Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08715

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2507.08715 (cs)
[提交于 2025年7月11日 ]

标题: 系统集成建模与优化:多式联运的综合框架

标题: System-of-systems Modeling and Optimization: An Integrated Framework for Intermodal Mobility

Authors:Paul Saves, Jasper Bussemaker, Rémi Lafage, Thierry Lefebvre, Nathalie Bartoli, Youssef Diouane, Joseph Morlier
摘要: 在开发创新系统架构方面,建模和优化技术一直是界定架构过程以及定义优化和建模问题的核心。 在此背景下,对于系统体系结构,建议使用高效的专用方法(通常是基于物理的仿真)来降低目标应用的计算复杂性。 然而,使用这些专用方法探索新架构可能会给优化算法带来挑战,包括增加的评估成本和潜在的失败。 为了解决这些挑战,基于代理的优化算法,如利用高斯过程模型的贝叶斯优化已经出现。
摘要: For developing innovative systems architectures, modeling and optimization techniques have been central to frame the architecting process and define the optimization and modeling problems. In this context, for system-of-systems the use of efficient dedicated approaches (often physics-based simulations) is highly recommended to reduce the computational complexity of the targeted applications. However, exploring novel architectures using such dedicated approaches might pose challenges for optimization algorithms, including increased evaluation costs and potential failures. To address these challenges, surrogate-based optimization algorithms, such as Bayesian optimization utilizing Gaussian process models have emerged.
主题: 人工智能 (cs.AI) ; 系统与控制 (eess.SY); 优化与控制 (math.OC)
引用方式: arXiv:2507.08715 [cs.AI]
  (或者 arXiv:2507.08715v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08715
通过 DataCite 发表的 arXiv DOI(待注册)
期刊参考: ODAS 2024: 24th joint ONERA-DLR Aerospace Symposium, DLR, Jun 2024, Brunschweig, Germany

提交历史

来自: Paul Saves [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 16:15:41 UTC (10,370 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.SY
eess
eess.SY
math
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号