清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A reinforcement learning-based multi-objective optimization algorithm: ATP-QL-MOPSO for lightweight and crashworthiness design of battery pack system

耐撞性 超参数 汽车工程 计算机科学 电池组 流离失所(心理学) 欧几里德距离 钢筋 控制理论(社会学) 结构工程 工程类 标准差 解算器 汽车工业 加速度 曲柄 电池(电) 摄动(天文学) 脉冲(物理) 超参数优化 强化学习 最优化问题 数学
作者
Lian Fengmin,Wang Dengfeng,Meng Zihao,Dong Jialin
标识
DOI:10.1177/09544070251382746
摘要

This study presents an improved MOPSO algorithm, ATP-QL-MOPSO, for lightweight and crashworthiness optimization of automotive battery pack systems (BPS). Traditional MOPSO struggles with hyperparameter tuning and local optima. The proposed method integrates Q-learning (QL) and adaptive t-distribution perturbation (ATP) to address these issues. In QL, particles act as agents with independent velocity updates, using Euclidean distance and three velocity parameters as state and action spaces. ATP dynamically adjusts the t-distribution shape to avoid local optima. ATP-QL-MOPSO showed improved performance in ZDT tests with reduced Inverted Generational Distance (In ZDT1, IGD is reduced by 55.6% compared to standard MOPSO). Applied to BPS, it achieved higher hypervolume values, increased X -direction displacement by 6.044%, decreased Y -direction displacement by 2.787%, and reduced mass by 3.273%. This demonstrates that QL automates hyperparameter tuning, while ATP improves convergence, making it superior to MOPSO in optimizing BPS for weight reduction and crash resistance, with potential for broader applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
英姑应助darcyz采纳,获得10
2分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
科研通AI2S应助darcyz采纳,获得10
2分钟前
慕青应助darcyz采纳,获得10
2分钟前
爆米花应助darcyz采纳,获得10
2分钟前
小二郎应助darcyz采纳,获得10
2分钟前
2分钟前
2分钟前
may完成签到,获得积分10
2分钟前
may发布了新的文献求助10
3分钟前
3分钟前
老石完成签到 ,获得积分10
3分钟前
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
4分钟前
老戎完成签到 ,获得积分10
4分钟前
GingerF应助Yiphy采纳,获得50
5分钟前
5分钟前
5分钟前
5分钟前
忧郁如柏完成签到,获得积分10
5分钟前
5分钟前
随心所欲完成签到 ,获得积分10
5分钟前
pete发布了新的文献求助10
5分钟前
Hello应助科研通管家采纳,获得10
5分钟前
喻初原完成签到 ,获得积分10
6分钟前
科目三应助pete采纳,获得10
6分钟前
6分钟前
6分钟前
SciGPT应助怕孤独的飞扬采纳,获得10
6分钟前
6分钟前
6分钟前
笑点低的电话完成签到,获得积分10
6分钟前
SciGPT应助笑点低的电话采纳,获得10
7分钟前
高分求助中
Psychopathic Traits and Quality of Prison Life 1000
Chemistry and Physics of Carbon Volume 18 800
The formation of Australian attitudes towards China, 1918-1941 660
Signals, Systems, and Signal Processing 610
天津市智库成果选编 600
Forced degradation and stability indicating LC method for Letrozole: A stress testing guide 500
全相对论原子结构与含时波包动力学的理论研究--清华大学 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6451262
求助须知:如何正确求助?哪些是违规求助? 8263209
关于积分的说明 17606228
捐赠科研通 5516005
什么是DOI,文献DOI怎么找? 2903573
邀请新用户注册赠送积分活动 1880627
关于科研通互助平台的介绍 1722625