कंप्यूटर-स्वचालित डिज़ाइन

डिज़ाइन ऑटोमेशन सामान्यतः इलेक्ट्रॉनिक डिजाइन ऑटोमेशन या डिज़ाइन ऑटोमेशन को संदर्भित करता है जो उत्पाद विन्यासकर्ता है। इस प्रकार कंप्यूटर एडेड डिजाइन (सीएडी), स्वचालित डिज़ाइन और कंप्यूटर-स्वचालित डिज़ाइन (CAutoD) का विस्तार अनुप्रयोगों की विस्तृत श्रृंखला से अधिक चिंतित हैं, जैसे ऑटोमोटिव इंजीनियरिंग, असैनिक अभियंत्रण,    मिश्रित सामग्री डिज़ाइन, नियंत्रण इंजीनियरिंग, गतिशील प्रणाली पहचान और अनुकूलन, वित्तीय प्रणालियाँ, औद्योगिक उपकरण, मेकाट्रोनिक्स प्रणालियाँ, इस्पात निर्माण, संरचनात्मक अनुकूलन (गणित), और नवीन प्रणालियों का आविष्कार हैं।

CAutoD की अवधारणा संभवतः पहली बार सत्र 1963 में आईबीएम जर्नल ऑफ़ रिसर्च एंड डेवलपमेंट में प्रकाशित हुई थी। जहां एक कंप्यूटर प्रोग्राम लिखा गया था.
 * 1) हार्डवेयर डिज़ाइन पर कुछ बाधाओं वाले लॉजिक परिपथ की खोज करना।
 * 2) इन तर्कों का मूल्यांकन न चरित्र सेटों के नमूनों पर उनकी भेदभाव करने की क्षमता के आधार पर करें जिन्हें उनसे पहचानने की अपेक्षा की जाती है।

अभी वर्तमान में, पारंपरिक सीएडी सिमुलेशन को जैविक रूप से प्रेरित मशीन लर्निंग द्वारा CAutoD में परिवर्तित होते देखा गया है, जिसमें विकासवादी गणना और झुंड इंटेलिजेंस एल्गोरिदम जैसी अनुमानी खोज तकनीकें सम्मिलित हैं। ।

प्रदर्शन सुधार द्वारा डिज़ाइनों का मार्गदर्शन करना
गुणवत्ता और प्रतिस्पर्धात्मकता की बढ़ती मांग को पूरा करने के लिए, पुनरावृत्त भौतिक प्रोटोटाइप को अब अधिकांशतः  'अच्छे डिजाइन'  के  'डिजिटल प्रोटोटाइप' द्वारा प्रतिस्थापित किया जाता है, जिसका उद्देश्य अधिकतम उत्पादन, ऊर्जा दक्षता, उच्चतम गति और निवेश जैसे अनेक उद्देश्यों को पूरा करना है। प्रभावशीलता. डिज़ाइन समस्या ज्ञात सीमा के अंदर सर्वोत्तम डिज़ाइन ढूंढने (अर्थात,  'सीखने'  या  'अनुकूलन' के माध्यम से) और उपस्तिथ लोगों से परे नया और उत्तम डिज़ाइन ढूंढने (अर्थात, निर्माण और आविष्कार के माध्यम से) दोनों से संबंधित है। इस प्रकार यह एकल (या भारित) उद्देश्य या एकाधिक उद्देश्यों के साथ लगभग निश्चित रूप से, बहुआयामी (बहुभिन्नरूपी), मल्टी-मोडल स्पेस में खोज समस्या के सामान्तर है।

सामान्यीकृत उद्देश्य वेरिएबल: निवेश बनाम फिटनेस
एक उदाहरण के रूप में एकल-उद्देश्य CAutoD का उपयोग करना, यदि उद्देश्य वेरिएबल, या तब निवेश वेरिएबल के रूप में $$J\in[0, \infty)$$, या इसके विपरीत, फिटनेस कार्य के रूप में $$f\in(0,1]$$, जहाँ


 * $$f = \tfrac{J}{1+J}$$,

बहुआयामी अंतरिक्ष में व्यावहारिक बाधाओं के अनुसार भिन्नता संभव है, डिज़ाइन समस्या को विश्लेषणात्मक रूप से हल किया जा सकता है। इस प्रकार पैरामीटर समुच्चय ढूंढना जिसके परिणामस्वरूप शून्य प्रथम-क्रम व्युत्पन्न होता है और जो दूसरे-क्रम व्युत्पन्न शर्तों को पूरा करता है, सभी स्थानीय ऑप्टिमा को प्रकट करेगा। फिर सभी सीमा पैरामीटर समुच्चयों के साथ सभी स्थानीय ऑप्टिमा के प्रदर्शन सूचकांक के मूल्यों की तुलना करने से वैश्विक इष्टतम प्राप्त होगा, जिसका संबंधित  'पैरामीटर' समुच्चय इस प्रकार सर्वोत्तम डिजाइन का प्रतिनिधित्व करेगा। इस प्रकार चूँकि, व्यवहार में, अनुकूलन में सामान्यतः अनेक उद्देश्य सम्मिलित होते हैं और डेरिवेटिव से जुड़े मामले बहुत अधिक समष्टि होते हैं।

व्यावहारिक उद्देश्यों से निपटना
व्यवहार में, वस्तुनिष्ठ मूल्य ध्वनि या गैर-संख्यात्मक भी हो सकता है, और इसलिए इसकी क्रमिक जानकारी अविश्वसनीय या अनुपलब्ध हो सकती है। इस प्रकार यह विशेष रूप से सच है जब समस्या बहुउद्देश्यीय हो। वर्तमान में, अनेक डिज़ाइन और परिशोधन मुख्य रूप से सीएडी सिमुलेशन पैकेज की सहायता से मैन्युअल परीक्षण-और-त्रुटि प्रक्रिया के माध्यम से किए जाते हैं। सामान्यतः, इस तरह की पिछली सीख या समायोजन को  'संतोषजनक'  या  'इष्टतम' डिज़ाइन सामने आने तक अनेक बार दोहराने की आवश्यकता होती है।

विस्तृत खोज
सिद्धांत रूप में, इस समायोजन प्रक्रिया को कम्प्यूटरीकृत खोज, जैसे संपूर्ण खोज, द्वारा स्वचालित किया जा सकता है। इस प्रकार चूंकि यह घातीय एल्गोरिदम है, यह सीमित समय के अंदर व्यवहार में समाधान प्रदान नहीं कर सकता है।

बहुपद समय में खोजें
वर्चुअल इंजीनियरिंग और स्वचालित डिज़ाइन के लिए एक दृष्टिकोण विकासवादी एल्गोरिदम जैसे विकासवादी गणना है।

विकासवादी एल्गोरिदम
खोज समय को कम करने के लिए, इसके अतिरिक्त जैविक रूप से प्रेरित विकासवादी एल्गोरिदम (ईए) का उपयोग किया जा सकता है, जो (गैर-नियतात्मक) बहुपद एल्गोरिदम है। ईए आधारित बहुउद्देश्यीय "खोज टीम" को बैच मोड में उपस्तिथ सीएडी सिमुलेशन पैकेज के साथ इंटरफेस किया जा सकता है। इस प्रकार ईए समानांतर और इंटरैक्टिव खोज के माध्यम से अनेक उम्मीदवारों को परिष्कृत करने के लिए डिज़ाइन मापदंडों को एन्कोड करता है (यदि कुछ पैरामीटर गैर-संख्यात्मक हैं तब एन्कोडिंग आवश्यक है)। खोज प्रक्रिया में, 'योग्यतम की उत्तरजीविता' एक पूर्ववर्ती शिक्षा का उपयोग करके  'चयन'  किया जाता है। इस प्रकार संभावित समाधानों की अगली  'पीढ़ी' प्राप्त करने के लिए, दो उम्मीदवारों के मध्य कुछ पैरामीटर मानों का आदान-प्रदान किया जाता है ('क्रॉसओवर' नामक एक ऑपरेशन द्वारा) और नए मान प्रस्तुत किए जाते हैं ('म्यूटेशन' नामक ऑपरेशन द्वारा)। इस तरह, विकासवादी विधि मानव डिजाइनर के समान बुद्धिमान तरीके से पिछले परीक्षण की जानकारी का उपयोग करती है।

ईए आधारित इष्टतम डिज़ाइन डिज़ाइनर के उपस्तिथ डिज़ाइन डेटाबेस से, या यादृच्छिक रूप से प्राप्त उम्मीदवार डिज़ाइन की प्रारंभिक पीढ़ी से प्रारंभ हो सकते हैं। इस प्रकार उत्तम प्रदर्शन करने वाले अनेक उत्तम उम्मीदवार अनेक स्वचालित रूप से अनुकूलित डिजिटल प्रोटोटाइप का प्रतिनिधित्व करेंगे।

ऐसी वेबसाइटें हैं जो डिज़ाइन के लिए इंटरैक्टिव विकासवादी एल्गोरिदम प्रदर्शित करती हैं। EndlessForms.com आपको 3डी वस्तुओं को ऑनलाइन विकसित करने और उन्हें 3डी प्रिंट करने की अनुमति देता है। इस प्रकार PicBreeder.org आपको 2डी छवियों के लिए भी ऐसा करने की अनुमति देता है।

यह भी देखें

 * इलेक्ट्रॉनिक डिजाइन ऑटोमेशन
 * डिज़ाइन ऑटोमेशन
 * डिज़ाइन ऑटोमेशन सम्मेलन
 * जनरेटिव डिज़ाइन
 * जेनेटिक एल्गोरिदम#एप्लिकेशन|जेनेटिक एल्गोरिदम (जीए) एप्लिकेशन - स्वचालित डिज़ाइन

बाहरी संबंध

 * एक ऑनलाइन इंटरैक्टिव GA आधारित CAutoD प्रदर्शक। चरण दर चरण सीखें या 2-पैरामीटर CAutoD में वैश्विक अभिसरण देखें