การออกแบบอัตโนมัติโดยทั่วไปหมายถึงการออกแบบอัตโนมัติทางอิเล็กทรอนิกส์หรือการออกแบบอัตโนมัติซึ่งเป็นตัวกำหนดค่าผลิตภัณฑ์ การ ขยายการออกแบบโดยใช้คอมพิวเตอร์ช่วย (CAD) การออกแบบอัตโนมัติและการออกแบบอัตโนมัติโดยใช้คอมพิวเตอร์ (CAutoD) ^{[ 1 ] [ 2 ] [ 3 ]}เกี่ยวข้องกับการใช้งานที่หลากหลายมากขึ้น เช่นวิศวกรรมยานยนต์วิศวกรรมโยธา [ ^{4 ] [ 5 ] [ 6 ] [ 7 ] การ} ออกแบบวัสดุคอมโพสิตวิศวกรรมควบคุม [ ^{8 ] การ} ระบุ และการเพิ่มประสิทธิภาพระบบไดนามิก^{[ 9 ]} ระบบ การเงินอุปกรณ์อุตสาหกรรม ระบบ เมคาทรอนิกส์การก่อสร้างเหล็ก^{[ 10 ]}การเพิ่มประสิทธิภาพโครงสร้าง^{[ 11 ]}และการประดิษฐ์ระบบใหม่^{[ 12 ]}

แนวคิดของ CAutoD อาจปรากฏขึ้นครั้งแรกในปี พ.ศ. 2506 ในวารสารวิจัยและพัฒนาของ IBM ^{[ 1 ]}ซึ่งมีการเขียนโปรแกรมคอมพิวเตอร์

1. เพื่อค้นหาวงจรตรรกะที่มีข้อจำกัดบางประการในการออกแบบฮาร์ดแวร์
2. เพื่อประเมินตรรกะเหล่านี้ในแง่ของความสามารถในการจำแนกแยกแยะตัวอย่างชุดอักขระที่คาดว่าจะต้องจดจำ

เมื่อไม่นานมานี้ การจำลอง CAD แบบดั้งเดิมถูกมองว่าเปลี่ยนไปเป็น CAutoD โดยใช้การเรียนรู้ของเครื่อง ที่ได้รับแรงบันดาลใจจากชีววิทยา [ ^{13 ]}รวมถึงเทคนิคการค้นหา แบบฮิวริสติก เช่นการคำนวณเชิงวิวัฒนาการ [ ^{14 ] [ 15 ]} และอัลกอริ^{ธึ ม ปัญญา}แบบฝูง^{[ 16 ]}

เพื่อตอบสนองความต้องการด้านคุณภาพและความสามารถในการแข่งขันที่เพิ่มขึ้นอย่างต่อเนื่อง การสร้างต้นแบบทางกายภาพแบบวนซ้ำจึงมักถูกแทนที่ด้วย ' การสร้างต้นแบบดิจิทัล ' ของ 'การออกแบบที่ดี' ซึ่งมุ่งเน้นที่จะบรรลุวัตถุประสงค์หลายประการ เช่น ผลผลิตสูงสุด ประสิทธิภาพการใช้พลังงาน ความเร็วสูงสุด และความคุ้มค่า การออกแบบมีปัญหาที่เกี่ยวข้องกับการค้นหาการออกแบบที่ดีที่สุดภายในขอบเขตที่ทราบ (เช่น ผ่าน 'การเรียนรู้' หรือ 'การปรับให้เหมาะสม') และการค้นหาการออกแบบใหม่ที่ดีกว่าการออกแบบที่มีอยู่ (เช่น ผ่านการสร้างสรรค์และการประดิษฐ์) ซึ่งเทียบเท่ากับปัญหาการค้นหาในพื้นที่หลายมิติ (หลายตัวแปร) หลายรูปแบบที่เกือบจะแน่นอน โดยมีวัตถุประสงค์เดียว (หรือถ่วงน้ำหนัก) หรือหลายวัตถุประสงค์

ยกตัวอย่างเช่น การใช้ CAutoD ที่มีเป้าหมายเดียว หากฟังก์ชันเป้าหมายเป็นได้ทั้งฟังก์ชันต้นทุน หรือในทางกลับกัน เป็นฟังก์ชันความเหมาะสมโดยที่ ${\displaystyle J\in [0,\infty )}$${\displaystyle f\in (0,1]}$

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

หากสามารถหาอนุพันธ์ได้ภายใต้ข้อจำกัดเชิงปฏิบัติในพื้นที่หลายมิติ ปัญหาการออกแบบอาจแก้ไขได้ด้วยวิธีวิเคราะห์ การค้นหาชุดพารามิเตอร์ที่ส่งผลให้ค่าอนุพันธ์อันดับหนึ่งเป็นศูนย์และตรงตามเงื่อนไขของอนุพันธ์อันดับสองจะเผยให้เห็นจุดเหมาะสมที่สุดเฉพาะที่ทั้งหมด จากนั้นการเปรียบเทียบค่าดัชนีประสิทธิภาพของจุดเหมาะสมที่สุดเฉพาะที่ทั้งหมด พร้อมกับค่าดัชนีประสิทธิภาพของชุดพารามิเตอร์ขอบเขตทั้งหมด จะนำไปสู่จุดเหมาะสมที่สุดโดยรวม ซึ่งชุด 'พารามิเตอร์' ที่สอดคล้องกับจุดเหมาะสมที่สุดโดยรวมนั้นจะแสดงถึงการออกแบบที่ดีที่สุด อย่างไรก็ตาม ในทางปฏิบัติ การหาค่าเหมาะสมที่สุดมักเกี่ยวข้องกับวัตถุประสงค์หลายประการ และเรื่องที่เกี่ยวข้องกับอนุพันธ์นั้นซับซ้อนกว่ามาก

ในทางปฏิบัติ ค่าเป้าหมายอาจมีความคลาดเคลื่อนหรืออาจไม่ใช่ค่าตัวเลขเลยก็ได้ ดังนั้นข้อมูลเกี่ยวกับความชันจึงอาจไม่น่าเชื่อถือหรือไม่สามารถใช้งานได้ โดยเฉพาะอย่างยิ่งเมื่อปัญหาเป็นแบบหลายเป้าหมาย ในปัจจุบัน การออกแบบและการปรับปรุงหลายอย่างส่วนใหญ่ทำผ่านกระบวนการลองผิดลองถูกด้วยตนเองโดยใช้ โปรแกรม จำลอง CAD ช่วย โดยปกติแล้ว การเรียนรู้หรือการปรับเปลี่ยน ภายหลังเช่นนี้จำเป็นต้องทำซ้ำหลายครั้งจนกว่าจะได้การออกแบบที่ "น่าพอใจ" หรือ "เหมาะสมที่สุด"

ในทางทฤษฎี กระบวนการปรับแต่งนี้สามารถทำให้เป็นอัตโนมัติได้ด้วยการค้นหาด้วยคอมพิวเตอร์ เช่นการค้นหาแบบครบถ้วนอย่างไรก็ตาม เนื่องจากเป็นอัลกอริธึมแบบเลขชี้กำลังจึงอาจไม่สามารถให้คำตอบได้ในทางปฏิบัติภายในระยะเวลาที่จำกัด

แนวทางหนึ่งในการวิศวกรรมเสมือนจริงและการออกแบบอัตโนมัติคือการ คำนวณเชิงวิวัฒนาการเช่นอัลกอริทึมเชิงวิวัฒนาการ

เพื่อลดเวลาในการค้นหา สามารถใช้อัลกอริธึมวิวัฒนาการ (EA) ที่ได้รับแรงบันดาลใจจากชีววิทยาแทนได้ ซึ่งเป็นอัลกอริธึมพหุนาม (แบบไม่กำหนด) “ทีมค้นหา” แบบหลายเป้าหมายที่ใช้ EA สามารถเชื่อมต่อกับแพ็คเกจจำลอง CAD ที่มีอยู่แล้วในโหมดแบทช์ได้ EA จะเข้ารหัสพารามิเตอร์การออกแบบ (การเข้ารหัสมีความจำเป็นหากพารามิเตอร์บางตัวไม่ใช่ตัวเลข) เพื่อปรับปรุงตัวเลือกหลายตัวผ่านการค้นหาแบบขนานและแบบโต้ตอบ ในกระบวนการค้นหาจะทำการเลือก โดยใช้การเรียนรู้ แบบย้อนหลัง “ การอยู่รอดของผู้ที่เหมาะสมที่สุด ” เพื่อให้ได้ “รุ่น” ถัดไปของโซลูชันที่เป็นไปได้ จะมีการแลกเปลี่ยนค่าพารามิเตอร์บางค่าระหว่างตัวเลือกสองตัว (โดยการดำเนินการที่เรียกว่า “ การผสมข้าม ”) และนำค่าใหม่เข้ามา (โดยการดำเนินการที่เรียกว่า “ การกลายพันธุ์ ”) ด้วยวิธีนี้ เทคนิควิวัฒนาการจะใช้ข้อมูลจากการทดลองในอดีตในลักษณะที่ชาญฉลาดคล้ายกับนักออกแบบที่เป็นมนุษย์

การออกแบบที่เหมาะสมที่สุดโดยใช้ EA สามารถเริ่มต้นจากฐานข้อมูลการออกแบบที่มีอยู่ของผู้ออกแบบ หรือจากการออกแบบเบื้องต้นที่ได้มาแบบสุ่ม แบบร่างที่ดีที่สุดที่ได้รับการพัฒนาอย่างละเอียดจำนวนหนึ่งจะกลายเป็นต้นแบบดิจิทัลที่ได้รับการปรับให้เหมาะสมโดยอัตโนมัติหลายแบบ

มีเว็บไซต์ที่แสดงอัลกอริธึมวิวัฒนาการแบบโต้ตอบสำหรับการออกแบบ^{[ 17 ]}ช่วยให้คุณสามารถพัฒนาวัตถุ 3 มิติทางออนไลน์และพิมพ์แบบ 3 มิติได้^{[ 18 ]}ช่วยให้คุณสามารถทำเช่นเดียวกันกับภาพ 2 มิติได้

• ระบบอัตโนมัติการออกแบบอิเล็กทรอนิกส์
• การออกแบบอัตโนมัติ
• การประชุมการออกแบบอัตโนมัติ
• การออกแบบเชิงสร้างสรรค์
• การประยุกต์ใช้อัลกอริธึมทางพันธุกรรม (GA) - การออกแบบอัตโนมัติ

• ตัวอย่างสาธิต CAutoD แบบโต้ตอบออนไลน์ที่ใช้ GAเรียนรู้ทีละขั้นตอนหรือดูการบรรจบกันทั่วโลกใน CAutoD แบบ 2 พารามิเตอร์