Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Passos, João Carlos Pereira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Otimização
Modelos substitutos
Projeto mecânico
Link de acesso: http://repositorio.unb.br/handle/10482/47698
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica, 2019.
id UNB_0d38bc337b506fecd87e43b4497cf0e3
oai_identifier_str oai:repositorio.unb.br:10482/47698
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural designOtimizaçãoModelos substitutosProjeto mecânicoDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica, 2019.Este manuscrito desenvolve um novo algoritmo de otimização assistida por substitutos, a fim de mitigar os problemas críticos que afeta os problemas de otimização estrutural: a) alto custo computacional e b) longo tempo de execução. A abordagem baseada em substitutos utiliza modelos substitutos que possuem baixo custo de avaliação para reproduzir o comportamento das funções de custo dos problemas, nos quais nossa técnica é capaz de aprimorar dinâmicamente os modelos substitutos sem a utilização de uma população de validação. Além disso, também implementamos um mecanismo que periodicamente tenta recuperar boas soluções que foram anteriormente descartadas devido à deficiência do modelo. Além disso, este manuscrito abrange o desenvolvimento de três novos algoritmos de preenchimento de espaço, que lidam com o problema de adicionar novos pontos de maneira eficiente a um modelo substituto já existente. Mais ainda, criamos uma métrica de preenchimento de espaço que mede a presença de lacunas em uma população de pontos dentro de um espaço de busca, o que possibilita a comparação de distribuições de tamanhos diferentes. Por fim, três estudos de caso foram usados para revelar as capacidades e limitações da nova técnica de otimização assistida por substitutos em conjunto com o algoritmo de preenchimento de espaço. Dois desses estudos de caso mostraram que o método é capaz de promover um expressivo ganho de desempenho, conciliada com uma pequena perda na precisão. No entanto, o terceiro estudo de caso revelou que a técnica também pode falhar na produção de resultados satisfatórios.This manuscript develops a new surrogate-assisted optimization algorithm in order to mitigate the critical issues that pertain problems of structural optimization: a) high computational cost and b) long execution time. The surrogate approach utilizes surrogate models that have cheap evaluation cost to reproduce the actual cost functions of the problems, in which our technique is capable of dynamically improve these models without the utilization of a validation population. Moreover, we also implemented a mechanism that periodically tries to recuperate suitable solutions that were previously discarded due to the model’s deficiency. Besides, this manuscript covers the development of three new space-filling algorithms, which handle the problem of efficiently adding new points into an already existing surrogate model. Additionally, we created a space-filling metric that measures the presence of gaps in a population of points within a search space, which enables the comparison of distributions of different size. At last, three case studies were used to reveal the capabilities and limitations of the new surrogate-assisted optimization technique in conjunction with the space-filling algorithm. Two of these case studies show that the method is capable of promoting an expressive performance gain reconciled with a small loss in accuracy, whereas the other reveals that it could also fail to output satisfactory results.Faculdade de Tecnologia (FT)Departamento de Engenharia Mecânica (FT ENM)Programa de Pós-Graduação em Engenharia ElétricaLlanos Quintero, Carlos HumbertoPassos, João Carlos Pereira2024-02-06T20:46:35Z2024-02-06T20:46:35Z2024-02-062019-08-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPASSOS, João Carlos Pereira. João Carlos Pereira. 2019. 92 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2019.http://repositorio.unb.br/handle/10482/47698porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-02-27T17:30:20Zoai:repositorio.unb.br:10482/47698Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T17:30:20Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
title Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
spellingShingle Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
Passos, João Carlos Pereira
Otimização
Modelos substitutos
Projeto mecânico
title_short Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
title_full Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
title_fullStr Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
title_full_unstemmed Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
title_sort Surrogate-assisted optimization using multi-objective evolutionary techniques applied to mechanical structural design
author Passos, João Carlos Pereira
author_facet Passos, João Carlos Pereira
author_role author
dc.contributor.none.fl_str_mv Llanos Quintero, Carlos Humberto
dc.contributor.author.fl_str_mv Passos, João Carlos Pereira
dc.subject.por.fl_str_mv Otimização
Modelos substitutos
Projeto mecânico
topic Otimização
Modelos substitutos
Projeto mecânico
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019-08-30
2024-02-06T20:46:35Z
2024-02-06T20:46:35Z
2024-02-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PASSOS, João Carlos Pereira. João Carlos Pereira. 2019. 92 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2019.
http://repositorio.unb.br/handle/10482/47698
identifier_str_mv PASSOS, João Carlos Pereira. João Carlos Pereira. 2019. 92 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2019.
url http://repositorio.unb.br/handle/10482/47698
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083780004904960

Registros relacionados