Jan, 2024
基于神经网络代理的肘形引水管的计算效率优化
Computationally Efficient Optimisation of Elbow-Type Draft Tube Using Neural Network Surrogates
Ante Sikirica, Ivana Lučin, Marta Alvir, Lado Kranjčević, Zoran Čarija
TL;DR本研究通过使用深度神经网络替代物和多目标优化算法，评估了单目标和多目标优化算法在弯头式导管设计中的应用，并提出了一种计算效率高的优化工作流。结果表明，在单目标优化中，基于成功历史的自适应差分进化算法与基于分解的多目标进化算法是最佳选择；而多目标优化中，采用多标准决策分析方法能够获取最佳多目标结果，对于压力恢复系数和阻力系数分别提高了 1.5% 和 17%。预测值与数值结果的差异分别小于 0.5% 和 3%。随着可再生能源需求的增加，数据驱动的优化工作流在全球可持续发展的背景下将变得越来越重要。