• تحلیل اجزای محدود فازی با استفاده از شبکه های عصبی بازگشتی و الگوریتم تکاملی تفاضلی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1394/01/01
    • تاریخ انتشار در تی پی بین: 1394/01/01
    • تعداد بازدید: 929
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    با توجه به وقوع حوادث طبیعی و خرابی های حاصله، نیاز بشر به داشتن سازه های ایمن روز به روز افزایش می یابد، اما با توجه به وجود عدم قطعیت ها در پارامترهای سازه ای، نمی توان به یک طراحی کاملا ایمن دست یافت. با توجه به این عدم قطعیت ها، اجزای محدود فازی سازه ای مطرح می شود که هدف آن در نظر گرفتن آنهاست. در این مقاله با در نظر گرفتن عدم قطعیت ها در بار وارد بر سازه و سایر پارامترهای سازه ای، بررسی می کنیم که پاسخ سازه بصورت یک عدد فازی بدست می آید. مینیم و ماکسیم جابه جایی بواسطه الگوریتم تکامل تفاضلی محاسبه می شود. روش های فراابتکاری با توجه به قابلیت انطباق و انعطاف پذیری بسیاری که با انواع مسائل پیچیده دارند، می توانند به خوبی در مسائل بهینه سازی مورد استفاده قرار بگیرند. اما استفاده تنها از الگوریتم تکامل تفاضلی، زمان و حجم محاسباتی بالایی دارد، از این رو در این مقاله برای رفع این مشکل از تلفیق الگوریتم تکامل تفاضلی و شبکه عصبی بازگشتی استفاده می کنیم. شبکه های عصبی مصنوعی از عناصر عملیاتی ساده ایی بصورت موازی ساخته شده اند که از سیستم های عصبی زیستی الهام گرفته اند که دارای قابلیت آموزش و تعمیم هستند. در طبیعت، ساختار شبکه ای عصبی از طریق نحوه اتصال بین اجزا تعیین می شود؛ بنابراین می توانیم یک ساختار مصنوعی به تبعیت از شبکه های طبیعی بسازی و با تنظیم مقادیر هر اتصال تحت عناوین وزن اتصال نحوه ارتباط بین اجزای آن را تعیین نمایی. پس از تنظیم یا همان آموزش شبکه عصبی اعمال یک ورودی خاص به آن منجر به دریافت پاسخ خاص می شود. در واقع شبکه بر مبنای تطابق و همسنجی بین ورودی و هدف سازگار می شود تا اینکه خروجی شبکه و هدف بر هم منطبق گردند. در این مقاله سعی می شود با آموزش صحیح شبکه، به پاسخ های مطلوبی دست یابیم. کارایی الگوریتم پیشنهادی توسط مثال هایی مورد بررسی قرار می گیرد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها