Identification via Machine-Learning通过机器学习进行统计验证和模型识别，挑战代数电池寿命模型的实践OAAI
OAAI分享收藏Hybrid analytical surrogate-based process optimization via Bayesian symbolic regression基于贝叶斯符号回归的混合分析代理流程优化
OAAI
OAAI分享收藏
查看更多内容