logo móvil
Contáctanos

Optimus: autoadaptación diferencial evolutiva con conjunto de estrategias de mutación para modelado algorítmico de saltamontes

Autores: Cubukcuoglu, Cemre; Ekici, Berk; Tasgetiren, Mehmet Fatih; Sariyildiz, Sevil

Idioma: Inglés

Editor: MDPI

Año: 2019

Descargar PDF

Acceso abierto

Artículo científico
2019

Optimus: autoadaptación diferencial evolutiva con conjunto de estrategias de mutación para modelado algorítmico de saltamontes


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería de Software

Palabras clave

Diseño arquitectónico
Optimización
Algoritmos
Software CAD
Evolución diferencial
Modelado de grasshopper

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 46

Citaciones: Sin citaciones


Descripción
La mayoría de los problemas de diseño arquitectónico son básicamente problemas de optimización de parámetros reales. Por lo tanto, cualquier tipo de algoritmos evolutivos y de enjambre pueden ser utilizados en este campo. Sin embargo, hay poca atención en el uso de métodos de optimización dentro de los programas de diseño asistido por computadora (CAD). En este documento, presentamos Optimus, que es una nueva herramienta de optimización para modelado algorítmico de algoritmos de grasshopper en el software de CAD Rhinoceros. Optimus implementa un algoritmo de evolución diferencial autoadaptativo con un conjunto de estrategias de mutación (jEDE). Realizamos un experimento utilizando problemas de prueba estándar en la literatura y algunos de los problemas de prueba propuestos en IEEE CEC 2005. Informamos el mínimo, máximo, promedio, desviaciones estándar y número de evaluaciones de funciones de cinco repeticiones para cada función. Los resultados experimentales en la suite de pruebas mostraron que Optimus (jEDE) supera a otras herramientas de optimización, a saber, Galapagos (algoritmo genético), SilverEye (optimización de enjambre de partículas) y Opossum (RbfOpt) al encontrar mejores resultados para 19 de 20 problemas. Solo para una función, Galapagos presentó un resultado ligeramente mejor que Optimus. En última instancia, presentamos un problema de diseño arquitectónico y comparamos las herramientas para probar Optimus en el dominio del diseño. Informamos el mínimo, máximo, promedio y número de evaluaciones de funciones de una repetición para cada herramienta. Galapagos y Silvereye presentaron resultados inviables, mientras que Optimus y Opossum encontraron soluciones viables. Sin embargo, Optimus descubrió un resultado de aptitud mucho mejor que Opossum. Como conclusión, discutimos las ventajas y limitaciones de Optimus en comparación con otras herramientas. El público objetivo de este documento son usuarios frecuentes de modelado de diseño paramétrico, por ejemplo, arquitectos, ingenieros, diseñadores. La principal contribución de este documento se resume de la siguiente manera. Optimus mostró que las soluciones casi óptimas de problemas de diseño arquitectónico pueden mejorarse probando diferentes tipos de algoritmos con respecto al teorema de la no comida gratis. Además, Optimus facilita la implementación de diferentes tipos de algoritmos debido a su sistema modular.

Otros recursos que podrían interesarte

Temas Virtualpro