Reinforcement Learning for Engineering Design Automation
Neuer Ansatz nutzt Selbstverstärkendes Lernen, um Wissen über die Produktanpassung zu erlernen, zu speichern und auf weitere Produktgenerationen zu übertragen. Der Unterschied zu anderen Optimierungs- oder Lernverfahren besteht darin, dass der Weg zum angepasstem Produkt gelernt wird. Dabei betrachtet der Ansatz die Merkmale des Produktes und passt diese schrittweise durch die Vorschläge eines Tiefen Künstlichen Neuronalen Netzes an die gestellten Anforderungen an. Es entsteht eine Reihenfolge von Merkmalskombinationen und Reaktionen auf diese. Gemeinsam bilden sie einen Weg vom ursprünglichen Produkt zu einem Produkt, das auf die Anforderungen abgestimmt ist. Außerdem konnte gezeigt werden, dass eine gelernte Strategie für nachfolgende Produktgenerationen in einem limitierten Rahmen übertragen werden kann. https://doi.org/10.1016/j.aei.2022.101612