سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی خرپا های فضاکار با استفاده از الگوریتم بهینه سازی گرگ خاکستری

Publish Year: 1396
Type: Conference paper
Language: Persian
View: 685

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 دانلود نمایند.

Export:

Link to this Paper:

Document National Code:

CESCM07_017

Index date: 15 September 2018

بهینه سازی خرپا های فضاکار با استفاده از الگوریتم بهینه سازی گرگ خاکستری abstract

این مقاله از یک روش فرا ابتکاری جدید به نام بهینه ساز گرگ خاکستری (GWO) به منظور بهینه سازی خرپاهای فضا کار استفاده می کند. الگوریتم GWO از سلسله مراتب رهبری و ساز و کار شکار گرگ های خاکستری در طبیعت تقلید می کند. در این الگوریتم از چهار نوع گرگ خاکستری شامل آلفا، بیتا، دلتا و امگا برای شبیه سازی سلسله مراتب رهبری استفاده شده است. علاوه بر این، سه مرحله اصلی شکار شامل جستجوی طعمه ، محاصره طعمه و حمله به طعمه شبیه سازی می شوند. در ابتدا الگوریتم موردنظر توسط 5 خرپای فضاکاربه عنوان مسایل بهینه سازی شناخته شده به خوبی ارزیابی شده و نتایج به دست آمده با روش بهینه سازی ازدحام ذرات (PSO) مقایسه می شوند. روش های فرا ابتکاری اخیرا مورد توجه قرار گرفته اند. برخی از روش ها مانند الگوریتم ژنتیک (GA)، الگوریتم زنبور عسل مصنوعی (ABC) الگوریتم کلونی مورچگان (ACO) و بهینه سازی ازدحام ذرات (PSO)، در میان دانشمندان فعال در زمینه ها ی مختلف نسبتا شناخته شده هستند. مزایای این تکنیک ها را می توان به چهار دلیل اصلی سادگی، انعطاف پذیری، ساز و کار آزاد از مشتق، و اجتناب از گیر افتادن در بهینه محلی خلاصه کرد. الگوریتم GWO را توسط خرپا های فضا کار بعنوان توابع معیار ارزیابی می کنیم. خرپا های فضا کار 10 عضوی، 15 عضوی ... و 72 عضوی بعنوان توابع معیار کلاسیکی هستند که توسط بسیاری از محققان مورد استفاده قرار گرفته اند [15-24]. به منظور بررسی کارایی الگوریتم GWO، ما با حل مسایل ،وزن سازه های خرپا های فضایی تحت شرایط بارگذاری مختلف با استفاده از متغیرهای گسسته را به حد اقل می رسانیم. الگوریتم در MATLAB کدگذاری شده است و نتایج بهینه سازی سازه با استفاده از روش المان محدود (سفتی مستقیم) مورد بررسی قرار گرفت. نتایج حاصل از بهینه سازی با نتایج حاصل از سایر الگوریتم های بهینه سازی همانند الگوریتم PSO و به منظور نشان دادن کارآیی الگوریتم GWO مورد مقایسه قرار گرفته ،که موارد بشرح متن مقاله می باشد.سازه خرپای مسطح 10 عضوی نشان داده شده در شکل 7 یکی از محبوب ترین سازه های مورد استفاده در مسایل بهینه سازی می باشد، که قبلا مورد استفاده قرار گرفته است [19,20,16,22,21]. شکل 7 هندسه و شرایط تکیه گاهی دو بعدی ، با شرایط بارگذاری این خرپای طره ای را نشان می دهد. دانسیته مواد بکار رفته 0.1lb/in3 و مدو ل الاستیسیته آن 10000Ksi می باشد. حداقل جابجایی مجاز در دو جهت عمودی و افقی ±2.0 in، و محدودیت تنش مجاز اعضاء برای هردوحالت کششی و فشاری ±25Ksi می باشد. دو نیروی P1=105 lb و P2=0 lb محسوب می شوند. 10 متغییر طراحی برای دو روش بارگذاری در این مسیله وجود دارد.

بهینه سازی خرپا های فضاکار با استفاده از الگوریتم بهینه سازی گرگ خاکستری authors

سعید قلیزاده

دانشیار دانشکده فنی ، دانشگاه ارومیه، ارومیه ، ایران

میرحسین سیدجعفری

دانشجوی دکتری مهندسی عمران سازه – دانشکده فنی دانشگاه ارومیه، ایران

مقاله فارسی "بهینه سازی خرپا های فضاکار با استفاده از الگوریتم بهینه سازی گرگ خاکستری" توسط سعید قلیزاده، دانشیار دانشکده فنی ، دانشگاه ارومیه، ارومیه ، ایران؛ میرحسین سیدجعفری، دانشجوی دکتری مهندسی عمران سازه – دانشکده فنی دانشگاه ارومیه، ایران نوشته شده و در سال 1396 پس از تایید کمیته علمی هفتمین کنفرانس ملی زلزله و سازه پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هستند. این مقاله در تاریخ 24 شهریور 1397 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 685 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که این مقاله از یک روش فرا ابتکاری جدید به نام بهینه ساز گرگ خاکستری (GWO) به منظور بهینه سازی خرپاهای فضا کار استفاده می کند. الگوریتم GWO از سلسله مراتب رهبری و ساز و کار شکار گرگ های خاکستری در طبیعت تقلید می کند. در این الگوریتم از چهار نوع گرگ خاکستری شامل آلفا، بیتا، دلتا و امگا برای شبیه ... . برای دانلود فایل کامل مقاله بهینه سازی خرپا های فضاکار با استفاده از الگوریتم بهینه سازی گرگ خاکستری با 4 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.