利用神经网络代理模型对肘型尾水管进行高效计算优化
最优化与控制
2024-01-18 v1 机器学习
神经与进化计算
摘要
本研究旨在对肘型尾水管设计中的单目标和多目标优化算法进行全面评估，并引入一种计算高效的优化工作流程。所提出的工作流程利用在数值模拟数据上训练的深度神经网络代理模型。代理模型的使用使得对新设计的评估更加灵活和快速。基于成功历史的线性缩减自适应差分进化算法和基于分解的多目标进化算法被确定为性能最佳的算法，并分别用于确定单目标优化中不同目标的影响以及多目标优化中它们对尾水管设计的综合影响。当单独考虑各目标时，单目标算法的结果与多目标算法的结果一致。然而，通常应选择多目标方法，特别是对于计算成本低廉的代理模型。采用多准则决策分析方法获得最优多目标结果，显示压力恢复系数和阻力系数分别提高了1.5%和17%。预测结果与数值结果之间的差异，对于压力恢复系数小于0.5%，对于阻力系数小于3%。随着对可再生能源的需求持续增长，本研究所讨论的数据驱动优化工作流程的相关性将日益重要，尤其是在全球可持续发展的背景下。
引用
@article{arxiv.2401.08700,
title = {Computationally Efficient Optimisation of Elbow-Type Draft Tube Using Neural Network Surrogates},
author = {Ante Sikirica and Ivana Lučin and Marta Alvir and Lado Kranjčević and Zoran Čarija},
journal= {arXiv preprint arXiv:2401.08700},
year = {2024}
}
备注
41 pages, brief appendix