具有多根节点的改进蒙特卡洛树搜索公式用于桁架结构离散尺寸优化

本文提出一种新颖的强化学习（RL）算法，采用改进蒙特卡洛树搜索（IMCTS）公式用于桁架结构的离散优化设计。具有多根节点的 IMCTS 包括更新过程、最佳奖励、加速技术与终止条件。更新过程是指一旦找到最终解，就将其用作下一搜索树的初始解。最佳奖励用于反向传播步骤。加速技术通过减小搜索树宽度与降低最大迭代次数引入。智能体被训练以在各种约束下最小化结构总重量，直至满足终止条件。然后，最优解为所有搜索树所找到解中的最小值。这些数值算例表明，该智能体能以低计算成本找到最优解，稳定地给出优化设计，并适用于多目标结构优化与大规模结构。