تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,199 |
تعداد دریافت فایل اصل مقاله | 15,216,889 |
روش ذرات نخبه در بهینه سازی گسسته سازه ها | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 5، دوره 52.3، شماره 108، آذر 1401، صفحه 39-48 اصل مقاله (1.49 M) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jcee.2019.9479 | ||
نویسندگان | ||
رضا سجودی زاده* 1؛ سعید قلی زاده قلعه عزیز2 | ||
1گروه مهندسی عمران، واحد مهاباد، دانشگاه آزاد اسلامی، مهاباد | ||
2گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه ارومیه | ||
چکیده | ||
یکی از معیارهای بهبود و ارتقا روش های بهینه سازی تلاش در کاهش تعداد محاسبات تابع هدف میباشد. تحقیقات زیادی از جمله مطالعات Gholizadeh (2018) در این راستا میباشد. در این مقاله برای افزایش سرعت همگرایی روش های فراکاوشی، ایده هدایتگری گروه نخبه جمعیت، در کنار استفاده از راهنمایی یک ذره برتر، به عنوان یک شیوه نوین معرفی می شود. هرچند که این ایده میتواند در کلیه روش های بهینه سازی فراکاوشی مبتنی بر جمعیت استفاده گردد. برای نشان دادن میزان کارایی روش ذرات نخبه، بر روی یکی از روش های بنیادین فراکاوشی به نام روش بهینه سازی توده ذرات، ارائهشده توسط Eberhart (1995) اعمال شده و عملکرد آن را بهبود بخشیده است. روش اصلاحشده توده ذرات برمبنای جایگزین نمودن ذرات ضعیف جمعیت با تعدادی نمونه که مشابه بهترین ذره جمعیت ساخته می شوند، می تواند با تعداد تکرار کمتر، همگرایی مناسبی به پاسخ نهایی داشته باشد. در این تحقیق، برای نشان دادن کارایی الگوریتم پیشنهاد شده، چهار مسئله محک بهینه سازی سازه های خرپایی دو و سه بعدی ارائه شده اند و نتایج روش اصلاحشده توده ذرات با نتایج تعدادی از الگوریتم های پیشین مورد مقایسه قرار گرفته است. نتایج نشاندهنده برتری الگوریتم پیشنهادی نسبت به سایر الگوریتم ها می باشد. | ||
کلیدواژهها | ||
بهینهسازی؛ فراکاوشی؛ گسسته؛ ذرات نخبه؛ توده ذرات | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
Cheng MY, Prayogo D, Wu YW, Lukito MM, “A hybrid harmony search algorithm for discrete sizing optimization of truss structure”, Automation in Construction, 2016, 69, 21-33. Dorigo M, Birattari M, “Ant colony optimization”, Encyclopedia of Machine Learning, Springer, 2010, 36-39. Eberhart RC, Kennedy J, “A new optimizer using particle swarm theory”, Proceedings of the Sixth International Symposium on Micro Machine and Human Science, Nagoya, Japan, 4-6 Oct. 1995. Gholizadeh S, “Layout optimization of truss structures by hybridizing cellular automata and particle swarm optimization”, Computers and Structures, 2013, 125, 86-99. Gholizadeh S, Ebadijalal M, “Performance based discrete topology optimization of steel braced frames by a new metaheuristic”, Advances in Engineering Software, 2018, 123, 77-92. Gholizadeh S, Poorhoseini H, “Seismic layout optimization of steel braced frames by an improved dolphin echolocation algorithm”, Structural Multidisciplinary Optimization, 2016, 54, 1011-29. Gholizadeh S, Milany A, “An improved fireworks algorithm for discrete sizing optimization of steel skeletal structures”, Engineering Optimization, 2018, 50, 1-21. Ho-Huu V, Nguyen-Thoi T, Vo-Duy T, Nguyen-Trang T, “An adaptive elitist differential evolution for optimization of truss structures with discrete design variables”, Computers and Structures, 2016, 165, 59-75 Kaveh A, Ilchi Ghazaan M, “A comparative study of CBO and ECBO for optimal design of skeletal structures”, Computers and Structures, 2015, 153, 137-147. Kaveh A, Mahdavi V, “Colliding Bodies Optimization method for optimum discrete design of truss structures”, Computers and Structures, 2014, 139, 43-53. Kaveh A, Talatahari S, “Size optimization of space trusses using Big Bang-Big Crunch algorithm”, Computers and Structures, 2009, 87, 1129-40. Kaveh A, Talatahari S, “A charged system search with a fly to boundary method for discrete optimum design of truss structures”, Asian Journal of Civil Engineering, 2010, 11 (3), 277-293. Kaveh A, Talatahari S, “A particle swarm ant colony optimization for truss structures with discrete variables”, Journal of Constructional Steel Research, 2009, 65, 1558-68. Kazemzadeh Azad S, Hasançebi O, “An elitist self-adaptive step-size search for structural design optimization”, Applied Soft Computing, 2014, 19, 226-235. Li LJ, Huang ZB, Liu F, “A heuristic particle swarm optimization method for truss structures with discrete variables”, Computers and Structures, 2009, 87, 435-43. Mirjalili S, “SCA: A Sine Cosine Algorithm for solving optimization problems”, Knowledge-Based Systems, 2016, 96, 120-133. Rashedi E, Nezamabadi-Pour H, Saryazdi S, “GSA: a gravitational search algorithm”, Information Sciences, 2009, 179, 2232-2248. Sadollah A, Eskandar H, Bahreininejad A, Kim JH, “Water cycle, mine blast and improved mine blast algorithms for discrete sizing optimization of truss structures”, Computers and Structures, 2015, 149, 1-16. Storn R, Price K, “Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces”, Journal of Global Optimization, 1997, 11, 341-359. Togan V, Daloglu AT, “An improved genetic algorithm with initial population strategy and self-adaptive member grouping”, Computers and Structures, 2008, 86, 1204-1218. Zhu JH, He F, Liu T, FH, Zhang WH, Liu Q, Yang C, “Structural topology optimization under harmonic base acceleration excitations”, Structural and Multidisciplinary Optimization, 2018, 57, 1061-1078. | ||
آمار تعداد مشاهده مقاله: 966 تعداد دریافت فایل اصل مقاله: 242 |