ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΙΙ

 

6.2     Εφαρμοσμενη Μηχανικη και Μηχανολογικος Σχεδιασμος

 

Η βελτιστοποίηση του Μηχανικού και Μηχανολογικού Σχεδιασμού (Engineering and Design) είναι σήμερα ένας χώρος με ραγδαία εξέλιξη και τεράστιες ανάγκες για επαρκή υποστήριξη από υπολογιστικές μηχανές. Το κύριο πρόβλημα που, ως επί το πλείστον, παρουσιάζεται σε αυτό το πεδίο είναι η εύρεση των βέλτιστων τιμών για μια σειρά παραμέτρων, ικανοποιώντας ταυτόχρονα ένα σύνολο περιορισμών. Η εργασία αυτή είναι συνήθως δύσκολη και χρονοβόρα και απαιτεί μεγάλη υπολογιστική ισχύ και σημαντικούς πόρους. Τα συστήματα που έχουν αναπτυχθεί για την εξυπηρέτηση αυτών των αναγκών είναι αξιόλογα, αλλά επειδή συχνά οι χώροι αναζήτησης είναι τεράστιοι, η προσπάθεια βελτίωσης των τεχνικών είναι διαρκής.

 

Οι Γ.Α., ως ισχυρό και ευέλικτο εργαλείο βελτιστοποίησης, έχουν χρησιμοποιηθεί με επιτυχία στο χώρο αυτό βελτιώνοντας αξιοσημείωτα τις επιδόσεις. Αξίζει να σημειωθεί ότι σε ένα χώρο, όπως ο Μηχανικός και Μηχανολογικός Σχεδιασμός, όπου τα προβλήματα παρουσιάζουν πολύ υψηλό βαθμό δυσκολίας και πολυπλοκότητας, πολύ μικρές βελτιώσεις, π.χ. της τάξεως του 2%, θεωρούνται πολύ σημαντικές και συχνά δύσκολα επιτεύξιμες. Είναι αρκετά συνηθισμένο το φαινόμενο, μέσα στα πλαίσια του έντονου ανταγωνισμού, να δαπανώνται τεράστια ποσά για ανάπτυξη συστημάτων που επιτυγχάνουν μικρά ποσοστά βελτίωσης.

 

Το φάσμα των εφαρμογών που αναπτύσσονται σε αυτό το πεδίο είναι αρκετά μεγάλο, όπως για παράδειγμα ο σχεδιασμός κινητήρων αεροπλάνων, η κατασκευή γεφυρών, ο σχεδιασμός αγωγών αερίων, κ.τ.λ. Πολύ συνηθισμένη πρακτική είναι η χρησιμοποίηση υβριδικών σχημάτων, που συνήθως έχουν καλύτερες επιδόσεις σε προβλήματα μεγάλης εξειδίκευσης. Ακολουθεί η παρουσίαση μερικών εφαρμογών, στις οποίες φαίνονται οι προσαρμογές των βασικών λειτουργιών του Γ.Α. στις ανάγκες του κάθε προβλήματος.

 

Μια περιοχή έντονου ενδιαφέροντος είναι ο κατασκευαστικός τομέας (structural optimization). Οι Goldberg και Samtani [29] έχουν χρησιμοποιήσει ένα Γ.Α. για την κατασκευή υποστηρίγματος πτέρυγας αεροπλάνου. Το υποστήριγμα αποτελείται από 10 τμήματα και στόχος είναι ο σχεδιασμός τους κατά τέτοιο τρόπο, ώστε να ελαχιστοποιείται το βάρος τους, ικανοποιώντας ταυτόχρονα κάποιους περιορισμούς μέγιστης και ελάχιστης πίεσης. Ο Γ.Α. χρησιμοποιήθηκε με τις κλασσικές μορφές των λειτουργιών του: επιλογή με ρουλέτα, απλή διασταύρωση και μετάλλαξη. Για την ενσωμάτωση των περιορισμών χρησιμοποιήθηκε η μέθοδος της ποινής. Η κωδικοποίηση ήταν δυαδική με 4 δυαδικά ψηφία για κάθε μια από τις 10 μεταβλητές του προβλήματος, ενώ εξαιτίας των πολλών μεταβλητών, έγινε συνένωση τους σε μια συμβολοσειρά. Επίσης, έγινε χρήση της τεχνικής της αντιστοίχησης των μεταβλητών σε κάποιο διάστημα, που εξυπηρετούσε τις ανάγκες του προβλήματος.

 

Συγκρινόμενος με άλλες μεθόδους, ο Γ.Α. δίνει αποτελέσματα περίπου της ίδιας ακρίβειας στον ίδιο χρόνο. Ωστόσο, η παρουσίαση αυτού του παραδείγματος έγινε για να φανεί ότι κατά πρώτο λόγο οι Γ.Α. έχουν το λιγότερο ισάξιες επιδόσεις με άλλες τεχνικές και κατά δεύτερο να φανεί το εύρος των εφαρμογών που μπορούν να χρησιμοποιηθούν ακόμη και με τη βασική τους μορφή, δηλαδή να φανεί η ευρωστία τους.

 

Μεγάλο ενδιαφέρον στον ίδιο χώρο, παρουσιάζει και η πρωτότυπη δουλειά των Powel, Skolnik και Tong [54], οι οποίοι κατόρθωσαν να δημιουργήσουν ένα πολύ αποδοτικό και εύρωστο υβριδικό σύστημα βελτιστοποίησης. Σε αυτό συνδυάζονται διάφορες ετερογενείς τεχνικές με διαφορετικές και, μερικές φορές, συμπληρωματικές δυνατότητες. Οι τεχνικές αυτές είναι οι εξής: Έμπειρο Σύστημα (Ε.Σ.), Αριθμητική Βελτιστοποίηση (Α.Β.) και Γ.Α. Η επιτυχία του συστήματος βασίζεται στην επιτυχημένη συνύπαρξη αυτών των τεχνικών, η οποία έχει ως αποτέλεσμα την εκμετάλλευση όλων των πλεονεκτημάτων της κάθε μιας και ταυτόχρονα την εξάλειψη των μειονεκτημάτων τους. Το κλειδί στην όλη υπόθεση είναι ότι η αντιμετώπιση του κάθε προβλήματος δε γίνεται με τον ίδιο τρόπο, αλλά, αναλόγως με τη φύση και τις ιδιαιτερότητές του, γίνεται επιλεκτική χρησιμοποίηση των επιμέρους τεχνικών σε ποσοστά που μπορούν να ποικίλουν ακόμη και κατά το χρόνο εκτέλεσης. Η τεχνική αυτή ονομάστηκε από τους εμπνευστές της Αλληλοσύνδεση (Inter-digitation) και η βασική ιδέα της λειτουργίας της περιγράφεται παρακάτω.

 

Είναι γνωστό ότι τα Ε.Σ. είναι ένα άριστο εργαλείο βελτιστοποίησης σε προβλήματα, όπου η γνώση του πεδίου των μεταβλητών από τον μηχανικό είναι αρκετή. Αντιθέτως, οι Γ.Α. αδιαφορούν για το πληροφοριακό περιεχόμενο του προβλήματος. Η Α.Β. βρίσκεται κάπου ενδιάμεσα των δύο άλλων τεχνικών. Συνεπώς, ο συνδυασμός των τεχνικών που χρησιμοποιούνται κάθε φορά είναι προφανής: Όταν η γνώση του πεδίου είναι πολύ καλή, χρησιμοποιείται μόνο Ε.Σ. Αν είναι απλώς καλή, χρησιμοποιείται Ε.Σ. με Α.Β. Αν είναι μέτρια, χρησιμοποιείται συνδυασμός Ε.Σ.-Α.Β.-Γ.Α. Τέλος, αν δεν υπάρχει γνώση, προτιμάται Γ.Α. με Α.Β. Αξιοσημείωτο είναι το γεγονός ότι ο συνδυασμός των τεχνικών αυτών μπορεί να αλλάζει κατά το χρόνο εκτέλεσης. Αυτό είναι μεγάλο πλεονέκτημα, γιατί διαφορετικές περιοχές είναι δυνατό να παρουσιάζουν διαφορετικό είδος πληροφορίας.

 

Η εφαρμογή της τεχνικής αυτής σε διάφορα προβλήματα έδωσε ικανοποιητικά αποτελέσματα. Ο ισχυρισμός των κατασκευαστών για μεγάλη ευρωστία επιβεβαιώθηκε όταν ο αλγόριθμος υποβλήθηκε σε ένα εξαντλητικό test που περιελάμβανε έξι δύσκολα προβλήματα βελτιστοποίησης διαφόρων πεδίων. Καμιά μέθοδος βελτιστοποίησης δεν είχε καλές επιδόσεις σε παραπάνω από δύο από αυτά τα προβλήματα. Η τεχνική της Αλληλοσύνδεσης απέδειξε τη μεγάλη του ισχύ σημειώνοντας πολύ καλές επιδόσεις σε όλα τα test.

Σε εφαρμογές μηχανικού σχεδιασμού, για τις οποίες άλλωστε δημιουργήθηκε, πέτυχε επίσης αξιόλογες επιδόσεις. Η General Electric το χρησιμοποίησε για την κατασκευή τουρμπίνας αεροπλάνου και η απόδοση που επιτεύχθηκε ήταν καλύτερη από κάθε άλλη τεχνική βελτιστοποίησης.

 

Η General Electric, εταιρία με πολύ ευρύ πεδίο δραστηριοτήτων στον κατασκευαστικό τομέα (από πυρηνικά εργοστάσια μέχρι ηλεκτρικούς λαμπτήρες) έχει αναπτύξει ένα γενικού σκοπού εργαλείο αυτοματισμού που περιλαμβάνει Γ.Α. και έχει το όνομα Engineous. Το εργαλείο αυτό είναι σχεδιασμένο, ώστε να συνεργάζεται και με άλλο λογισμικό, όπως προσομοιωμένες μηχανές και μοντέλα CAD. Αυτό που επιτυγχάνει το Engineous, είναι να αυτοματοποιεί τη χειρωνακτική διαδικασία του επαναληπτικού σχεδιασμού [32]. Αποτελείται από ένα υβριδικό σύνολο εργαλείων, ένα από τα οποία είναι Γ.Α. Αρχικά, επιλέγει κάποιες τιμές για τις παραμέτρους του μοντέλου που θα σχεδιαστεί και, έπειτα, μέσα από τη διαδικασία τρεξίματος, δίνει τη δυνατότητα στο μηχανικό να αξιολογεί πώς λειτουργεί μια νέα σύνθεση στις συνθήκες του προβλήματος. Μέσα από διαδοχικές γενιές νέων σχεδιασμών, το Engineous επιτρέπει την προοδευτική εξέλιξη μέχρι να ικανοποιηθούν οι απαιτήσεις του σχεδιασμού, χρησιμοποιώντας τη διαδικασία "δοκιμή και σφάλμα" (trial and error). Με την βοήθεια του Γ.Α. μπορούν να δοκιμαστούν μέχρι και 100 παράμετροι τη φορά, ενώ με την αντίστοιχη χειρωνακτική διαδικασία μόλις 10.

 

 

ΑΡΧΗ ΚΕΦΑΛΑΙΟΥ