CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

طرح بهینه ساز ه های فض اکار با استفاده از الگوریتم ژنتیک اصلاح شده و شبکه های عصبی مصنوعی تابع بنیادی شعاعی( RBF ) و انتشار متقابل( (CP

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۰۴۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی سازه و زلزله
سال انتشار: ۱۳۸۲
نوع ارائه: شفاهی
کد COI مقاله: ICCE06_049_0838287335
زبان مقاله: فارسی
حجم فایل: ۳۰۳.۷۸ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طرح بهینه ساز ه های فض اکار با استفاده از الگوریتم ژنتیک اصلاح شده و شبکه های عصبی مصنوعی تابع بنیادی شعاعی( RBF ) و انتشار متقابل( (CP

    عیسی سلاجقه - استاد بخش مهندسی عمران دانشگاه شهید باهنر کرمان
  سعید قلی زاده - کارشناس ارشد بخش مهندسی عمران دانشگاه شهید باهنر کرمان

چکیده مقاله:

اگر طراحی یک سازه به صورتی انجام بگیرد که علاوه بر رعایت مسایل فنی و ضوابط طراحی کمترین هزینه اجرائی را داشته باشد؛ به چنین فرآیندی بهین هسازی گفته م یشود. بهین هسازی سازه های با درجات آزادی زیاد، از جمله ساز ههای فضا کار، به علت داشتن حجم بالای محاسباتی، مستلزم صرف زمانهای طولانی می باشند . استفاده از مفاهیم شبک ههای عصبی مصنوعی م یتواند در کاهش کلی زمان لازم جهت بهین هسازی بسیار مفید واقع شوند. شبک ههای عصبی مصنوعی انتشار برگشتی( BPNN ) و انتشار متقابل( CPNN ) از جمله شبکه هایی هستند که در بهینه سازی مورد استفاده قرار گرفت هاند. در این تحقیق از شبکه عصبی مصنوعی تابع بنیادی شعاعی ( RBF ) برای تقری بسازی تحلیل سازه در روند بهین هسازی شبک ههای د ولایه فض اکا ر، استفاده شده است. از طرف دیگر از یک الگوریتم ژنتیک اصلاح شده که روش زی رجمعی تها ( SPM ) نا مگذاری شده است، جهت بهینه سازی این ساز هها استفاده شده است. استفاده از شبکه های عصبی مصنوعی در چهارچوب روش زیر جمعی تها یک روش مناسب را جهت بهینه سازی ساز ههای با درجات آزادی زیاد فراهم م یآورد که در مقایسه با روش ژنتیک ساده در مدت زمان بسیار کوتاهتری به نتایج مناسب همگرا می شود. برای تمامی مراحل اساسی تحقیق حاضر که عبارتند از تقریب سازی تحلیل سازه با استفاده از شبک ههای عصبی مصنوعی RBF و CP وبهین هسازی با استفاده از روش زیر جمعی تها، برنام ههایی در محیط نرم افزار MATLAB 6.1 نوشته شده است. در نهایت،نتایج حاصل از بهین هسازی یک شبکه د ولایه فض اکار با استفاده از نتایج تقریب سازی شده حلیل سازه توسط شبک ههای RBFو CP با نتایج به دست آمده از بهینه سازی با استفاده از نتایج دقیق تحلیل سازه مقایسه شده اند.

کلیدواژه‌ها:

بهینه سازی، الگوریتم ژنتیک، روش زیر جمعیتها، شبکه عصبی مصنوعی، تابع بنیادی شعاعی، انتشار متقابل.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICCE06-ICCE06_049_0838287335.html
کد COI مقاله: ICCE06_049_0838287335

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سلاجقه, عیسی و سعید قلی زاده، ۱۳۸۲، طرح بهینه ساز ه های فض اکار با استفاده از الگوریتم ژنتیک اصلاح شده و شبکه های عصبی مصنوعی تابع بنیادی شعاعی( RBF ) و انتشار متقابل( (CP، ششمین کنفرانس بین المللی مهندسی عمران، اصفهان، دانشگاه صنعتی اصفهان، عمران، https://www.civilica.com/Paper-ICCE06-ICCE06_049_0838287335.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (سلاجقه, عیسی و سعید قلی زاده، ۱۳۸۲)
برای بار دوم به بعد: (سلاجقه و قلی زاده، ۱۳۸۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • نجار، م." بهینه سازی قابهای فولادی با اتصالات نیمه صلب ...
  • شیخ الاسلام، " طرح بهینه سازه با روش وراثتی و ...
  • Goldberg, D.E.Genetic Algorithms in Search, Optimization, and Machine Learning, Addi ...
  • کاوه، ع. و ایرانمنش، ع.، {شبکه های عصبی مصنوعی در ...
  • Was serman, P.D .Neural Computing Theory and Practice?, Van Nostrand ...
  • Was serman, P.D. Advanced Methods In Neural Computing?, Van Nostrand ...
  • Salajegheh, E. and Salaj egheh, J. ?Optimum Designe Of Structures ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۸۳۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.