- Evolyutsion hisob-kitoblar yordamida bashorat qilingan yupqa bor nanosimlari (arXiv)
Muallif: Omasz Tarkovski, Nevill Gonsales Szvacki
Xulosa : Bu ish eng barqaror bor 1D tuzilmalarining strukturasini aniqlash uchun birinchi tamoyillar bilan birlashtirilgan genetik algoritmga asoslangan strategiyani amalga oshirishni tavsiflaydi. Ushbu mavzu bo'yicha oldingi eksperimental va nazariy ishlar yo'qligi sababli biz diqqatimizni ultra yupqa 1D bor tuzilmalarining tuzilishiga qaratamiz. Bizning metodologiyamiz yanada qattiqroq konvergentsiya mezonlari bilan DFT darajasida yanada optimallashtirish uchun asosli tarkibiy nomzodlarni beradi. Simulyatsiyalar hujayra birligida 8 tagacha atomga ega 1D tuzilmalarni o'z ichiga oldi. Biz tuzilmalarning to'rtta asosiy guruhini aniqladik: uchburchak yoki uchburchak va "kvadrat" naqshli tekis nanosimlar (monatomik balandlikdagi chiziqlar), kattaroq teshiklari bo'lgan chiziqlar, ochiq quvur shaklidagi nanosimlar va oddiy nanosimlar. Diametrga bog'liq bo'lgan strukturaviy o'zgarishlar muhokama qilinadi
2.Ko‘p maqsadli optimallashtirish masalalarini yechish uchun adaptiv evolyutsion hisoblashni o‘rganish (arXiv)
Muallif: "Remco Coppens", "Robbert Reijnen", "Yingqian Zhang", "Laurens Bliek", "Berend Steenhuisen"
Xulosa: Ko'p maqsadli evolyutsion algoritmlar (MOEA) ko'p maqsadli optimallashtirish muammolarini hal qilish uchun keng qo'llaniladi. Algoritmlar yaxshi echimlarni topish uchun tegishli parametrlarni o'rnatishga tayanadi. Biroq, bu parametrni sozlash sinovdan tashqari (kombinativ) optimallashtirish muammolarini hal qilishda juda qimmatga tushishi mumkin. Ushbu maqola MOEAlarni Deep Reinforcement Learning (DRL) yordamida moslashtirilgan parametrlarni boshqarish bilan birlashtiradigan asosni taklif qiladi. DRL siyosati optimallashtirish vaqtida yechimlar uchun mutatsiyaning intensivligi va ehtimolini belgilaydigan qiymatlarni moslashtirilgan tarzda o'rnatishga o'rgatilgan. Biz taklif qilingan yondashuvni oddiy benchmark muammosi va real, murakkab omborni loyihalash va boshqarish muammosi bilan sinab ko'ramiz. Eksperimental natijalar yaxshi echimlarga erishish uchun yechim sifati va hisoblash vaqti nuqtai nazaridan usulimizning afzalliklarini ko'rsatadi. Bundan tashqari, biz o'rganilgan siyosatni o'tkazish mumkinligini ko'rsatamiz, ya'ni oddiy benchmark muammosi bo'yicha o'qitilgan siyosat omborni optimallashtirishning murakkab muammosini qayta tayyorlashga hojat qoldirmasdan samarali hal qilish uchun to'g'ridan-to'g'ri qo'llanilishi mumkin.
