कंप्यूटर-स्वचालित डिज़ाइन: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
Line 2: Line 2:


CAutoD की अवधारणा संभवतः पहली बार 1963 में आईबीएम जर्नल ऑफ़ रिसर्च एंड डेवलपमेंट में प्रकाशित हुई थी।<ref name="IBM" />जहां कंप्यूटर प्रोग्राम लिखा गया था.
CAutoD की अवधारणा संभवतः पहली बार 1963 में आईबीएम जर्नल ऑफ़ रिसर्च एंड डेवलपमेंट में प्रकाशित हुई थी।<ref name="IBM" />जहां कंप्यूटर प्रोग्राम लिखा गया था.
# हार्डवेयर डिज़ाइन पर कुछ बाधाओं वाले लॉजिक सर्किट की खोज करना
# हार्डवेयर डिज़ाइन पर कुछ बाधाओं वाले लॉजिक परिपथ की खोज करना
# इन तर्कों का मूल्यांकन उन वर्ण सेटों के नमूनों पर उनकी भेदभाव करने की क्षमता के आधार पर करें जिन्हें उनसे पहचानने की अपेक्षा की जाती है।
# इन तर्कों का मूल्यांकन उन वर्ण समुच्चयों के नमूनों पर उनकी भेदभाव करने की क्षमता के आधार पर करें जिन्हें उनसे पहचानने की अपेक्षा की जाती है।


हाल ही में, पारंपरिक सीएडी सिमुलेशन को जैविक रूप से प्रेरित [[ यंत्र अधिगम |यंत्र अधिगम]] द्वारा CAutoD में परिवर्तित होते देखा गया है,<ref>[https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6052374 Zhan, Z.H., et al. (2011). Evolutionary computation meets machine learning: a survey, IEEE Computational Intelligence Magazine, 6(4), 68-75.]</ref> विकासवादी संगणना जैसे अनुमानी खोज एल्गोरिदम सहित,<ref>[http://ti.arc.nasa.gov/m/pub-archive/768h/0768%20(Hornby).pdf Gregory S. Hornby (2003). Generative Representations for Computer-Automated Design Systems, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000]</ref><ref>[https://www.msu.edu/~jclune/webfiles/publications/2011-CluneLipson-Evolving3DObjectsWithCPPNs-ECAL.pdf J. Clune and H. Lipson (2011). Evolving three-dimensional objects with a generative encoding inspired by developmental biology. Proceedings of the European Conference on Artificial Life. 2011.]</ref> और [[झुंड खुफिया]] एल्गोरिदम।<ref>[https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4812104 Zhan, Z.H., et al. (2009). Adaptive Particle Swarm Optimization,  IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol.39, No.6. 1362-1381]</ref>
हाल ही में, पारंपरिक सीएडी सिमुलेशन को जैविक रूप से प्रेरित [[ यंत्र अधिगम |यंत्र अधिगम]] द्वारा CAutoD में परिवर्तित होते देखा गया है,<ref>[https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6052374 Zhan, Z.H., et al. (2011). Evolutionary computation meets machine learning: a survey, IEEE Computational Intelligence Magazine, 6(4), 68-75.]</ref> विकासवादी संगणना जैसे अनुमानी खोज एल्गोरिदम सहित,<ref>[http://ti.arc.nasa.gov/m/pub-archive/768h/0768%20(Hornby).pdf Gregory S. Hornby (2003). Generative Representations for Computer-Automated Design Systems, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000]</ref><ref>[https://www.msu.edu/~jclune/webfiles/publications/2011-CluneLipson-Evolving3DObjectsWithCPPNs-ECAL.pdf J. Clune and H. Lipson (2011). Evolving three-dimensional objects with a generative encoding inspired by developmental biology. Proceedings of the European Conference on Artificial Life. 2011.]</ref> और [[झुंड खुफिया]] एल्गोरिदम।<ref>[https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4812104 Zhan, Z.H., et al. (2009). Adaptive Particle Swarm Optimization,  IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol.39, No.6. 1362-1381]</ref>
=='''प्रदर्शन सुधार द्वारा डिज़ाइनों का मार्गदर्शन करना'''==
=='''प्रदर्शन सुधार द्वारा डिज़ाइनों का मार्गदर्शन करना'''==
[[File:Computer-automated design.png|thumb|right|350px|कंप्यूटर-स्वचालित डिज़ाइन में सहभागिता]]गुणवत्ता और प्रतिस्पर्धात्मकता की बढ़ती मांग को पूरा करने के लिए, पुनरावृत्त भौतिक प्रोटोटाइप को अब अधिकांशतः '''<nowiki/>'अच्छे डिजाइन'<nowiki/>''' के '''<nowiki/>'[[डिजिटल प्रोटोटाइप]]'''' द्वारा प्रतिस्थापित किया जाता है, जिसका उद्देश्य अधिकतम उत्पादन, ऊर्जा दक्षता, उच्चतम गति और निवेश जैसे कई उद्देश्यों को पूरा करना है। प्रभावशीलता. डिज़ाइन समस्या ज्ञात सीमा के भीतर सर्वोत्तम डिज़ाइन ढूंढने (अर्थात, '''<nowiki/>'सीखने'<nowiki/>''' या '''<nowiki/>'अनुकूलन'''' के माध्यम से) और उपस्तिथा लोगों से परे नया और उत्तम डिज़ाइन ढूंढने (अर्थात, निर्माण और आविष्कार के माध्यम से) दोनों से संबंधित है। यह एकल (या भारित) उद्देश्य या एकाधिक उद्देश्यों के साथ लगभग निश्चित रूप से, बहुआयामी (बहुभिन्नरूपी), मल्टी-मोडल स्पेस में [[खोज समस्या]] के बराबर है।
[[File:Computer-automated design.png|thumb|right|350px|कंप्यूटर-स्वचालित डिज़ाइन में सहभागिता]]गुणवत्ता और प्रतिस्पर्धात्मकता की बढ़ती मांग को पूरा करने के लिए, पुनरावृत्त भौतिक प्रोटोटाइप को अब अधिकांशतः '''<nowiki/>'अच्छे डिजाइन'<nowiki/>''' के '''<nowiki/>'[[डिजिटल प्रोटोटाइप]]'''' द्वारा प्रतिस्थापित किया जाता है, जिसका उद्देश्य अधिकतम उत्पादन, ऊर्जा दक्षता, उच्चतम गति और निवेश जैसे अनेक उद्देश्यों को पूरा करना है। प्रभावशीलता. डिज़ाइन समस्या ज्ञात सीमा के अंदर सर्वोत्तम डिज़ाइन ढूंढने (अर्थात, '''<nowiki/>'सीखने'<nowiki/>''' या '''<nowiki/>'अनुकूलन'''' के माध्यम से) और उपस्तिथा लोगों से परे नया और उत्तम डिज़ाइन ढूंढने (अर्थात, निर्माण और आविष्कार के माध्यम से) दोनों से संबंधित है। यह एकल (या भारित) उद्देश्य या एकाधिक उद्देश्यों के साथ लगभग निश्चित रूप से, बहुआयामी (बहुभिन्नरूपी), मल्टी-मोडल स्पेस में [[खोज समस्या]] के सामान्तर है।


=='''सामान्यीकृत उद्देश्य फ़ंक्शन: निवेश बनाम फिटनेस'''==
=='''सामान्यीकृत उद्देश्य वेरिएबल: निवेश बनाम फिटनेस'''==
एक उदाहरण के रूप में एकल-उद्देश्य CAutoD का उपयोग करना, यदि उद्देश्य फ़ंक्शन, या तो हानि फ़ंक्शन के रूप में <math>J\in[0, \infty)</math>, या इसके विपरीत, [[फिटनेस कार्य]] के रूप में <math>f\in(0,1]</math>, कहाँ
एक उदाहरण के रूप में एकल-उद्देश्य CAutoD का उपयोग करना, यदि उद्देश्य वेरिएबल, या तब हानि वेरिएबल के रूप में <math>J\in[0, \infty)</math>, या इसके विपरीत, [[फिटनेस कार्य]] के रूप में <math>f\in(0,1]</math>, कहाँ


:<math>f = \tfrac{J}{1+J}</math>,
:<math>f = \tfrac{J}{1+J}</math>,


बहुआयामी अंतरिक्ष में व्यावहारिक बाधाओं के अनुसार  भिन्नता संभव है, डिज़ाइन समस्या को विश्लेषणात्मक रूप से हल किया जा सकता है। पैरामीटर सेट ढूंढना जिसके परिणामस्वरूप शून्य प्रथम-क्रम व्युत्पन्न होता है और जो दूसरे-क्रम व्युत्पन्न शर्तों को पूरा करता है, सभी स्थानीय ऑप्टिमा को प्रकट करेगा। फिर सभी सीमा पैरामीटर सेटों के साथ सभी स्थानीय ऑप्टिमा के प्रदर्शन सूचकांक के मूल्यों की तुलना करने से वैश्विक इष्टतम प्राप्त होगा, जिसका संबंधित '''<nowiki/>'पैरामीटर'''' सेट इस प्रकार सर्वोत्तम डिजाइन का प्रतिनिधित्व करेगा। चूँकि, व्यवहार में, अनुकूलन में सामान्यतः कई उद्देश्य सम्मिलित होते हैं और डेरिवेटिव से जुड़े मामले बहुत अधिक समष्टि  होते हैं।
बहुआयामी अंतरिक्ष में व्यावहारिक बाधाओं के अनुसार  भिन्नता संभव है, डिज़ाइन समस्या को विश्लेषणात्मक रूप से हल किया जा सकता है। पैरामीटर समुच्चय ढूंढना जिसके परिणामस्वरूप शून्य प्रथम-क्रम व्युत्पन्न होता है और जो दूसरे-क्रम व्युत्पन्न शर्तों को पूरा करता है, सभी स्थानीय ऑप्टिमा को प्रकट करेगा। फिर सभी सीमा पैरामीटर समुच्चयों के साथ सभी स्थानीय ऑप्टिमा के प्रदर्शन सूचकांक के मूल्यों की तुलना करने से वैश्विक इष्टतम प्राप्त होगा, जिसका संबंधित '''<nowiki/>'पैरामीटर'''' समुच्चय इस प्रकार सर्वोत्तम डिजाइन का प्रतिनिधित्व करेगा। चूँकि, व्यवहार में, अनुकूलन में सामान्यतः अनेक उद्देश्य सम्मिलित होते हैं और डेरिवेटिव से जुड़े मामले बहुत अधिक समष्टि  होते हैं।


=='''व्यावहारिक उद्देश्यों से निपटना'''==
=='''व्यावहारिक उद्देश्यों से निपटना'''==
व्यवहार में, वस्तुनिष्ठ मूल्य ध्वनि या गैर-संख्यात्मक भी हो सकता है, और इसलिए इसकी क्रमिक जानकारी अविश्वसनीय या अनुपलब्ध हो सकती है। यह विशेष रूप से सच है जब समस्या बहुउद्देश्यीय हो। वर्तमान में, कई डिज़ाइन और परिशोधन मुख्य रूप से सीएडी [[सिमुलेशन]] पैकेज की सहायता से मैन्युअल परीक्षण-और-त्रुटि प्रक्रिया के माध्यम से किए जाते हैं। सामान्यतः, इस तरह की पिछली सीख या समायोजन को 'संतोषजनक' या 'इष्टतम' डिज़ाइन सामने आने तक कई बार दोहराने की आवश्यकता होती है।
व्यवहार में, वस्तुनिष्ठ मूल्य ध्वनि या गैर-संख्यात्मक भी हो सकता है, और इसलिए इसकी क्रमिक जानकारी अविश्वसनीय या अनुपलब्ध हो सकती है। यह विशेष रूप से सच है जब समस्या बहुउद्देश्यीय हो। वर्तमान में, अनेक डिज़ाइन और परिशोधन मुख्य रूप से सीएडी [[सिमुलेशन]] पैकेज की सहायता से मैन्युअल परीक्षण-और-त्रुटि प्रक्रिया के माध्यम से किए जाते हैं। सामान्यतः, इस तरह की पिछली सीख या समायोजन को '''<nowiki/>'संतोषजनक'<nowiki/>''' या '''<nowiki/>'इष्टतम'''' डिज़ाइन सामने आने तक अनेक बार दोहराने की आवश्यकता होती है।


=='''विस्तृत खोज'''==
=='''विस्तृत खोज'''==
सिद्धांत रूप में, इस समायोजन प्रक्रिया को कम्प्यूटरीकृत खोज, जैसे संपूर्ण खोज, द्वारा स्वचालित किया जा सकता है। चूंकि यह घातीय एल्गोरिदम है, यह सीमित समय के भीतर व्यवहार में समाधान प्रदान नहीं कर सकता है।
सिद्धांत रूप में, इस समायोजन प्रक्रिया को कम्प्यूटरीकृत खोज, जैसे संपूर्ण खोज, द्वारा स्वचालित किया जा सकता है। चूंकि यह घातीय एल्गोरिदम है, यह सीमित समय के अंदर व्यवहार में समाधान प्रदान नहीं कर सकता है।


=='''बहुपद समय में खोजें'''==
=='''बहुपद समय में खोजें'''==
Line 26: Line 26:


===विकासवादी एल्गोरिदम===
===विकासवादी एल्गोरिदम===
खोज समय को कम करने के लिए, इसके अतिरिक्त जैविक रूप से प्रेरित विकासवादी एल्गोरिदम (ईए) का उपयोग किया जा सकता है, जो (गैर-नियतात्मक) घातीय एल्गोरिदम बहुपद समय है। ईए आधारित बहुउद्देश्यीय खोज टीम को बैच मोड में उपस्तिथा सीएडी सिमुलेशन पैकेज के साथ इंटरफेस किया जा सकता है। ईए समानांतर और इंटरैक्टिव खोज के माध्यम से कई उम्मीदवारों को परिष्कृत करने के लिए डिज़ाइन मापदंडों को एन्कोड करता है (यदि कुछ पैरामीटर गैर-संख्यात्मक हैं तो एन्कोडिंग आवश्यक है)। खोज प्रक्रिया में, '''<nowiki/>'[[प्राकृतिक चयन]]'''' को '''<nowiki/>'[[योग्यतम की उत्तरजीविता]]'''' (पोस्टीरियर लर्निंग) का उपयोग करके किया जाता है। संभावित समाधानों की अगली 'पीढ़ी' प्राप्त करने के लिए, दो उम्मीदवारों के बीच कुछ पैरामीटर मानों का आदान-प्रदान किया जाता है ('क्रॉसओवर (जेनेटिक एल्गोरिदम)' नामक ऑपरेशन द्वारा) और नए मान प्रस्तुतकिए जाते हैं ('[[ उत्परिवर्तन ]]' नामक ऑपरेशन द्वारा)। इस तरह, विकासवादी विधि  मानव डिजाइनर के समान बुद्धिमान तरीके से पिछले परीक्षण की जानकारी का उपयोग करती है।
खोज समय को कम करने के लिए, इसके अतिरिक्त जैविक रूप से प्रेरित विकासवादी एल्गोरिदम (ईए) का उपयोग किया जा सकता है, जो (गैर-नियतात्मक) घातीय एल्गोरिदम बहुपद समय है। ईए आधारित बहुउद्देश्यीय खोज टीम को बैच मोड में उपस्तिथा सीएडी सिमुलेशन पैकेज के साथ इंटरफेस किया जा सकता है। ईए समानांतर और इंटरैक्टिव खोज के माध्यम से अनेक उम्मीदवारों को परिष्कृत करने के लिए डिज़ाइन मापदंडों को एन्कोड करता है (यदि कुछ पैरामीटर गैर-संख्यात्मक हैं तब एन्कोडिंग आवश्यक है)। खोज प्रक्रिया में, '''<nowiki/>'[[प्राकृतिक चयन]]'''' को '''<nowiki/>'[[योग्यतम की उत्तरजीविता]]'''' (पोस्टीरियर लर्निंग) का उपयोग करके किया जाता है। संभावित समाधानों की अगली 'पीढ़ी' प्राप्त करने के लिए, दो उम्मीदवारों के मध्य कुछ पैरामीटर मानों का आदान-प्रदान किया जाता है ('क्रॉसओवर (जेनेटिक एल्गोरिदम)' नामक ऑपरेशन द्वारा) और नए मान प्रस्तुतकिए जाते हैं ('[[ उत्परिवर्तन ]]' नामक ऑपरेशन द्वारा)। इस तरह, विकासवादी विधि  मानव डिजाइनर के समान बुद्धिमान तरीके से पिछले परीक्षण की जानकारी का उपयोग करती है।


ईए आधारित इष्टतम डिज़ाइन डिज़ाइनर के उपस्तिथा डिज़ाइन डेटाबेस से, या यादृच्छिक रूप से प्राप्त उम्मीदवार डिज़ाइन की प्रारंभिक पीढ़ी से प्रारंभ हो सकते हैं। उत्तमीन प्रदर्शन करने वाले कई उत्तमीन उम्मीदवार कई स्वचालित रूप से अनुकूलित डिजिटल प्रोटोटाइप का प्रतिनिधित्व करेंगे।
ईए आधारित इष्टतम डिज़ाइन डिज़ाइनर के उपस्तिथा डिज़ाइन डेटाबेस से, या यादृच्छिक रूप से प्राप्त उम्मीदवार डिज़ाइन की प्रारंभिक पीढ़ी से प्रारंभ हो सकते हैं। उत्तमीन प्रदर्शन करने वाले अनेक उत्तमीन उम्मीदवार अनेक स्वचालित रूप से अनुकूलित डिजिटल प्रोटोटाइप का प्रतिनिधित्व करेंगे।


ऐसी वेबसाइटें हैं जो डिज़ाइन के लिए इंटरैक्टिव विकासवादी एल्गोरिदम प्रदर्शित करती हैं। [http://EndlessForms.com EndlessForms.com] आपको 3डी वस्तुओं को ऑनलाइन विकसित करने और उन्हें 3डी प्रिंट करने की अनुमति देता है। [http://www.picbreeder.org PicBreeder.org] आपको 2डी छवियों के लिए भी ऐसा करने की अनुमति देता है।
ऐसी वेबसाइटें हैं जो डिज़ाइन के लिए इंटरैक्टिव विकासवादी एल्गोरिदम प्रदर्शित करती हैं। [http://EndlessForms.com EndlessForms.com] आपको 3डी वस्तुओं को ऑनलाइन विकसित करने और उन्हें 3डी प्रिंट करने की अनुमति देता है। [http://www.picbreeder.org PicBreeder.org] आपको 2डी छवियों के लिए भी ऐसा करने की अनुमति देता है।

Revision as of 01:27, 17 August 2023

डिज़ाइन स्वचालन सामान्यतः इलेक्ट्रॉनिक डिजाइन स्वचालन या डिज़ाइन ऑटोमेशन को संदर्भित करता है जो उत्पाद विन्यासकर्ता है। कंप्यूटर एडेड डिजाइन (सीएडी), स्वचालित डिज़ाइन और कंप्यूटर-स्वचालित डिज़ाइन (CAutoD) का विस्तार[1][2][3] अनुप्रयोगों की विस्तृत श्रृंखला से अधिक चिंतित हैं, जैसे ऑटोमोटिव इंजीनियरिंग, असैनिक अभियंत्रण ,[4][5][6][7] मिश्रित सामग्री डिज़ाइन, नियंत्रण इंजीनियरिंग,[8] गतिशील प्रणाली पहचान और अनुकूलन,[9] वित्तीय प्रणालियाँ, औद्योगिक उपकरण, मेकाट्रोनिक्स प्रणालियाँ, इस्पात निर्माण,[10] संरचनात्मक अनुकूलन (गणित),[11] और नवीन प्रणालियों का आविष्कार।[12]

CAutoD की अवधारणा संभवतः पहली बार 1963 में आईबीएम जर्नल ऑफ़ रिसर्च एंड डेवलपमेंट में प्रकाशित हुई थी।[1]जहां कंप्यूटर प्रोग्राम लिखा गया था.

  1. हार्डवेयर डिज़ाइन पर कुछ बाधाओं वाले लॉजिक परिपथ की खोज करना
  2. इन तर्कों का मूल्यांकन उन वर्ण समुच्चयों के नमूनों पर उनकी भेदभाव करने की क्षमता के आधार पर करें जिन्हें उनसे पहचानने की अपेक्षा की जाती है।

हाल ही में, पारंपरिक सीएडी सिमुलेशन को जैविक रूप से प्रेरित यंत्र अधिगम द्वारा CAutoD में परिवर्तित होते देखा गया है,[13] विकासवादी संगणना जैसे अनुमानी खोज एल्गोरिदम सहित,[14][15] और झुंड खुफिया एल्गोरिदम।[16]

प्रदर्शन सुधार द्वारा डिज़ाइनों का मार्गदर्शन करना

File:Computer-automated design.png
कंप्यूटर-स्वचालित डिज़ाइन में सहभागिता

गुणवत्ता और प्रतिस्पर्धात्मकता की बढ़ती मांग को पूरा करने के लिए, पुनरावृत्त भौतिक प्रोटोटाइप को अब अधिकांशतः 'अच्छे डिजाइन' के 'डिजिटल प्रोटोटाइप' द्वारा प्रतिस्थापित किया जाता है, जिसका उद्देश्य अधिकतम उत्पादन, ऊर्जा दक्षता, उच्चतम गति और निवेश जैसे अनेक उद्देश्यों को पूरा करना है। प्रभावशीलता. डिज़ाइन समस्या ज्ञात सीमा के अंदर सर्वोत्तम डिज़ाइन ढूंढने (अर्थात, 'सीखने' या 'अनुकूलन' के माध्यम से) और उपस्तिथा लोगों से परे नया और उत्तम डिज़ाइन ढूंढने (अर्थात, निर्माण और आविष्कार के माध्यम से) दोनों से संबंधित है। यह एकल (या भारित) उद्देश्य या एकाधिक उद्देश्यों के साथ लगभग निश्चित रूप से, बहुआयामी (बहुभिन्नरूपी), मल्टी-मोडल स्पेस में खोज समस्या के सामान्तर है।

सामान्यीकृत उद्देश्य वेरिएबल: निवेश बनाम फिटनेस

एक उदाहरण के रूप में एकल-उद्देश्य CAutoD का उपयोग करना, यदि उद्देश्य वेरिएबल, या तब हानि वेरिएबल के रूप में , या इसके विपरीत, फिटनेस कार्य के रूप में , कहाँ

,

बहुआयामी अंतरिक्ष में व्यावहारिक बाधाओं के अनुसार भिन्नता संभव है, डिज़ाइन समस्या को विश्लेषणात्मक रूप से हल किया जा सकता है। पैरामीटर समुच्चय ढूंढना जिसके परिणामस्वरूप शून्य प्रथम-क्रम व्युत्पन्न होता है और जो दूसरे-क्रम व्युत्पन्न शर्तों को पूरा करता है, सभी स्थानीय ऑप्टिमा को प्रकट करेगा। फिर सभी सीमा पैरामीटर समुच्चयों के साथ सभी स्थानीय ऑप्टिमा के प्रदर्शन सूचकांक के मूल्यों की तुलना करने से वैश्विक इष्टतम प्राप्त होगा, जिसका संबंधित 'पैरामीटर' समुच्चय इस प्रकार सर्वोत्तम डिजाइन का प्रतिनिधित्व करेगा। चूँकि, व्यवहार में, अनुकूलन में सामान्यतः अनेक उद्देश्य सम्मिलित होते हैं और डेरिवेटिव से जुड़े मामले बहुत अधिक समष्टि होते हैं।

व्यावहारिक उद्देश्यों से निपटना

व्यवहार में, वस्तुनिष्ठ मूल्य ध्वनि या गैर-संख्यात्मक भी हो सकता है, और इसलिए इसकी क्रमिक जानकारी अविश्वसनीय या अनुपलब्ध हो सकती है। यह विशेष रूप से सच है जब समस्या बहुउद्देश्यीय हो। वर्तमान में, अनेक डिज़ाइन और परिशोधन मुख्य रूप से सीएडी सिमुलेशन पैकेज की सहायता से मैन्युअल परीक्षण-और-त्रुटि प्रक्रिया के माध्यम से किए जाते हैं। सामान्यतः, इस तरह की पिछली सीख या समायोजन को 'संतोषजनक' या 'इष्टतम' डिज़ाइन सामने आने तक अनेक बार दोहराने की आवश्यकता होती है।

विस्तृत खोज

सिद्धांत रूप में, इस समायोजन प्रक्रिया को कम्प्यूटरीकृत खोज, जैसे संपूर्ण खोज, द्वारा स्वचालित किया जा सकता है। चूंकि यह घातीय एल्गोरिदम है, यह सीमित समय के अंदर व्यवहार में समाधान प्रदान नहीं कर सकता है।

बहुपद समय में खोजें

आभासी इंजीनियरिंग और स्वचालित डिज़ाइन के लिए दृष्टिकोण विकासवादी एल्गोरिदम जैसे विकासवादी गणना है।

विकासवादी एल्गोरिदम

खोज समय को कम करने के लिए, इसके अतिरिक्त जैविक रूप से प्रेरित विकासवादी एल्गोरिदम (ईए) का उपयोग किया जा सकता है, जो (गैर-नियतात्मक) घातीय एल्गोरिदम बहुपद समय है। ईए आधारित बहुउद्देश्यीय खोज टीम को बैच मोड में उपस्तिथा सीएडी सिमुलेशन पैकेज के साथ इंटरफेस किया जा सकता है। ईए समानांतर और इंटरैक्टिव खोज के माध्यम से अनेक उम्मीदवारों को परिष्कृत करने के लिए डिज़ाइन मापदंडों को एन्कोड करता है (यदि कुछ पैरामीटर गैर-संख्यात्मक हैं तब एन्कोडिंग आवश्यक है)। खोज प्रक्रिया में, 'प्राकृतिक चयन' को 'योग्यतम की उत्तरजीविता' (पोस्टीरियर लर्निंग) का उपयोग करके किया जाता है। संभावित समाधानों की अगली 'पीढ़ी' प्राप्त करने के लिए, दो उम्मीदवारों के मध्य कुछ पैरामीटर मानों का आदान-प्रदान किया जाता है ('क्रॉसओवर (जेनेटिक एल्गोरिदम)' नामक ऑपरेशन द्वारा) और नए मान प्रस्तुतकिए जाते हैं ('उत्परिवर्तन ' नामक ऑपरेशन द्वारा)। इस तरह, विकासवादी विधि मानव डिजाइनर के समान बुद्धिमान तरीके से पिछले परीक्षण की जानकारी का उपयोग करती है।

ईए आधारित इष्टतम डिज़ाइन डिज़ाइनर के उपस्तिथा डिज़ाइन डेटाबेस से, या यादृच्छिक रूप से प्राप्त उम्मीदवार डिज़ाइन की प्रारंभिक पीढ़ी से प्रारंभ हो सकते हैं। उत्तमीन प्रदर्शन करने वाले अनेक उत्तमीन उम्मीदवार अनेक स्वचालित रूप से अनुकूलित डिजिटल प्रोटोटाइप का प्रतिनिधित्व करेंगे।

ऐसी वेबसाइटें हैं जो डिज़ाइन के लिए इंटरैक्टिव विकासवादी एल्गोरिदम प्रदर्शित करती हैं। EndlessForms.com आपको 3डी वस्तुओं को ऑनलाइन विकसित करने और उन्हें 3डी प्रिंट करने की अनुमति देता है। PicBreeder.org आपको 2डी छवियों के लिए भी ऐसा करने की अनुमति देता है।

यह भी देखें

संदर्भ

  1. 1.0 1.1 Kamentsky, L.A.; Liu, C.-N. (1963). "मल्टीफ़ॉन्ट प्रिंट रिकग्निशन लॉजिक का कंप्यूटर-स्वचालित डिज़ाइन". IBM Journal of Research and Development. 7 (1): 2. doi:10.1147/rd.71.0002.
  2. Brncick, M (2000). "कंप्यूटर स्वचालित डिज़ाइन और कंप्यूटर स्वचालित निर्माण". Phys Med Rehabil Clin N Am. 11 (3): 701–13. doi:10.1016/S1047-9651(18)30806-4. PMID 10989487.
  3. Li, Y., et al. (2004). CAutoCSD - Evolutionary search and optimisation enabled computer automated control system design Archived 2015-08-31 at the Wayback Machine. International Journal of Automation and Computing, 1(1). 76-88. ISSN 1751-8520
  4. Kramer, GJE; Grierson, DE (1989). "गतिशील भार के तहत संरचनाओं का कंप्यूटर स्वचालित डिजाइन". Computers & Structures. 32 (2): 313–325. doi:10.1016/0045-7949(89)90043-6.
  5. Moharrami, H; Grierson, DE (1993). "Computer‐Automated Design of Reinforced Concrete Frameworks". Journal of Structural Engineering. 119 (7): 2036–2058. doi:10.1061/(ASCE)0733-9445(1993)119:7(2036).
  6. XU, L; Grierson, DE (1993). "Computer‐Automated Design of Semirigid Steel Frameworks". Journal of Structural Engineering. 119 (6): 1740–1760. doi:10.1061/(ASCE)0733-9445(1993)119:6(1740).
  7. Barsan, GM; Dinsoreanu, M, (1997). Computer-automated design based on structural performance criteria, Mouchel Centenary Conference on Innovation in Civil and Structural Engineering, AUG 19-21, CAMBRIDGE ENGLAND, INNOVATION IN CIVIL AND STRUCTURAL ENGINEERING, 167-172
  8. Li, Yun (1996). "स्लाइडिंग मोड नियंत्रण प्रणालियों के डिजाइन के लिए आनुवंशिक एल्गोरिदम स्वचालित दृष्टिकोण". International Journal of Control. 63 (4): 721–739. doi:10.1080/00207179608921865.
  9. Li, Yun; Chwee Kim, Ng; Chen Kay, Tan (1995). "इवोल्यूशनरी कंप्यूटेशन द्वारा लीनियर और नॉनलीनियर कंट्रोल सिस्टम डिजाइन का स्वचालन" (PDF). IFAC Proceedings Volumes. 28 (16): 85–90. doi:10.1016/S1474-6670(17)45158-5.
  10. Barsan, GM, (1995) Computer-automated design of semirigid steel frameworks according to EUROCODE-3, Nordic Steel Construction Conference 95, JUN 19-21, 787-794
  11. Gray, Gary J.; Murray-Smith, David J.; Li, Yun; et al. (1998). "आनुवंशिक प्रोग्रामिंग का उपयोग करके नॉनलाइनियर मॉडल संरचना की पहचान". Control Engineering Practice. 6 (11): 1341–1352. doi:10.1016/S0967-0661(98)00087-2.
  12. Yi Chen, Yun Li, (2018). Computational Intelligence Assisted Design: In Industrial Revolution 4.0, CRC Press, ISBN 9781498760669
  13. Zhan, Z.H., et al. (2011). Evolutionary computation meets machine learning: a survey, IEEE Computational Intelligence Magazine, 6(4), 68-75.
  14. Gregory S. Hornby (2003). Generative Representations for Computer-Automated Design Systems, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000
  15. J. Clune and H. Lipson (2011). Evolving three-dimensional objects with a generative encoding inspired by developmental biology. Proceedings of the European Conference on Artificial Life. 2011.
  16. Zhan, Z.H., et al. (2009). Adaptive Particle Swarm Optimization, IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol.39, No.6. 1362-1381

बाहरी संबंध