دانلود ترجمه مقاله پیشرفت های اخیر در بهینه سازی شبیه سازی جعبه سیاه دقیق مبتنی بر متامدل
عنوان فارسی |
پیشرفت های اخیر در بهینه سازی شبیه سازی جعبه سیاه دقیق مبتنی بر متامدل: یک مرور کلی |
عنوان انگلیسی |
Recent Developments in Metamodel Based Robust Black-Box Simulation Optimization: An Overview |
کلمات کلیدی : |
  بهینه سازی شبیه سازی؛ طراحی دقیق؛ متامدل؛ رگرسیون چندجمله ای؛ آزمایش های کامپیوتری |
درسهای مرتبط | مدیریت تکنولوژی؛ مدیریت صنعتی |
تعداد صفحات مقاله انگلیسی : 40 | نشریه : Researchgate |
سال انتشار : 2018 | تعداد رفرنس مقاله : 96 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت : ندارد | وضعیت ترجمه مقاله : انجام نشده است. |
1. مقدمه 2. تجزیه و تحلیل کمی در بهینه سازی شبیه سازی مبتنی بر متامدل 3. تجزیه و تحلیل کیفی در MBRSO 4. بحث و نتایج 5. نتیجه گیری
چکیده – در دنیای واقعی برای مسائل مهندسی، به منظور کاهش هزینه های بهینه سازی در فرایندهای فیزیکی، آزمایشات شبیه سازی در قالب کدهای کامپیوتری انجام شده است. مهم ترین دلیل افزایش دقت نتایج بهینه سازی شبیه سازی با استفاده از منبع متغیر در خروجی (ها) مدل است. عدم اطمینان می تواند پیچیدگی و هزینه های محاسباتی را در طراحی و تجزیه و تحلیل آزمایش های کامپیوتری (DACE) افزایش دهد. در این مقالۀ، یک بررسی کیفی و کمی سیستماتیک برای بهینه سازی و شبیه سازی مدل دقیق بر اساس متامدل (MBRSO) برای مدل های شبیه سازی جعبه سیاه و گران قیمت تحت عدم قطعیت انجام شده است. این پژوهش بر مدیریت عدم قطعیت متمرکز می باشد به ویژه بر مبنای دیدگاه جهان بینی تاگوچی در طراحی قوی و روش های بهینه سازی دقیق در دریافت پاسخ دوگانه که بهینه سازی شبیه سازی می تواند توسط گزینه ها مورد استفاده قرار گیرد. در نهایت، در حالی که شکاف تحقیقاتی در حوزه تحقیق برجسته شده است، برخی از پیشنهادات برای تحقیقات آینده معرفی شده است.
In the real world of engineering problems, in order to reduce optimization costs in physical processes, running simulation experiments in the format of computer codes have been conducted. It is desired to improve the validity of simulation-optimization results by attending the source of variability in the model’s output(s). Uncertainty can increase complexity and computational costs in Designing and Analyzing of Computer Experiments (DACE). In this state of the art review paper, a systematic qualitative and quantitative review is implemented among Metamodel Based Robust Simulation Optimization (MBRSO) for black-box and expensive simulation models under uncertainty. This context is focused on the management of uncertainty, particularly based on the Taguchi worldview on robust design and robust optimization methods in the class of dual response methodology when simulation optimization can be handled by surrogates. At the end, while both trends and gaps in the research field are highlighted, some suggestions for future research are directed
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.