Key points are not available for this paper at this time.
आजकल, उपलब्ध सिमुलेशन उपकरणों का बड़ा सेट शहरी और आर्किटेक्चरल प्रथाओं को कई लाभ प्रदान करता है। हालाँकि, सिमुलेशन अक्सर महत्वपूर्ण परिणाम प्राप्त करने में काफी समय लेते हैं, विशेष रूप से जब कई सिमुलेशन किए जा रहे हों और बड़े मॉडल के साथ, जैसा कि जटिल शहरी और आर्किटेक्चरल प्रयासों में सामान्य है। इसके अलावा, बहु-उद्देश्यीय अनुकूलन के लिए मेटाह्यूरिस्टिक एल्गोरिदम का व्यापक रूप से उपयोग किया गया है ताकि भवन अनुकूलन समस्याओं को हल किया जा सके। हालाँकि, इनमें से अधिकांश अनुकूलन प्रक्रियाएँ स्वाभाविक रूप से आउटपुट सही ढंग से उत्पन्न करने के लिए गणनात्मक समय कोExponentially बढ़ा देती हैं और परिणामों की व्याख्या के लिए व्यापक ज्ञान की आवश्यकता होती है। इस प्रकार, समय लेने वाले सिमुलेशन उपकरणों के साथ भवन अनुकूलन अक्सर असंभव होता है और इन बाधाओं को पार करने के लिए एक विशेष पद्धति की आवश्यकता होती है। यह कार्य एक आधारभूत बहु-उद्देश्यीय अनुकूलन प्रक्रिया को एक व्यापक रूप से उपयोग किया जाने वाला, मान्यता प्राप्त भवन ऊर्जा सिमुलेशन उपकरण के साथ जोड़ता है। लक्ष्य एक आवासीय भवन परिसर के निर्माण की ऊर्जा उपयोग और लागत को न्यूनतम करना है। इसके बाद, मशीन लर्निंग और अनुकूलन तकनीकों का उपयोग एक पर्यायी मॉडल बनाने के लिए किया जाता है जो सिमुलेशन परिणामों की सटीक पूर्वानुमान करने में सक्षम होता है। अंततः, विभिन्न मेटाह्यूरिस्टिक्स की तुलना उनके ट्यून किए गए हाइपरपैरामीटर्स के साथ की जाती है। परिणामों में अनुकूलन परिणामों में महत्वपूर्ण सुधार दिखाते हैं, जिसमें कुल लागत में 22% तक की कमी है जबकि प्रदर्शन परिणाम और निष्पादन समय 100 गुना तेजी से समान रहते हैं।
आराúजो आदि (गुरुवार,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: