محمدرضا قاسمی - استادیار و عضو هیئت علمی گروه عمران، دانشگاه سیستان و بلوچستان، زاهدا
مژده اکبری - دانشجوی کارشناسی ارشد سازه، دانشگاه سیستان و بلوچستان، زاهدان

در این تحقیق جهت اعمال بهینه سازی چند هدفی با حذف قیود از مسائل مقید بهینه سازی، الگوریتم جدیدی طراحی شده که در آن علاوه بر بکارگیری عملگرهای اصلی الگوریم ژنتیک، روشهای بازآفرینی نیز برای کاهش زمان بهینه سازی استفاده شده است. همچنین در این الگوریتم که newMOGA نامیده شده است، از ایده روش NSGA بهره گرفته شده و جهت کارایی بیشتر تغییراتی در آن اعمال گردیده است. از آنجایی که زمان اجرای عملیات بهینه سازی با الگوریتم ژنتیک به واسطه نیاز به آنالیزهای مکرر، بسیار طولانی و زمان بر بوده و الگوریتم newMOGA نیز از این قاعده مستثنی نمی باشد، لذا از شبکه های عصبی هوشمند مصنوعی نیز جهت تقریب سازی برنامه آنالیز، استفاده شده و از میان این شبکه ها، شبکه عصبی مصنوعی نظارت شده تابع بنیادی شعاعی که ارجحیت آن بخاطر کارایی و سهولت استفاده، نسبت به توابع دیگر محقق گردیده ، بکارگرفته شده است. در این تحقیق جهت حل پاره ای از مشکلات موجود در ابزارهای در دسترس ، برای ایجاد و آموزش این شبکه ها (موجود در نرم افزار MATLAB) ، تابع بنیادی شعاعی مورد مطالعه و طراحی قرار گرفته و کاربر آن از انجام عملیات تکراری سعی و خطا برای انتخاب پارامتر انتشار (sprea)، بی نیاز ساخته است. نرم افزار حاضر، به راحتی و بدون نیاز به تجربه و یا انجام سعی و خطای مهندس محاسب، قادر است مقاطع بهینه سازه خرپا (سازه معرفی شده در یک محیط ویراستاری مانند notepad) را در بازه های پیوسته و گسسته متغیرهای طراحی و تحت تاثیر بار استاتیکی و یا هرگونه معادله حرکت دینامیکی ، در اختیار کاربر قرار دهد.

بهینه سازی چند هدفی ، الگوریتم ژنتیک ، باز آفرینی ، شبکه عصبی ، تابع بنیادی شعاعی اصلاح شده