การออกแบบขนาดและรูปร่างของโครงถักสามมิติอย่างเหมาะสม ด้วยวิธีการปรับปรุงการเรียนรู้อย่างครอบคลุมเพื่อหาค่าเหมาะสมที่สุด ของกลุ่มอนุภาคร่วมกับแบบจำลองการถดถอยของกระบวนการเกาส์เซียน

บทคัดย่อ

บทความนี้นำเสนอหนึ่งในเครื่องมือการเรียนรู้ของเครื่อง คือวิธีการถดถอยของกระบวนการเกาส์เซียน (Gaussian process regression, GPR) ร่วมกับอัลกอริทึมการปรับปรุงการเรียนรู้อย่างครอบคลุมเพื่อหาค่าเหมาะสมที่สุดของกลุ่มอนุภาค (Enhanced Comprehensive Learning Particle Swarm Optimization, ECLPSO) เพื่อหาขนาดและรูปร่างที่เหมาะสมอย่างพร้อมกันของโครงถัก 3 มิติ ภายใต้แรงกระทำจากภายนอก เมื่อเทียบกับเทคนิคการออกแบบด้วยวิธีเมตา-ฮิวริสติก แนวทางนี้จะสามารถลดขั้นตอนในการวิเคราะห์โครงสร้างด้วยระเบียบวิธีไฟไนต์เอลิเมนต์ที่ใช้เวลานานได้ โดยเป็นการสร้างแบบจำลองการทำนายพฤติกรรมของโครงสร้าง จากชุดข้อมูลอินพุต เช่น ตำแหน่งพิกัดข้อต่อและขนาดชิ้นส่วน และข้อมูลเอาต์พุตที่สร้างโดยชุดข้อมูลการวิเคราะห์โครงสร้าง เช่น แรงภายในชิ้นส่วนและการเคลื่อนที่ของตำแหน่งข้อต่อ จากนั้นอัลกอริทึม ECLPSO จะดำเนินการร่วมกับแบบจำลอง GPR ที่มีการคาดคะเนการตอบสนองที่แม่นยำเพียงพอ ผลลัพธ์ที่ได้จากวิธีการที่นำเสนอ คือน้ำหนักรวมของโครงสร้างที่มีค่าต่ำที่สุด ซึ่งแสดงให้เห็นถึงความแม่นยำและประสิทธิภาพของอัลกอริทึม