[论文解读] Aggressive design: A density-matching approach for optimization under uncertainty

Pranay Seshadri, Paul G. Constantine+2 more|arXiv (Cornell University)|Sep 24, 2014

Advanced Multi-Objective Optimization Algorithms被引用 3

一句话总结

本文提出一种用于不确定条件下优化（OUU）的密度匹配方法，通过数值积分和高斯核密度估计，最小化设计者指定的响应密度与实际系统响应密度之间的距离。该方法在基于CFD的机翼型设计中应用，为多目标鲁棒优化提供了一种稳健的替代方案，可直接匹配响应分布。

ABSTRACT

Modern computers enable methods for design optimization that account for uncertainty in the system---so-called optimization under uncertainty. We propose a metric for OUU that measures the distance between a designer-specified probability density function of the system response the target and system response's density function at a given design. We study an OUU formulation that minimizes this distance metric over all designs. We discretize the objective function with numerical quadrature and approximate the response density function with a Gaussian kernel density estimate. We offer heuristics for addressing issues that arise in this formulation, and we apply the approach to a CFD-based airfoil shape optimization problem. We qualitatively compare the density-matching approach to a multi-objective robust design optimization to gain insight into the method.

研究动机与目标

• 开发一种新的不确定条件下优化（OUU）度量方法，用于量化目标响应密度与实际系统响应密度之间的差异。
• 制定一个OUU问题，以最小化所有可行设计中该密度距离。
• 通过实用启发式方法解决密度估计和积分离散化中的数值挑战。
• 在基于CFD的机翼型形状优化问题中评估该方法的性能。
• 对密度匹配方法与传统多目标鲁棒设计优化进行定性比较。

提出的方法

• 该方法定义了设计者指定的响应密度与系统实际响应密度函数之间的距离度量。
• 通过数值积分对目标函数进行离散化，以实现计算优化。
• 基于采样响应数据，使用高斯核密度估计近似系统响应密度。
• 引入启发式方法以管理由密度估计和积分引起的数值不稳定性和收敛性问题。
• 在基于CFD的机翼型优化框架中实现该方法，以评估其性能。
• 与多目标鲁棒设计优化进行定性比较，以评估权衡关系和鲁棒性。

实验结果

研究问题

• RQ1 如何为不确定条件下的优化有效构建密度匹配度量？
• RQ2 在OUU中结合核密度估计与积分时会产生哪些数值挑战，如何加以缓解？
• RQ3 与多目标鲁棒设计优化相比，密度匹配方法在响应分布控制方面表现如何？
• RQ4 该方法能否在高维、不确定的CFD驱动设计问题中有效匹配期望的响应分布？

主要发现

• 在机翼型优化案例中，密度匹配方法成功最小化了目标响应密度与实际响应密度之间的距离。
• 使用高斯核密度估计可基于采样数据准确逼近复杂响应分布。
• 数值积分离散化使得尽管密度距离度量具有非线性，仍能实现可处理的优化。
• 该方法在无需显式统计矩或预定义性能指标的情况下，表现出良好的鲁棒性和灵活性。
• 定性比较表明，与多目标鲁棒优化相比，密度匹配方法能更直接地控制响应分布的形状。