Design-objective space exploration and multi-objective optimization of initial structural alternatives via machine learning
Makine öğrenmesi ile yapısal alternatiflerin tasarım-hedef uzamının araştırılması ve çoklu kriterle optimizasyonu
- Tez No: 1012189
- Danışmanlar: PROF. DR. ARZU SORGUÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mimarlık, Computer Engineering and Computer Science and Control, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Yapı Bilgisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tasarım süreçlerinde dijital iş akışlarının artması, her aşamada katlanarak büyüyen veriler üretmektedir. Bu nedenle, karmaşıklığı giderek artan bir tasarım probleminde karar vermenin gelecekte tasarımcılar için büyük bir zorluk yaratması beklenmektedir. Bu araştırma, yapay zeka ile dijital araçların yeteneklerini artırmada yeni bir yaklaşım önererek tasarım uzamı içindeki veriler ile tasarım problemlerinin hedef uzamı arasındaki karmaşık ilişkileri kullanmayı amaçlamıştır. Yöntem olarak, tasarımcıların bilinçli kararlar vermek için ilk yapısal tasarım alternatifleri arasındaki ödünleşimleri anlamalarına yardımcı olabilecek makine öğrenimine dayalı bir çerçeve önerilmiştir. Önerilen çerçeve, farklı modellerle optimizasyon yapma imkanı tanıyan üç farklı yaklaşımla test edilmiştir: olasılıksal, belirlenimci ve tümleşik. Son olarak, önerilen yaklaşımlar vaka çalışmaları ile sunulmuş ve modellerin mevcut ve gelecekteki potansiyelleri / sınırlamaları tartışılmıştır.
Özet (Çeviri)
Increasing implementations of digital workflows within design processes generate exponentially growing data in each phase. Therefore, decision making within a design space with growing complexity is expected to be a great challenge for designers in the future. Hence, this research aimed to seek the potentials of complex relations between data within design space and objective space of structural design problems for proposing a novel approach to augment capabilities of digital tools by artificial intelligence. As a method, a machine learning-based framework was proposed that can help designers to understand the trade-offs between initial structural design alternatives to make informed decisions. The proposed framework was tested in three stages: probabilistic, deterministic, and integrated; all of which allow users to conduct optimization studies with the help of different machine learning models. Finally, the proposed approaches were presented in case studies, and potentials/limitations of the models were discussed including future projections.
Benzer Tezler
- Multi-objective optimization of swirl burner with premixed ammonia/hydrogen flame
Ön karışımlı amonyak/hidrojen alevine sahip girdaplı yakıcının çok hedefli optimizasyonu
MEHMET ANIL GÜLŞAN
- Kriging interpolasyonu kullanan vekil modeller ile gemi kıç formunun viskoz direnç yönünden optimizasyonu
Aft form optimization of ships for minimum viscous resistance by using kriging metamodeling technique
HAYRİYE PEHLİVAN SOLAK
Doktora
Türkçe
2020
İstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Akış tipi grup çizelgeleme problemleri için hibrit hiper sezgisel yöntem tasarımı
Hybrid hyper heuristic approach design to flowshop group scheduling problems
NİLGÜN İNCE
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
