Surrogate-assisted reliability-based design optimization

Realistic design of systems requires to take into account uncertainties which are inherent to real-world (e.g. in loads, material properties, etc.). Various schemes exist to achieve this, among which robust optimization, risk optimization and reliability-based design optimization (RBDO). The latter is of interest in this project.

RBDO aims at finding the optimal trade-off between the cost and the reliability of a structure, two conflicting objectives. The main hurdle encountered by practitioners in applying RBDO to large-scale industrial problems is its high computational cost. To alleviate the computational burden, two lines of research have been investigated in the past decade. The first relies on approximation techniques, which however comes at the expense of the accuracy of the solution. The second, which is of interest here, tackles the problem in a straightforward fashion. It relies on so-called surrogate models, i.e. easy-to-evaluate proxies of time-consuming functions.

This project aims at providing a global and non-intrusive framework for solving RBDO problems, based on surrogate models, Monte Carlo simulation approaches and general-purpose optimization solvers. The results of this research project will be disseminated in the scientific community through the development of a new RBDO module in UQLab, the Chair’s Matlab platform for uncertainty quantification. This will allow practitioners to easily solve design under uncertainty problems without the necessity of tediously fine-tuning or adapting various state-of-the-art algorithms.

Der realistische Entwurf von Systemen erfordert die Berücksichtigung der Ungewissheiten der wirklichen Welt, z.B. hinsichtlich Lasten und Materialparametern. Verschiedene Verfahren wurden dafür entwickelt, z.B. robuste Optimierung, Risiko-Optimierung und zuverlässigkeitsbasierte Designoptimierung (RBDO). In diesem Projekt beschäftigen wir uns mit letzterem Verfahren.

RBDO zielt darauf ab, den optimalen Kompromiss zwischen zwei widersprüchlichen Kriterien, Kosten und Zuverlässigkeit der Struktur, zu finden. Das Hauptproblem bei der Anwendung von RBDO auf grosse industrielle Probleme sind die hohen Kosten des Verfahrens. Um diese gering zu halten, wurden in der Vergangenheit zwei Forschungsbereiche entwickelt. Der eine verwendet Annäherungstechniken, die jedoch auf Kosten der Genauigkeit der Lösung gehen. Der zweite, direktere und von uns verwendete Bereich beruht auf sogenannten Ersatzmodellen, d.h. auf kostengünstig auszuwertenden Emulatoren des zeitaufwendigen Modells.

In diesem Projekt erstellen wir ein globales, nicht-intrusives Framework für die Lösung von RBDO-Problemen, das auf Ersatzmodellen, Monte Carlo Simulationen und universellen Optimierungsalgorithmen basiert. Die Ergebnisse dieses Projekts sollen als UQLab-Modul der wissenschaftlichen Gemeinde zur Verfügung gestellt werden. Dies erlaubt es Anwendern ihre Designprobleme inklusive Ungewissheiten lösen zu können, ohne selbst Algorithmen anpassen oder Parameter feineinstellen zu müssen.