深層学習を用いた多目的トポロジー最適化：分類型と回帰型の比較

摘要

近年，電気自動車をはじめ様々な用途に回転機が用いられており，回転機の高性能化が強く求められている.高性能な回転機を設計するためには，平均トルクやトルクリプル，鉄損等など多数の特性に関して最適化を行う必要がある.複数の目的関数を最適化する多目的最適化では，一度の最適化で多くのパレート解が得られることが望ましい.このためには多点探索法である遺伝的アルゴリズム(Genetic Algorithm: GA)が有効である.このときGAの集団数や子個体数を多くすることで，広く分布するパレート解が得られる.しかし，GAを用いた最適化では，有限要素法(Finite Element Method: FEM)などの電磁界解析による個体の評価回数が非常に多くなってしまうため，大きな計算コストが必要となる.ここでFEMによる個体の評価は，回転機の最適化において最も時間を要する部分であるため，上記個体数が特に最適化時間に強く影響する.