일반적인/기타 영역 대형 솔루션 많은 설계 변수 많은 설계 변수 최적화 기술 "진화 계산"은 생물학적 진화와 자연의 메커니즘에서 영감을 얻은 "진화 계산"은 신칸센 N-700 시리즈 차량, Jaxa의 로켓 비행 계획, Mitsubishi Jet Table Design 및 MiTubishi Jet Tail Design의 형태와 같은 많은 실제 문제를 최적화하는 데 사용됩니다 설계 목표의 성능을 향상시키는 것은 모든 최적화이기 때문에 식품 제조, 양조 관리, 금속 가공 및 기계 산업, 섬유 산업, 미적 설계, 사운드 및 이미지 신호 처리와 같은 최적화 설계 기술을 사용할 수있는 실제 문제입니다 실제 문제는 종종 복잡한 특성을 가질 수 있습니다 여기에는 계산 비용이 높은 경우, 제한이 엄격한 경우, 설계 변수가 큰 경우 또는 숙련 된 및 전문가의 경험, 지식 및 직관이 필요한 경우가 포함됩니다 예를 들어, Mazda의 공개적으로 이용 가능한 다중 차량 설계 문제에서 1 백만 개의 임의의 솔루션 중 28 개만이 제약 조건을 충족 시키며 단 하나의 솔루션 후보의 제약 조건을 검사하는 시뮬레이션 비용은 300,000 엔이라고합니다 우리의 실험실은 이러한 가혹한 실제 문제에 대한 요구 사항을 실질적으로 견딜 수있는 최적화 설계 기술을 개발해 왔으며 이러한 기술을 더욱 개선하고 적용하는 것을 목표로합니다 최적화는 제조, 정보 통신, 식품 및 생명 공학을 포함하여 많은 분야에서 사용할 수있는 다양한 기술입니다 이 기술은 또한 감도에 따라 최적화 설계를 가능하게합니다 J Yu, et al, "추정 수렴 지점을 사용한 진화 계산 가속화", pp1438-1444 (2016) j Yu and H Takagi, "수치 최적화를위한 식생 진화", pp49-54 (2018) j Yu and H Takagi, "식물 진화의 성능 분석", pp2214-2219 (2019)*문의는 Niigata University Social Collaboration Promotion Organization One-Stop Coun 지능, 소프트 컴퓨팅 및 식품 제조, 양조 관리, 금속 가공 및 기계 산업, 섬유 산업 등 최적화가 필요한 광범위한 산업 : http://wwwengniigata-uacjp/~yujun/ �� ��������� �� ��������� �� ��������� 다중 검색 솔루션 (작은 원 포인트)의 tness (평가 값)를 기반으로 최적화 알고리즘을 기반으로 최적의 성능을위한 설계 솔루션을 점차적으로 검색합니다 실제 문제 (산업, 지방 정부 등)에 대한 엄격한 요구 사항에 대한 연구에 대한 목표, 개요 및 예상 효율성 호소 포인트 계산 지능 실험실 최적의 컴퓨팅 인텔리전스 기술을 사용한 복잡한 실제 문제의 최적 설계