.png){kind=icon}
返回
Studying Evolutionary Solution Adaption by Using a Flexibility Benchmark Based on a Metal Cutting Process
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics10100663.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们从生物启发式框架的系统灵活性视角考虑不同生产要求的优化，该框架使我们能够研究算法将先前优化任务中的解迁移的能力，这也与动态进化优化相关。优化制造过程参数通常是一个多目标问题，其目标（如生产质量和生产时间）往往相互冲突。如果生产要求发生变化，过程参数必须重新优化。由于优化通常需要基于有限元法等方法的昂贵模拟，因此减少优化所需的评估次数具有重要意义。基于扩展的Oxley正交金属切削模型，我们引入了一个多目标优化基准，其中不同材料定义了相关的优化任务。我们使用该基准研究NSGA-II的灵活性，并通过开发两种变体进行扩展：(1) 变动目标，该变体同时优化两个任务的解，以获得预期适应性更强的中间源解；(2) 活跃-非活跃基因型，该变体容纳可激活或停用的不同可能性。结果表明，标准NSGA-II的适应性显著减少了针对目标目标的优化所需的评估次数。所提出的变体进一步降低了适应成本，与未适应的基线相比，平均计算量减少了一半以上。我们指出，需要进一步工作才能使这些方法在真实应用中具有优势。
期刊
B
IF:
3.9
论文数:
3.2K
被引数:
5.1K
机构
引用论文
Pantalé, O.; Dawoua Kaoutoing, M.; Houé Ngouna, R. A New Algorithm to Solve the Extended-Oxley Analytical Model of Orthogonal Metal Cutting in Python. Appl. Mech. 2022, 3, 889–904. [Google Scholar] [CrossRef]Pantalé, O.; Dawoua Kaoutoing, M.; Houé Ngouna, R. 一种求解正交金属切削扩展-Oxley解析模型的新算法（Python实现）. Appl. Mech. 2022, 3, 889–904. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏A tutorial on multiobjective optimization: fundamentals and evolutionary methods多目标优化教程: 基础和进化方法
OAAI
OAAI分享收藏
查看更多内容