Micro-time variant multi-objective particle swarm optimization (micro-TVMOPSO) of a solar thermal combisystem
Notice bibliographique
Résumé
Multi-objective optimization (MOO) algorithms usually require a high number of objective function evaluations to approximate the Pareto-optimal solutions, which can be time-consuming in many engineering applications . To overcome this issue, MOO algorithms using a small population, often referred to as micro-MOO algorithms, aim at approximating the true Pareto front using a smaller number of objective function evaluations. Such algorithms are not common in the evolutionary algorithms literature and their usage in building engineering is seldom. This paper proposes a micro-time variant multi-objective particle swarm optimization (micro-TVMOPSO), which is a revised version of the micro-MOPSO algorithm. First, the proposed algorithm is applied along with eight other MOO algorithms to 24 benchmark problems, and their performance is compared by using two metrics. Although the proposed micro-TVMOPSO algorithm faced difficulties in solving some complicated Pareto fronts, it outperformed the eight optimization algorithms on 10 of the 24 selected benchmark problems. After the comparison of proposed micro-TVMOPSO with several MOO algorithms for different benchmark problems, the micro-TVMOPSO is applied to a case study in engineering: the design optimization of a residential solar thermal combisystem using two conflicting objective functions, the life cycle cost (LCC) and energy use (LCE). Different patterns of variation of the decision variables were observed from the non-dominated solutions found by micro-TVMOPSO, which would have not been possible to notice by performing a single-objective optimization. For instance, the increase of number of solar collectors from 1 to 10 had the impact of increasing the LCC by 84% and decreasing the LCE by 63%. The results indicated that the number of solar thermal collectors is the variable having the most effect on both LCC and LCE. When the number of collectors increases, more energy is harvested, and larger tanks and less auxiliary electric power are needed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».