Al definir un estudio de diseño generativo, si lo desea, puede cambiar la configuración avanzada.
En la mayoría de los casos, la configuración por defecto es suficiente para generar alternativas de diseño.
Acceso: durante el flujo de trabajo de creación del estudio, el cuadro de diálogo Definir estudio se muestra después de seleccionar el tipo de estudio. Seleccione un método. Vaya a la sección Configuración de generación del cuadro de diálogo y expándala si es necesario.
En este tema
Tamaño de la población
Este parámetro solo se aplica cuando el método de estudio es Optimize.
El algoritmo genético comienza con una población inicial a partir de la cual se realiza la selección. Cada individuo de la población es una posible solución para el problema de diseño. Cada individuo tiene un conjunto exclusivo de características que sirven como genes para desarrollar el diseño.
Para asegurarse de que su estudio evoluciona para encontrar la mejor solución, tenga en cuenta los siguientes consejos:
- Al menos algunos de los genes deben tener valores variables.
- El tamaño de la población debe ser lo suficientemente grande. Un tamaño suficiente depende del proyecto, la cantidad de genes y el intervalo de valores variables. Como regla general, se debe establecer el tamaño de la población en al menos tres veces el número de entradas.
- Si los resultados no empiezan a converger en una respuesta, pruebe a aumentar el tamaño de la población.
Consulte Generative Design Primer: Initialization phase (Manual de introducción al diseño generativo: fase de inicialización).
Generaciones
Este parámetro solo se aplica cuando el método de estudio es Optimize.
Un algoritmo genético es una optimización basada en una población. Los enfoques basados en la población mantienen y mejoran varias soluciones candidatas, a menudo mediante características de población para guiar la búsqueda. Cada ronda de la optimización procesada en el algoritmo genético se denomina generación. Si se establece el valor de generación en 40, el proceso de selección, conmutación y mutación se realiza 40 veces por cada población de 40 diseños. (Obtenga más información aquí).
Si se establece el Diseño generativo para que, por ejemplo, ejecute 30 generaciones, el proceso de optimización se repite hasta que se cumplan una o varias de las siguientes condiciones:
- Se ha alcanzado el número fijo de generaciones.
- La aptitud de la solución de clasificación más alta se ha estancado, por lo que las iteraciones sucesivas ya no generan mejores resultados.
- Detiene el proceso manualmente.
Número de resultados
Este parámetro se aplica cuando el método de estudio es Randomize o Like This.
¿Cuántos resultados (alternativas de diseño) desea generar?
Un mayor número de resultados le permite explorar un conjunto más amplio de alternativas, pero tardará más en completarse. Una cantidad menor de resultados se generará más rápidamente, pero no explorará a fondo las posibles alternativas.
Semilla
Este parámetro se aplica cuando el método de estudio es Optimize, Randomize o Like This.
Una semilla es un valor que proporciona un punto inicial para el algoritmo. Si mantiene la misma semilla y, a continuación, realiza otra ejecución con las mismas entradas, debería obtener el mismo resultado. Si cambia la semilla, obtendrá resultados diferentes.
¿Cuántos puntos de inicio (semillas) desea utilizar al generar resultados?
Para obtener más información, consulte Generative Design Primer: Genetic Algorithms (Manual de introducción al diseño generativo: algoritmos genéticos).
Acerca de los algoritmos genéticos
Diseño generativo utiliza el algoritmo de optimización NSGA-II (un tipo de algoritmo genético). Los algoritmos genéticos pueden utilizarse para generar soluciones de alta calidad para la optimización y la búsqueda de problemas mediante operadores de bioinspiración, como mutación, conmutación y selección. Consulte Generative Design Primer: What is a Genetic Algorithm? (Manual de introducción al diseño generativo: ¿qué es un algoritmo genético?).