EXAMPLE OF MULTICRITERIA OPTIMIZATION FOR A TWO-STAGE REDUCER USING A MODIFIED EVOLUTIONARY ALGORITHM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The work is devoted to solving the problem of selecting optimal geometric parameters of gears of a two-stage cylindrical reducer using a modified evolutionary algorithm (EA). The statement of the problem is considered, design parameters, objective functions, limitations on design parameters are determined. This allowed us to propose a modification of EA. To generate the initial test points, it was proposed to use the LP-τ sequence, this allowed us to reduce the initial population of test points and bring EA closer to a truly «random» process. The scheme of the proposed algorithm is considered, which gives an idea of the sequence of operations that are carried out with populations of test points at each stage of the evolutionary process. The solution of the specific problem of selecting optimal parameters for a serial reducer is given. The input data, numerical and functional limitations are determined, the objective functions are formed. The results of the solution are shown in several presentation formats: tabular and graphical, which allows to qualitatively interpret and analyze the results. The approach of transition from many criteria to one is proposed by introducing the scale of importance by the designer and assigning the importance of each of the criteria, finding the desired solution for each trial point of relative bias, which is proposed to be used as a unifying criterion. Conclusions are made about testing the proposed algorithm for solving a specific problem of optimal design. Further ways of improving this methodology are proposed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle