بهینه سازی سازه های خرپایی با استفاده تابع جریمه خودانطباقی در الگوریتم ژنتیک

در الگوریتم ژنتیک، قید ها معمولاً با استفاده از مفهوم تابع جریمه مورد بررسی قرار می گیرند. بدین صورت که با جریمه افراد غیر ممکن، از مقدار شایستگی آنها متناسب با درجه تخطی قید ها در جمعیت می کاهد. در بیشتر شکل های جریمه، باید بعضی از ضرایب را در ابتدای محاسبات تعیین نمود که معمولاً این ضرایب دارای مفهوم فیزیکی روشنی نم یباشند. به همین علت، تعیین مقادیر تقریبی این ضرایب حتی با آزمایش نیز تقریباً غیر ممکن می باشد. با این وجود، بیشتر شک لهای جریمه از ضرایب ثابت در سراسر محاسبات استفاده م یکنند که ممکن است منتج به جریمه خیلی قوی و یا خیلی ضعیف در مدت مراحل مختلف تکامل گردد. در این تحقیق، یک شکل جریمه جدید که مجزا از مشکلات فو قالذکر باشد، توسعه داده می شود. تابع جریمه پیشنهادی قابلیت تعدیل خود را در مدت تکامل دارد. همچنین ضرایب استفاده شده در شکل پیشنهادی مفهوم فیزیکی روشنی دارند. بنابراین، به راحتی م یتوان مقادیر تقریبی این ضرایب را با آزمایش تعیین نمود.

کلیدواژه ها:

بهینه سازی سازه ها ، الگوریتم ژنتیک ، تابع جریمه خو دانطباقی ، سازه های خرپایی ، تابع هدف