基于强化学习的桁架自动设计
人工智能
2023-06-28 v1 机器学习
摘要
桁架布局设计，即在满足所有物理约束的前提下寻找轻量化桁架布局，是建筑行业中的一个基础问题。生成最优布局是一个具有挑战性的组合优化问题，通过穷举搜索求解可能极其昂贵。直接将端到端强化学习（RL）方法应用于桁架布局设计也不可行，因为整个布局空间中只有极小部分在物理约束下是有效的，导致RL训练中的奖励极其稀疏。本文提出AutoTruss，一种两阶段框架，用于高效生成轻量且有效的桁架布局。AutoTruss首先采用蒙特卡洛树搜索发现一组多样化的有效布局，然后应用RL对有效解进行迭代精炼。我们在2D和3D设置下流行的桁架布局设计测试用例中进行了实验和消融研究。在最具挑战性的3D测试用例中，AutoTruss以25.1%的优势超越已报道的最佳布局，成为桁架布局设计文献中首个有效的基于深度RL的方法。
引用
@article{arxiv.2306.15182,
title = {Automatic Truss Design with Reinforcement Learning},
author = {Weihua Du and Jinglun Zhao and Chao Yu and Xingcheng Yao and Zimeng Song and Siyang Wu and Ruifeng Luo and Zhiyuan Liu and Xianzhong Zhao and Yi Wu},
journal= {arXiv preprint arXiv:2306.15182},
year = {2023}
}
备注
IJCAI2023. The codes are available at https://github.com/StigLidu/AutoTruss