机器学习与数值模拟融合用于优化螺旋桨设计
机器学习
2023-03-01 v1
摘要
在计算机辅助工程设计中，设计者的目标是在给定需求下，利用数值模拟器与优化方法闭环求得最优设计。在该设计优化过程中，良好的设计优化流程应能缩短从构想到设计的时间。本文研究一类计算评估代价低但设计空间高维的设计问题。此类情况下，传统的基于代理模型的优化并无优势。本文提出一种替代方法，利用机器学习模型代理设计过程，将搜索问题表述为逆问题，从而通过寻找最优设计或至少给出一个良好的优化初始种子设计来节省时间。将该训练好的代理模型与传统优化方法结合，可兼得二者之长。我们称之为代理辅助优化（Surrogate Assisted Optimization, SAO）——一种将机器学习代理与传统优化方法混合的混合方法。对螺旋桨设计问题的实证评估表明，使用 SAO 可用更少的评估次数找到更高效的设。
引用
@article{arxiv.2302.14740,
title = {Fusion of ML with numerical simulation for optimized propeller design},
author = {Harsh Vardhan and Peter Volgyesi and Janos Sztipanovits},
journal= {arXiv preprint arXiv:2302.14740},
year = {2023}
}