.png){kind=icon}
返回
Multi-task machine learning for structural optimizations of lattice shells
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engstruct.2026.122654.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种多任务强化学习（MTRL）框架通过最小化结构体积与应变能的乘积来优化晶格壳。
• MTRL可以在一个任务上进行训练并应用于多个任务。
• MTRL在三个优化问题（形状、尺寸和组合尺寸-形状优化）上展示了泛化能力。
• MTRL在Wilcoxon检验中优于遗传算法（GA）和模拟退火算法（SA），p值分别为0.0039和0.0117。
Keyword:
Multi-task reinforcement learning
Structural optimization
Lattice shells
Shape optimization
Sizing optimization
