[論文レビュー] Sizing Optimization of Truss Structures using a Hybridized Genetic Algorithm

Reza Najian Asl, Mohamad Aslani+1 more|arXiv (Cornell University)|Jun 6, 2013

Topology Optimization in Engineering参考文献 25被引用数 5

ひとこと要約

本稿では、遺伝的アルゴリズムのグローバル探索機能と、焼きなまし法にインspiredされた動的で表現型に基づく局所探索を組み合わせたハイブリッド遺伝的アルゴリズム（H-SAGA）を提案する。この手法は、局所最小値を効率的に脱出でき、多様な平面および空間トラス構造において優れた収束性と解の品質を達成し、従来手法と比較して最大1.3%の軽量化を実現しながら、計算コストも低く抑えられる。

ABSTRACT

This paper presents a genetic-based hybrid algorithm that combines the exploration power of Genetic Algorithm (GA) with the exploitation capacity of a phenotypical probabilistic local search algorithm. Though not limited to a certain class of optimization problems, the proposed algorithm has been "fine-tuned" to work particularly efficiently on the optimal design of planar and space structures, a class of problems characterized by the large number of design variables and constraints, high degree of non-linearity and multitude of local minima. The proposed algorithm has been applied to the skeletal weight reduction of various planar and spatial trusses and shown to be superior in all of the cases,

研究の動機と目的

• 高非線形性、多数の設計変数、多数の局所最小値を有する大規模トラス構造の最適化という課題に対処すること。
• 標準的遺伝的アルゴリズムの収束速度の向上と局所最適解への脆弱性の低減を図ること。
• グローバルサーチ（GA）と適応的局所探索（動的SA）を統合したハイブリッドアルゴリズムの開発により、より優れた解の品質を達成すること。
• ベンチマークとしてのトラス問題（複雑な荷重と制約を有する平面および空間トラス）を用いて、アルゴリズムの性能を検証すること。
• 異なる初期ランダムな開始点において、計算効率と頑健性を示すこと。

提案手法

• H-SAGAアルゴリズムは、実数表現遺伝的アルゴリズムを用い、断面積を実数値として表現する染色体で設計空間をグローバルに探索する。
• 動的局所探索エンジンが組み込まれており、アルゴリズムの進行に従って縮小する適応的半径を有する確率的近傍探索を実行する。
• 適合度の改善基準に基づいて局所探索が発動され、局所最小値からの脱出を可能にする焼きなまし法に類似した受容ルールが採用される。
• GAの選択、交差、変異演算子と、適合度および温度に類似したパラメータに基づいて個体を変更する表現型の局所探索を組み合わせる。
• 現在の最良解に近い位置において、近傍サイズを動的に調整することで、グローバル探索を損なうことなく局所的探索を強化する。
• 制約処理は罰則関数を用いて実装され、すべての設計が応力および変位制限を満たすように保証される。

実験結果

リサーチクエスチョン

• RQ1 動的局所探索を組み込んだハイブリッドGAは、大規模トラス断面最適化問題において、標準的GAを上回る性能を示せるか？
• RQ2 動的近傍探索の統合は、非凸的かつ高次元の設計空間において、収束性とグローバル最適性をどのように向上させるか？
• RQ3 提案されたH-SAGAアルゴリズムは、多様なトラスタイプにわたって応力および変位制約を満たしつつ、構造的重量をどの程度軽量化できるか？
• RQ4 解の品質および収束安定性の観点から、異なる初期ランダム集団に対してアルゴリズムはどの程度頑健か？
• RQ5 単独のGAやSAと比較して、ハイブリッドアプローチは解の正確性を向上させる一方で、計算効率を維持できるか？

主な発見

• 26階建てのタワートラスに対して、H-SAGAは最終的に140,674 lbの重量を達成し、文献で報告された最良結果（141,241 lb）と比較して1.3%の改善を示した。
• 112メンバーのドームトラスに対しては、171.52 lbの重量を達成し、先行研究で報告された172.74 lbよりもわずかに優れた結果を得た。
• 複数回のランダム初期化においても、本アルゴリズムは一貫して制約違反を回避し、局所最小値からの脱出を実現した。
• すべてのテストケースにおいて、標準的GAおよび他のハイブリッド手法と比較して、H-SAGAはより速い収束性と低い計算コストを示した。
• 動的局所探索戦略は、特に最適化の後期段階で局所的探索を顕著に強化し、高品質な解への収束を迅速にした。
• 高非線形性と多数の局所最適解を有する問題において、本手法は解の品質および計算効率の両面で、既存のアルゴリズムを上回った。