Уважаемые коллеги, доброго времени суток! Представляем вам немецкое научное издание Structural and Multidisciplinary Optimization. Журнал имеет первый квартиль, издается в Springer Verlag, его SJR за 2020 г. равен 1,402, пятилетний импакт-фактор - 4,715, печатный ISSN - 1615-147X, электронный - 1615-1488, предметные области - Разработка систем управления, Управление и оптимизация, Компьютерная графика и дизайн, Программное обеспечение, Прикладная наука о компьютерах. Вот так выглядит обложка:
Здесь два редактора - Генгдонг Ченг, контактные данные - chenggd@dlut.edu.cn
и Мей Чжоу - zhoumei@aoe.ac.cn.
Дополнительные публикационные контакты - Melbert.Munieza@springer.com, Ambiga.Selvaraj@springer.com, journalpermissions@springernature.com, silvia.schilgerius@springer.at.
Объем журнала варьируется от математических основ области до разработки алгоритмов и программного обеспечения, а также от эталонных примеров до тематических исследований практических приложений в структурной, аэрокосмической, механической, гражданской, химической, военно-морской и биоинженерии. Такие материалы, как автоматизированное проектирование и производство, количественная оценка неопределенности, искусственный интеллект, идентификация и моделирование систем, обратные процессы, компьютерное моделирование, биомеханика, биомедицинские приложения, нанотехнологии, МЭМС, оптика, химические процессы, вычислительная биология, метамоделирование, DOE и активное управление конструкциями рассматриваются, когда тема тесно связана с оптимизацией конструкций или жидкостей. К публикации принимаются оригинальные исследовательские работы, обзорные статьи, промышленные приложения, краткие заметки.
Адрес издания - https://www.springer.com/journal/158
Пример статьи, название - A hierarchical kriging approach for multi-fidelity optimization of automotive crashworthiness problems. Заголовок (Abstract) -Multi-fidelity optimization schemes enriching expensive high-fidelity functions with cheap-to-evaluate low-fidelity functions have gained popularity in recent years. In the present work, an optimization scheme based on a hierarchical kriging is proposed for large-scale and highly non-linear crashworthiness problems. After comparison to other multi-fidelity techniques an infill criterion called variable-fidelity expected improvement is applied and evaluated. This is complemented by two innovative techniques, a new approach regarding initial sampling and a novel way to generate the low-fidelity model for crash problems are suggested. For the former, a modified Latin hypercube sampling, pushing samples more towards design space boundaries, increases the quality of sampling selection. For the latter, a projection-based non-intrusive model order reduction technique accelerates and simplifies the low-fidelity model evaluation. The proposed techniques are investigated with two application problems from the field of automotive crashworthiness—a size optimization problem for lateral impact and a shape optimization problem for frontal impact. The use of a multi-fidelity scheme compared to baseline single-fidelity optimization saves computational effort while keeping an acceptable level of accuracy. Both suggested modifications, independently and especially combined, increase computational performance and result quality in the presented examples. Keywords: Kriging; Efficient global optimization; Multi-fidelity optimization; Crashworthiness; Model order reduction; Isovolumetric Latin hypercube
