多目标金属切削过程优化的进化解决方案适应
摘要：优化制造过程参数通常是一个多目标问题，经常涉及到相互矛盾的目标，比如生产质量和生产时间。如果生产需求发生变化，就需要重新优化工艺参数。由于优化通常需要基于高成本的仿真，比如有限元方法，因此减少优化所需的评估次数非常重要。为此，我们考虑从系统灵活性的角度来优化不同的生产要求，这使得我们可以研究算法从以前的优化任务中转移解决方案的能力，这也与动态进化优化相关。基于扩展的Oxley金属切削模型，我们引入了一个多目标优化基准，其中不同的材料定义相关的优化任务，并使用它来研究NSGA-II的灵活性，我们通过两个变体来扩展它：1）变化的目标，同时优化两个任务的解决方案，以获得预计更具适应性的中间源解决方案，2）活动-非活动基因型，适应不同的可能性可以被激活或停用。结果显示，使用标准NSGA-II进行适应能大大减少优化所需的评估次数，而所提出的变体进一步改进了适应成本，尽管进一步的工作还需要使这些方法对实际应用具有优势。
作者：Leo Francoso Dal Piccol Sotto, Sebastian Mayer, Hemanth Janarthanam, Alexander Butz, Jochen Garcke
论文ID：2305.19775
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-01