بهبود عملکرد الگوریتم ژنتیک در بهینه یابی سازه های خرپایی با استفاده از ایده پیشنهادی مش بندی فضای جستجو

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 922

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE07_0445

تاریخ نمایه سازی: 16 مهر 1392

چکیده مقاله:

در طول چند دهه اخیر، الگوریتم ژنتیک ) GA ( به عنوان یکی از روشهای فراابتکاری در بهینه یابی سازه ها مطرح شده است. این روش نیز همانند سایر الگوریتم های فراابتکاری وابسته به پارامترها و عوامل مختلفی در روند بهینه یابی می باشد. در GA با افزایش لیست مقاطع و گسترش فضایطراحی، طول هر زیررشته و بدنبال آن طول هر رشته افزایش می یابد. این مسئله سبب کاهش سرعت فرآیند بهینه یابی در نیل به نقطه بهینه خواهدشد. بنابراین در این مقاله سعی شده است تا سرعت فرآیند بهینه یابی از طریق GA با افراز فضای طراحی افزایش یابد. برای این منظور با الهام از فرآیند مش بندی در روش اجزای محدود، لیست مقاطع به تعداد مشخصی زیرمجموعه تقسیم می شود. سپس یکی از اعضای هر زیرمجموعه )در سه حالت با اتخاذ بزرگترین، میانگین و کمترین سطح مقطع( به عنوان نماینده زیرمجموعه، در لیستی جدید تعریف می شود. فرآیند بهینه یابیبراساس لیست جدید مقاطع که متشکل از نمایندگان زیرمجموعه ها است، آغاز می شود )جستجوی سراسری(. در ادامه با گذشت تعداد مشخصیاز نسل سازی، محدوده طرح بهینه برای هر زیررشته تعیین می شود. سپس لیست مقاطع برای هر متغیر طراحی متناسب با نتیجه فرآیند مرحله پیش و براساس زیرمجموعه متغیر مربوطه مجدداً تعریف می شود. در نهایت عملیات بهینه یابی براساس لیست مقاطع جدید برای هر متغیر طراحی تا تکمیل نسل سازی ها ادامه می یابد )جستجوی محلی(. ایده پیشنهادی در سه حالت به همراه شیوه مرسوم GA با استفاده از مثال های بهینه یابی خرپا مورد بررسی قرار گرفته است. نتایج دلالت بر افزایش سرعت عملیات بهینه یابی براساس ایده اتخاذ روش میانگین سطح مقطع دارد

کلیدواژه ها:

نویسندگان

وحیدرضا کلات جاری

استادیار، دانشکده عمران و معماری، دانشگاه صنعتی شاهرود

محمدحسین طالب پور

دانشجوی دکترا سازه، دانشکده عمران و معماری، دانشگاه صنعتی شاهرود

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 :