MétaCan
Menu
Retour à la cohorte
Enregistrement W2020700108 · doi:10.1115/1.4001599

On the Performance of the PSP Method for Mixed-Variable Multi-Objective Design Optimization

2010· article· en· W2020700108 sur OpenAlexafffund
Zeeshan Omer Khokhar, Hengameh Vahabzadeh, Amirreza Ziai, G. Gary Wang, Carlo Menon

Notice bibliographique

RevueJournal of Mechanical Design · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Multi-Objective Optimization Algorithms
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematical optimizationBenchmark (surveying)Robustness (evolution)Multi-objective optimizationBlack boxPareto principleComputer scienceClosenessContinuous variableContinuous optimizationVariable (mathematics)Engineering design processSet (abstract data type)Optimization problemMathematicsEngineeringArtificial intelligenceMulti-swarm optimization

Résumé

récupéré en direct d'OpenAlex

Practical design optimization problems require use of computationally expensive “black-box” functions. The Pareto set pursuing (PSP) method, for solving multi-objective optimization problems with expensive black-box functions, was originally developed for continuous variables. In this paper, modifications are made to allow solution of problems with mixed continuous-discrete variables. A performance comparison strategy for nongradient-based multi-objective algorithms is discussed based on algorithm efficiency, robustness, and closeness to the true Pareto front with a limited number of function evaluations. Results using several methods, along with the modified PSP, are given for a suite of benchmark problems and two engineering design ones. The modified PSP is found to be competitive when the total number of function evaluations is limited, but faces an increased computational challenge when the number of design variables increases.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,288
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical DesignMême sujetAdvanced Multi-Objective Optimization AlgorithmsTravaux en français237 207