• بهبود عملکرد الگوریتم ژنتیک در بهینه یابی سازه های خرپایی با استفاده از ایده پیشنهادی مش بندی فضای جستجو

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 970
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
     در طول چند دهه اخیر، الگوریتم ژنتیکga به عنوان یکی از روشهای فراابتکاری در بهینه یابی سازه ها مطرح شده است. این روش نیز همانند سایر الگوریتم های فراابتکاری وابسته به پارامترها و عوامل مختلفی در روند بهینه یابی می باشد. در ga با افزایش لیست مقاطع و گسترش فضای طراحی، طول هر زیررشته و بدنبال آن طول هر رشته افزایش می یابد. این مسئله سبب کاهش سرعت فرآیند بهینه یابی در نیل به نقطه بهینه خواهد شد. بنابراین در این مقاله سعی شده است تا سرعت فرآیند بهینه یابی از طریق ga با افراز فضای طراحی افزایش یابد. برای این منظور با الهام از فرآیند مش بندی در روش اجزای محدود، لیست مقاطع به تعداد مشخصی زیرمجموعه تقسیم می شود. سپس یکی از اعضای هر زیرمجموعه )در سه حالت با اتخاذ بزرگترین، میانگین و کمترین سطح مقطع( به عنوان نماینده زیرمجموعه، در لیستی جدید تعریف می شود. فرآیند بهینه یابی براساس لیست جدید مقاطع که متشکل از نمایندگان زیرمجموعه ها است، آغاز می شود )جستجوی سراسری(. در ادامه با گذشت تعداد مشخصی از نسل سازی، محدوده طرح بهینه برای هر زیررشته تعیین می شود. سپس لیست مقاطع برای هر متغیر طراحی متناسب با نتیجه فرآیند مرحله پیش و براساس زیرمجموعه متغیر مربوطه مجدداً تعریف می شود. در نهایت عملیات بهینه یابی براساس لیست مقاطع جدید برای هر متغیر طراحی تا تکمیل نسل سازی ها ادامه می یابد )جستجوی محلی(. ایده پیشنهادی در سه حالت به همراه شیوه مرسوم ga با استفاده از مثال های بهینه یابی خرپا مورد بررسی قرار گرفته است. نتایج دلالت بر افزایش سرعت عملیات بهینه یابی براساس ایده اتخاذ روش میانگین سطح مقطع دارد.

     

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