Ανάπτυξη κώδικα βελτιστοποίησης με χρήση εξελικτικών αλγορίθμων. Εφαρμογή στην βελτιστοποίηση σχεδίασης στοιχείων μηχανών

Νανόπουλος, Σωτήρης-Αλέξανδρος; Nanopoulos, Sotiris-Alexandros

dc.contributor.author	Νανόπουλος, Σωτήρης-Αλέξανδρος	el
dc.contributor.author	Nanopoulos, Sotiris-Alexandros	en
dc.date.accessioned	2016-12-21T13:11:31Z
dc.date.available	2016-12-21T13:11:31Z
dc.date.issued	2016-12-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44191
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13756
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Βελτιστοποίηση	el
dc.subject	Εξελικτοί αλγόριθμοι	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Προεκβολή μετώπου Pareto	el
dc.subject	Πολυκρητιριακή βελτιστοποίηση	el
dc.subject	Optimization	en
dc.subject	Neural networks	en
dc.subject	Pareto extrapolation algorithm	en
dc.subject	Multi-objective optimization	en
dc.title	Ανάπτυξη κώδικα βελτιστοποίησης με χρήση εξελικτικών αλγορίθμων. Εφαρμογή στην βελτιστοποίηση σχεδίασης στοιχείων μηχανών	el
dc.title	Development of optimization software using evolutionary algorithms. Applications in optimal machine design	en
heal.type	bachelorThesis
heal.classification	Μαθηματικός προγραμματισμός	el
heal.classification	Βελτιστοποίηση και τεχνικές μεταβολών	el
heal.classificationURI	http://data.seab.gr/concepts/2f152914fade7d665c33734c36327e60826b8d8d
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-11-02
heal.abstract	Η περιγραφή του κόσμου με χρήση περίπλοκων μοντέλων και προσομοιώσεων γεννά την ανάγκη για ανάπτυξη προγραμμάτων βελτιστοποίησης τα οποία θα μπορούν να βελτιστοποιήσουν τις παραμέτρους των μοντέλων αυτών. Για τη βελτιστοποίηση τέτοιων πολύπλοκων μοντέλων, η μέθοδος με την οποία προκύπτουν τα καλύτερα δυνατά αποτελέσματα είναι αυτή της χρήσης των εξελικτικών αλγορίθμων βελτιστοποίησης. Οι εξελικτικοί αλγόριθμοι, παρότι προσφέρουν, εν γένει, ιδιαίτερα ικανοποιητική εξερεύνηση του πεδίου ορισμού των αντικειμενικών συναρτήσεων, έχουν το μειονέκτημα ότι απαιτούν μεγάλο αριθμό υπολογισμών για να καταλήξουν στη βέλτιστη λύση του προβλήματος.Το μειονέκτημα αυτό είναι τόσο σημαντικό που εμποδίζει την ευρεία χρήση των εξελικτικών αλγορίθμων σε βιομηχανικές εφαρμογές. Ένας άλλος επιστημονικός κλάδος, αυτός της τεχνητής νοημοσύνης, παρέχει εργαλεία στους ερευνητές της βελτιστοποίησης ώστε να μειώσουν το μεγάλο αριθμό των υπολογισμών που απαιτούνται από τους εξελικτικούς αλγορίθμους. Το σημαντικότερο εργαλείο είναι αυτό των νευρωνικών δικτύων, τα οποία χρησιμοποιούνται με διάφορους τρόπους για να επιταχυνθεί η σύγκλιση των εξελικτικών αλγορίθμων. Στην παρούσα εργασία πραγματοποιήθηκε ανάπτυξη ενός προγράμματος βελτιστοποίησης το οποίο βασίζεται στους εξελικτικούς αλγορίθμους. Για να γίνει το πρόγραμμα αυτό ανταγωνιστικό ως προς τα υπόλοιπα ακαδημαϊκά/εμπορικά προγράμματα βελτιστοποίησης, αναπτύχθηκε στο πλαίσιο της εργασίας αυτής ένας αλγόριθμος για την προεκβολή ενός μετώπου Pareto, ο οποίος επιταχύνει την σύγκλιση των εξελικτικών αλγορίθμων. Ο αλγόριθμος αυτός εκμεταλλεύεται τα νευρωνικά δίκτυα και τους προηγούμενους υπολογισμούς, με σκοπό να μπορέσει να βρει καινούργια άτομα τα οποία υπερισχύουν των προηγουμένων ατόμων του πληθυσμού, με έναν ψευδο-ντετερμινιστικό τρόπο. Οι κλασικές μέθοδοι εξελικτικής βελτιστοποίησης και ο αλγόριθμος προεκβολής αναπτύχθηκαν σε περιβάλλον προγραμματισμού C++. Ταυτόχρονα, με στόχο την αύξηση της χρηστικότητας του προγράμματος αναπτύχθηκε ένα γραφικό περιβάλλον το οποίο παρέχει τη δυνατότητα στον χρήστη να παρακολουθεί διαγραμματικά σε πραγματικό χρόνο την πορεία της βελτιστοποίησης. Η αποτελεσματικότητα του προγράμματος βελτιστοπόιησης και του αλγορίθμου προεκβολής ποσοτικοποιήθηκε μέσα από ένα σύνολο εννέα προβλημάτων. Από αυτά, τα πέντε είναι προβλήματα μαθηματικής βελτιστοποίησης, τα οποία έχουν σχεδιαστεί με σκοπό να χρησιμοποιούνται ως αναφορά μεταξύ των διαφόρων αλγόριθμων βελτιστοποίησης. Τα επόμενα τέσσερα είναι προβλήματα βελτιστοποίησης που ανήκουν στον χώρο τον προβλημάτων της βέλτιστης σχεδίασης στοιχείων μηχανών. Πιο συγκεκριμένα, τα τρία επόμενα προβλήματα αφορούν την βέλτιστη σχεδίαση υδροφοβικής επιφάνειας εδράνου ύπο από διαφορετικές συνθήκες λειτουργίας, ενώ το τέταρτο πρόβλημα αφορά την βέλτιστη σχεδίαση της γεωμετρίας ωστικού μικρο-εδράνου με τεχνητή επιφανειακή τραχύτητα.	el
heal.abstract	Describing real-world phenomena with complicated models and simulations also gave birth to the need for development of optimization software that would be able to optimize the parameters of such models. To optimize such complicated models, evolutionary algorithms have shown to provide the best performance, in terms of exploration of the search space. However, evolutionary algorithms, in order to solve an optimization problem, generally require a high number of calculations. This weakness is of such importance that prevents them from being used widely as industrial optimization tools. Meanwhile, the development of another scientific field, that of artificial intelligence, provides optimization researchers with new tools to reduce the computational cost of evolutionary algorithms. An important tool builds on the concept of artificial neural networks, which can be utilized in various different ways to accelerate the convergence of evolutionary algorithms. In the present thesis, a general purpose optimization software using evolutionary algorithms is developed. To make this software competitive in comparison to the existing academic/commercial optimization software, an algorithm has been developed to accelerate the convergence of evolutionary algorithms. This algorithm is based on the notion of extrapolating a given Pareto front. The extrapolation algorithm utilizes previous calculations and artificial neural networks to predict in a quasi-deterministic way new individuals that dominate previously non-dominated solutions. The standard optimization methods and the extrapolation algorithms have developed within the C++ framework. Meanwhile, to increase the usability of the software, a user interface that allows the user to graphically monitor (real time) the optimization procedure has been developed in C++ utilizing the Qt framework. The efficiency of the developed optimization software and the Pareto extrapolation algorithm has been quantified with the use of a set of benchmarking optimization problems. The optimization problems include five mathematical optimization test cases designed to benchmark the performance of different approaches on evolutionary algorithms. Afterwards, the performance of the software has been monitored in real world optimization problems that include the optimal design of the hydrophobic surface of a journal bearing and the optimal design of the geometry of a textured three-dimensional micro- thrust bearing.	en
heal.advisorName	Παπαδόπουλος, Χρήστος	el
heal.committeeMemberName	Καϊκτσής, Λάμπρος	el
heal.committeeMemberName	Γκίνης, Αλέξανδρος-Αλβέρτος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ναυπηγών Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	102 σ.	el
heal.fullTextAvailability	true