結合類神經網路與非線性規劃之工程最佳化設計

A Design Optimization Methodology Combining Artificial Neural Networks and Nonlinear programming Methods

黃俊儒(Chun-Ju Huang)

指導教授 ： 李碩仁

元智大學/工程學院/機械工程學系/碩士(1995年)

摘要

本文的研究導入一種混合的最佳化計設計觀念－結合類神經網路與非線性
規化之工程問題最佳化設計方法；由於實際工程設計最佳化過程中，常因
數值分析(如有限元素法、計算流體力學)求取的困難，使得一般傳統數值
最佳化設計方法變得十分昂貴或不可行；因此本研究提出一種方法，來解
決工程設計最佳化過程中，因內隱式函數所帶來的困擾；這個方法主要精
神是在：以全域角度，利用類神經網路的學習能力，以及使用傳統最佳化
數值方法精確的搜尋能力，尋找可能的最佳設計組，適當向外界求取函數
，可得到我們所需的最佳設計值。由於這種處理方法，不需要內隱式的目
標函數或限制條件的一次或二次微分資料，且具有全域學習、全域搜尋的
精神，同時在學習訓練及最佳化過程中的設計組可重複使用於類神經網路
對於設計領域的學習，十分適合機械最佳化設計等工程上的最佳化問題。

關鍵字

類神經網路 ； 非線性規劃 ； 最佳化設計 ； 內隱式函數 ； 全域最佳解

並列摘要

This research developed a hybrid optimal design -- methodology
by combining artificial neural network and nonlinear programming
methods. In the process of optimization, the gradient base
methods can become very expensive or infeasible because of the
difficulty to obtain the numerical data (e.g. FEM, CFD) or
experimental results. Therefore, this research developed a
method to solve the problem that the implicit functions have
brought to the engineering design optimization process. The
essence of this method is to use the learning ability of the ANN
and the searching ability of the nonlinear programming algorithm
with as far training sets as possible. With this approach, we do
not need to calculate the gradients of the design variables of
the first or second order methods which would conserve a lot of
computational effect. The global learning and searching spirit
of the proposed methodology are very suitable for the
engineering optimal design and other optimization problems.

並列關鍵字

artificial neural network ； nonlinear programming ； optimal design ； implicit function ； global optima