Beschleunigung der Sampling-basierten Toleranz-Kosten-Optimierung
Für die Sampling-basierten Toleranz-Kosten-Optimierung ist eine hohe Anzahl von Funktionsauswertungen unumgänglich, was zu hohen Berechnungszeiten führen kann. Um dieses Manko zu überwinden, wird in der neuesten Veröffentlichung des KTmfk eine innovative Strategie vorgestellt, bei welcher metaheuristische Optimierung und adaptives Surrogate Modelling kombiniert werden. Dabei wird die Toleranzanalyse durch ein Surrogate Modell ersetzt, welches iterativ mit Zwischenergebnissen der Optimierung verbessert wird. Dadurch wird einerseits eine höhere Genauigkeit der Lösungen und andererseits eine Beschleunigung der Toleranz-Kosten-Optimierung erreicht.
Link zum Beitrag: https://doi.org/10.1080/0305215X.2024.2306142