تحلیل و مقایسه جدیدترین و قوی ترین روش های الگوریتمیک در بهینه سازی برای سازه های خرپایی ساده و پیچیده

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 464

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICSAU04_0168

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

برای افزایش سرعت و دقت در مسایل مهندسی، روش های بهینه سازی همواره در حال تغییر و بهبود می باشند. بهینه سازی تا قبل ازپیدایش الگوریتم های فرااکتشافی تنها با روش های ریاضی قابل انجام بوده است که بسیار روش زمان بری بوده است. الگوریتم هایفراکاوشی براساس مفاهیم بر گرفته شده از الگوهای طبیعت و شیوه زندگی جانداران و یا قوانین ریاضی بر این مفهوم استوار هستند کهبرای تمامی مسایل یک ایده و یا راه حل وجود دارد. از این رو نمی توان هیچ الگوریتمی را بهتر از الگوریتم های دیگر نام برد، زیرا امکاندارد برای حل مسیله ای متفاوت، عملکرد ضعیف تری نسبت الگوریتمی دیگر داشته ب اشد. در این مقاله 3 الگوریتم برتری که در کنگرهجهانی محاسبات فرااکتشافی 2015 توانسته اند بالاترین امتیاز ممکن را بدست بیاورند را در عملکرد بهینه سازی سازه های خرپایی ساده و پیچیده مورد تحلیل و مقایسه قرار داده ایم. الگوریتم های مورد نظری که رتبه جهانی مناسبی کسب کرده اند و در این مقاله مورد بررسیقرار گرفته اند Tuned CMAES, MVMO و iSRPSO می باشند. هر کدام از خرپاهای ساده 25 و 72 المانی و خرپاهای پیچیده 693 و 960 المانی را با الگوریتم های مورد نظر بهینه سازی کرده ایم. بهینه سازی های انجام شده در این مقاله براساس بهینه سازی های اندازه بودهو متغیرهای بهینه یابی مساحت اعضای خرپا هستند که هر کدام تحت بارگذاری مستقل قرار می گیرند و هدف اصلی کاهش وزن خرپامی باشد. برای بدست آورن مقاطع بهینه برای سازه های خرپایی، از روش اجزای محدود برای تحلیل اعضای خرپا در الگوریتم های نامبردهاستفاده شده است. در انتها نتایج بدست آمده از الگوریتم های مختلف را تحلیل و مقایسه می کنیم.

Authors

احسان جهانی

عضو هیت علمی، دانشگاه مازندران، دانشکده فنی مهندسی، گروه عمران

محمد چیذری

دانشجوی کارشناسی ارشد، دانشگاه مازندران، دانشکده فنی مهندسی، گروه عمران

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 :
  • Xinjie Yu, Mitsuo Gen, Introduction to Evolutionary Algorithms (2010th ed.); ...
  • Dan Simon, Evolutionary Optimization Algorithms (1st ed.); 2013. ...
  • Y. Valle, G. K. V enayagamo orthy, S. Mohagheghi, J. ...
  • Q. Chen, B. Liu, Q. Zhang, J. J. Liang, P. ...
  • F. Gonzalez -Longatt, J. Rueda, I. Erlich, Mean Variance Mapping ...
  • M. Andersson , S. Bandaru, Amos H.C. Ng, Parameter tuned ...
  • M. R. Tanweer, S. Suresh, N. Sundararajan, Improved SRPSO algorithm ...
  • A. Kaveh, S. Talatahari, Size optimization of space trusses using ...
  • B. Farshi, L. A. Schmit, Minimum weight design of stress ...
  • C.Y. Sheu, L.A. Schmit, Minimum weight design of elastic redundant ...
  • G. Bekdas, S. M. Nigdeli , X.-S. Yang, Sizing optimization ...
  • B. Farshi, A. Alinia-ziazi, Sizing optimization of truss structures by ...
  • AISC-ASD, Manual of steel c Ons truc tion -allowable stress ...
  • O. Hasancebi, S. Kazemzadeh Azad, Adaptive dimensional search: A new ...
  • نمایش کامل مراجع