elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

A Bayesian approach for quantile optimization problems with high-dimensional uncertainty sources

Sabater Campomanes, Christian und Le Maître, Olivier und Congedo, Pietro und Görtz, Stefan (2021) A Bayesian approach for quantile optimization problems with high-dimensional uncertainty sources. Computer Methods in Applied Mechanics and Engineering, 376. Elsevier. doi: 10.1016/j.cma.2020.113632. ISSN 0045-7825.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Robust optimization strategies typically aim at minimizing some statistics of the uncertain objective function and can be expensive to solve when the statistic is costly to estimate at each design point. Surrogate models of the uncertain objective function can be used to reduce this computational cost. However, such surrogate approaches classically require a low-dimensional parametrization of the uncertainties, limiting their applicability. This work concentrates on the minimization of the quantile and the direct construction of a quantile regression model over the design space, from a limited number of training samples. A Bayesian quantile regression procedure is employed to construct the full posterior distribution of the quantile model. Sampling this distribution, we can assess the estimation error and adjust the complexity of the regression model to the available data. The Bayesian regression is embedded in a Bayesian optimization procedure, which generates sequentially new samples to improve the determination of the minimum of the quantile. Specifically, the sample infill strategy uses optimal points of a sample set of the quantile estimator. The optimization method is tested on simple analytical functions to demonstrate its convergence to the global optimum. The robust design of an airfoil's shock control bump under high-dimensional geometrical and operational uncertainties serves to demonstrate the capability of the method to handle problems with industrial relevance. Finally, we provide recommendations for future developments and improvements of the method.

elib-URL des Eintrags:https://elib.dlr.de/142900/
Dokumentart:Zeitschriftenbeitrag
Titel:A Bayesian approach for quantile optimization problems with high-dimensional uncertainty sources
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Sabater Campomanes, ChristianChristian.SabaterCampomanes (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Le Maître, OlivierNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Congedo, PietroNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Görtz, StefanStefan.Goertz (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:1 April 2021
Erschienen in:Computer Methods in Applied Mechanics and Engineering
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:376
DOI:10.1016/j.cma.2020.113632
Verlag:Elsevier
ISSN:0045-7825
Status:veröffentlicht
Stichwörter:uncertainties, robust optimization, CFD, aerodyanmics, Bayesian quantile regression
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Effizientes Luftfahrzeug
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L EV - Effizientes Luftfahrzeug
DLR - Teilgebiet (Projekt, Vorhaben):L - Digitale Technologien
Standort: Braunschweig
Institute & Einrichtungen:Institut für Aerodynamik und Strömungstechnik > CASE, BS
Hinterlegt von: Görtz, Stefan
Hinterlegt am:05 Jul 2021 09:48
Letzte Änderung:24 Mai 2022 23:47

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.