LiveZilla Live Chat Software

Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

A knowledge‐enhanced deep reinforcement learning‐based shape optimizer for aerodynamic mitigation of wind‐sensitive structures

Shaopeng Li, Snaiki Reda et Teng Wu. (2021). A knowledge‐enhanced deep reinforcement learning‐based shape optimizer for aerodynamic mitigation of wind‐sensitive structures. Computer-Aided Civil and Infrastructure Engineering, p. 1-14.

[img]
Prévisualisation
PDF - Version soumise
2MB

URL officielle: http://dx.doi.org/doi:10.1111/mice.12655

Résumé

Structural shape optimization plays an important role in the design of wind‐sensitive structures. The numerical evaluation of aerodynamic performance for each shape search and update during the optimization process typically involves significant computational costs. Accordingly, an effective shape optimization algorithm is needed. In this study, the reinforcement learning (RL) method with deep neural network (DNN)‐based policy is utilized for the first time as a shape optimization scheme for aerodynamic mitigation of wind‐sensitive structures. In addition, “tacit” domain knowledge is leveraged to enhance the training efficiency. Both the specific direct‐domain knowledge and general cross‐domain knowledge are incorporated into the deep RL‐based aerodynamic shape optimizer via the transfer‐learning and meta‐learning techniques, respectively, to reduce the required datasets for learning an effective RL policy. Numerical examples for aerodynamic shape optimization of a tall building are used to demonstrate that the proposed knowledge‐enhanced deep RL‐based shape optimizer outperforms both gradient‐based and gradient‐free optimization algorithms.

Type de document:Article publié dans une revue avec comité d'évaluation
Pages:p. 1-14
Version évaluée par les pairs:Oui
Date:2021
Sujets:Sciences naturelles et génie > Génie
Sciences naturelles et génie > Génie > Génie civil
Sciences naturelles et génie > Sciences appliquées
Département, module, service et unité de recherche:Départements et modules > Département des sciences appliquées > Module d'ingénierie
Mots-clés:structure sensible, forme structurelle, performance aérodynamique, évaluation numérique, modèle mathématique, processus d'optimisation, apprentissage par renforcement
Déposé le:17 mars 2021 22:55
Dernière modification:17 mars 2021 22:55
Afficher les statistiques de telechargements

Éditer le document (administrateurs uniquement)

Creative Commons LicenseSauf indication contraire, les documents archivés dans Constellation sont rendus disponibles selon les termes de la licence Creative Commons "Paternité, pas d'utilisation commerciale, pas de modification" 2.5 Canada.

Bibliothèque Paul-Émile-Boulet, UQAC
555, boulevard de l'Université
Chicoutimi (Québec)  CANADA G7H 2B1
418 545-5011, poste 5630