基于混合变量系统蒙特卡洛树搜索公式的混合变量结构优化
最优化与控制
2024-10-31 v2 人工智能
摘要
针对含单系统与连续-离散混合系统等多类变量的优化问题，提出一种称为混合变量系统蒙特卡洛树搜索(MVSMCTS)公式的新方法。该方法利用带改进蒙特卡洛树搜索(IMCTS)公式的强化学习算法。对于桁架结构的大小与形状优化，设计变量为杆件截面面积与节点坐标。MVSMCTS融入针对连续变量的更新过程与加速技术，以及针对单系统与混合系统的组合方案。更新过程指：一旦由连续空间中带自动网格生成的MCTS确定解，便将其作为下一搜索树的初始解；搜索区域应自中点（即初始状态的设计变量）扩展。加速技术依据更新过程中网格数量缩小搜索区域范围与搜索树宽度。组合方案指多类变量仅在单一搜索树中耦合。经若干算例表明，该框架适用于混合变量结构优化；且智能体能在合理时间内找到最优解，稳定生成最优设计，并可应用于实际工程问题。
引用
@article{arxiv.2309.14231,
title = {Mixed variable structural optimization using mixed variable system Monte Carlo tree search formulation},
author = {Fu-Yao Ko and Katsuyuki Suzuki and Kazuo Yonekura},
journal= {arXiv preprint arXiv:2309.14231},
year = {2024}
}
备注
37 pages, 19 figures, 7 tables. arXiv admin note: text overlap with arXiv:2309.06045