اثر عملگرهای ژنتیکی بر بهینه سازی لایه چینی مواد مرکب با استفاده از الگوریتم ژنتیک

Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,508

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

AEROSPACE07_329

تاریخ نمایه سازی: 1 مرداد 1387

Abstract:

در میان روشهای بهینه سازی الهام گرفته شده از طبیعت، الگوریم ژنتیک، از تکامل یافته ترین آنها به شمار می رود. تاکنون آنچه مد نظر قرار گرفته است توسعه بخشیدن به استفاده از الگوریتم ژنتیک در مباحث مختلف مهندسی بوده است، اما کمتر به جزئیات مناسب برای این الگو در زمینه های مورد کاربرد و بهبود آن پرداخته شده است. در این مقاله به بررسی الگوریتم ژنتیک در بهینه سازی لایه چینی صفحات کامپیوزیتی پرداخته شده و از میان پارامترهای این الگوریتم نظیر جمعیت اولیه و اندازه آن، عملگرهای ژنتیکی، عمل تحول، شرط توقف، و …، نقش عملگرهای ژنتیکی مورد توجه قرار گرفت و اثر هریک از آنها در بهینه سازی صفحات کامپوزیتی بهطور جداگانه بررسی گردیده است. در این مقاله سعی بر آن است تا با بررسی دقیق عملگرها در طی اجراهای مختلف برنامه نرم افزاری، عملکرد آنها با هم مقایسه و بهترین و مناسب ترین حالت آنها تعیین گردد. برای نیل به این هدف، حالتهای مختلف اعمال عملگرها برای یک صفحه کامپوزیتی با تابع هدفی شامل ترکیب خطی وزن و میزان خیز صفحه در نظر گرفته شده است. برای افزایش دقت نتایج این حالتها ،جمعیتهای متنوعی با توجه به دو پارامتر بهترین کیفیت جواب و میزان اقتصادی بودن، انتخاب و حالت بهینه بدست آمده است.

Keywords:

الگوریتم ژنتیک – عملگرترکیب - عملگر جهش - بهینه سازی - مواد مرکب

Authors

سید میعاد صالحی

دانشجوی دکترا، دانشگاه صنعتی شریف، دانشکده مهندسی مکانیک، دانشکده م

علی عابدیان

دانشیار

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • - J.H.Holland , (1975) _ Adoption in Natural and Artificial ...
  • -David E. Goldberg , "Genetic Algorithms in search optimization and ...
  • - J.E.Koza, (199 1). A Hierarchical Approach to Learning the ...
  • - K. Krishakuma and D.E .Goldberg , (1992) . Control ...
  • - Mahfouz, S.Y., *Design Optimization of Structural Steelwork, Ph.D. Thesis, ...
  • Genetic Algorithm in ه، [6]- Lin, C.Y., and Hajela, P., ...
  • - Abedian, A., Ghiasi, M. H., Dehghan, B., *، Influence ...
  • - Abedian, A., Ghiasi, M. H., Dehghan, B., *Effect of ...
  • Panel?, Accepted by Hnternational Journal of C omputational Inteligence, 2004. ...
  • - Abedian, A., Ghiasi, M. H., ،0A New Logarithmic Performance ...
  • نمایش کامل مراجع