Design-objective space exploration and multi-objective optimization of initial structural alternatives via machine learning

Tasarım süreçlerinde dijital iş akışlarının artması, her aşamada katlanarak büyüyen veriler üretmektedir. Bu nedenle, karmaşıklığı giderek artan bir tasarım probleminde karar vermenin gelecekte tasarımcılar için büyük bir zorluk yaratması beklenmektedir. Bu araştırma, yapay zeka ile dijital araçların yeteneklerini artırmada yeni bir yaklaşım önererek tasarım uzamı içindeki veriler ile tasarım problemlerinin hedef uzamı arasındaki karmaşık ilişkileri kullanmayı amaçlamıştır. Yöntem olarak, tasarımcıların bilinçli kararlar vermek için ilk yapısal tasarım alternatifleri arasındaki ödünleşimleri anlamalarına yardımcı olabilecek makine öğrenimine dayalı bir çerçeve önerilmiştir. Önerilen çerçeve, farklı modellerle optimizasyon yapma imkanı tanıyan üç farklı yaklaşımla test edilmiştir: olasılıksal, belirlenimci ve tümleşik. Son olarak, önerilen yaklaşımlar vaka çalışmaları ile sunulmuş ve modellerin mevcut ve gelecekteki potansiyelleri / sınırlamaları tartışılmıştır.