ShipGen：一种面向多目标多约束参数化船体生成的扩散模型
机器学习
2023-11-15 v2 人工智能
摘要
船舶设计是一个长达数年的过程，需要平衡复杂的设计权衡以打造高效且有效的船舶。寻找改进船舶设计流程的新方法可为造船与运营带来显著成本节约。一项有前景的技术是生成式人工智能，其已被证明能够缩短设计周期并创造出新颖且高性能的设计。文献综述表明，生成式人工智能已能生成船体；然而船舶设计尤为困难，因为船体需要考虑众多目标。本文提出了一项利用参数化扩散模型生成参数化船体设计的研究，该模型考虑了船体的多目标与多约束。该去噪扩散概率模型（DDPM）生成用于评估的船体表格参数化设计向量。除表格 DDPM 外，本文详述了添加引导以提升生成船体设计的质量。通过利用分类器引导，DDPM 以 99.5% 的速率生成了可行的参数化船体，保持了初始船体训练数据集的覆盖度，相较在设计空间中对设计向量参数进行随机采样提升了 149 倍。采用性能引导生成的参数化船体，相较于训练数据集中船体的平均性能，波阻系数平均降低 91.4%，排水总体积相对平均增加 47.9 倍。使用 DDPM 生成参数化船体可通过生成高性能船体设计供后续分析来缩短设计时间。这些生成的船体具有低阻力和高体积，可降低船舶运营成本并提升其创收潜力。
引用
@article{arxiv.2311.06315,
title = {ShipGen: A Diffusion Model for Parametric Ship Hull Generation with Multiple Objectives and Constraints},
author = {Noah J. Bagazinski and Faez Ahmed},
journal= {arXiv preprint arXiv:2311.06315},
year = {2023}
}