بهبود عملکرد الگوریتم بهینه سازی (PSO) در مسایل مقید با استفاده از روش ارزیابی پلکانی و تلفیق شبکه های عصبی پس انتشار (BP)

امروزه با توجه به محدود بودن منابع و تجهیزات در اجرای اغلب پروژه های عمرانی استفاده بهینه از امکانات موجود جهت کاهش هزینه ها امری ضروری می باشد. با توجه به پیشرفت های چشمگیری که در تکنیک های بهینه سازی حاصل شده است، کاربرد آنها در علوم مهندسی بویژه در مهندسی عمران بیش از پیش مورد توجه قرار گرفته است. در این میان تلفیق تکنیک های بهینه سازی و شبکه های عصبی جهت ارتقای عملکردی این روش ها و همچنین سازگار کردن آنها با مسایل مهندسی که عموما انبوهی از قیود و محدودیت ها را شامل می شودند ضروری به نظر می رسد. در این مقاله سعی شده است علاوه بر تشریح مبانی و پارامترهای الگوریتم دسته ی ذرات (PSO) و شبکه های عصبی پس انتشار (BP) و پیکربندی نوین آنها، با تلفیق آنها الگوریتمی کارآمد در حوزه ی بهینه سازی حاصل گردد. در نهایت وزن سازه ی یک پل جهت سنجش عملکرد این الگوریتم جامع بهینه سازی مورد مطالعه قرار گرفت.

کلیدواژه ها:

الگوریتم هوش مصنوعی PSO ، شبکه های عصبی پس انتشار BP ، سازه ی پل ، بهینه سازی