Redes neuronales: Optimización Multiobjetivo de la Estructura de una Silla utilizando un Híbrido de Redes Neuronales Artificiales y NSGA-II

Autores/as

  • A. Alvarado-Iniesta
  • A. Del Valle
  • J. L. García-Alcaraz
  • N. D. Pérez-González

Palabras clave:

Redes Neuronales Artificiales, Optimización Multiobjetivo, NSGA-II, Optimización Estructural

Resumen

Resumen

Se presenta un híbrido de redes neuronales artificiales y NSGA-II para la optimización multiobjetivo del diseño de una silla estándar con respecto a medidas estructurales. Los objetivos a optimizarse son la deformación y peso de la silla. Se realizan simulaciones por computadoras para obtener ambas respuesta de interés. Las variables de diseño se establecen en base a optimización de dimensiones. Redes neuronales artificiales son empleadas para mapear la relación entre las variables de diseño y los variables de salida. Después, NSGA-II es usado para encontrar el conjunto de soluciones óptimas de Pareto. Los resultados muestran que la metodología empleada brinda al diseñador versatilidad y robustez de escoger diferentes escenarios de acuerdo con las necesidades actuales de diseño en términos de estructura de la silla.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abe A, Kamegawa T, Nakajima Y (2004) Optimization of construction of tire reinforcement by genetic algorithm. Optimization and Engineering 5:77-92.

Asadi E, Gameiro da Silva M, Henggeler- Antunes C, Dias L, Glicksman L (2014) Multi-objective optimization for building retrofit: A model using genetic algorithm and artificial neural network and an application. Energy and Building 81:444-456.

Bahraminasab M, Sahari B, Edwards K, Farahmand F, Hong T, Arumugam M, Jahan A (2014) Multi-objective design optimization of functionally graded material for the femoral component of a total knee replacement. Materials and Design 53:159-173.

Cazacu R, Grama L (2014) Steel truss optimization using genetic algorithms and FEA. Procedia Technology 12:339-346.

Chen W, Zhou X, Wang H, Wang W (2010) Multi-objective optimal approach for injection molding based on surrogate model and particle swarm optimization algorithm. Journal of Shanghai Jiaotong University 15:88- 93.

Cheng J, Liu Z, Tan J (2013) Multiobjective optimization of injection molding parameters based on soft computing and variable complexity method. International Journal of Advanced Manufacturing Technology 66:907- 916.

Christensen P, Klarbring A (2009) An introduction to Structural Optimization. Springer, Canada. Coello C, Christiansen A (2000) Multiobjective optimization of trusses using genetic algorithms. Computers and Structures 75:647-660.

Deb K, Pratap A, Agarwal S, Meyarivan T (2002) A fast and elitist multiobjective Genetic Algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation 6(2):182-197.

Kitayama S, Natsume S (2014) Multi-objective optimization of volume shrinkage and clamping force for plastic injection molding via sequential approximate optimization. Simulation Modelling Practice and Theory 48:35-44.

Lee D, Morillo C, Bugeda G, Oller S, Onate E (2012) Multilayered composite structure design optimization using distributed/parallel multi-objective evolutionary algorithms. Composite Structures 94:1087- 1096.

Magnier L, Haghighat F (2010) Multiobjective optimization of building design using TRNSYS simulations, genetic algorithm, and artificial neural network. Building and Environment 45:739-746.

Morris M, Mitchell T (1995) Exploratory designs for computational experiments, Journal of Statistical Planning and Inference 43:381-402.

Narayanan S, Azarm S (1999) On improving multiobjective genetic algorithms for design optimization. Structural Optimization 18:146-155.

Quaglia C, Yu N, Thrall A, Paolucci S (2014) Balancing energy efficiency and structural performance through multi-objective shape optimization: Case study of a rapidly deployable origami-inspired shelter. Energy and Building 82:733-745.

Rodríguez J, Medaglia A, Casas J (2005) Approximation to the optimum design of a motorcycle frame using finite element analysis and evolutionary algorithms. In: Bass E (ed) Proceedings of the 2005 Systems and Information Engineering Design Symposium. IEEE, Virginia, pp. 277-285.

Serafinska A, Kaliske M, Zopf C, Graf W (2013). A multi-objective optimization approach with consideration of fuzzy variables applied to structural tire design. Computers and Structures 116:7-19.

Stadler W (1986) Multicriteria optimization in mechanics (a survey). Applied Mechanics Reviews 37(2):277-286.

Weigang A, Weiji L (2007) Interactive multi- objective optimization design for the pylon structure of an airplane. Chinese Journal of Aeronautics 20:524-528.

Publicado

2015-10-29

Cómo citar

[1]
A. Alvarado-Iniesta, A. Del Valle, J. L. García-Alcaraz, y N. D. Pérez-González, «Redes neuronales: Optimización Multiobjetivo de la Estructura de una Silla utilizando un Híbrido de Redes Neuronales Artificiales y NSGA-II», Cult. Científ. y Tecnol., n.º 56, oct. 2015.

Número

Núm. 56 (12): Mayo - Agosto, 2015

Sección

Artículos

Licencia

Todos los contenidos de CULCYT se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento-No Comercial 4.0 Internacional” (CC-BY-NC). Puede consultar desde aquí la versión informativa de la licencia.

Los autores/as que soliciten publicar en esta revista, aceptan los términos siguientes: a) los/las autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra; y b) se permite y recomienda a los/las autores/as agregar enlaces de sus artículos en CULCYT en la página web de su institución o en la personal, debido a que ello puede generar intercambios interesantes y aumentar las citas de su obra publicada.