توضیحات
خلاصه
امروزه سازه هاي خرپايي با توجه به كاربردهاي گوناگون آنها بيش از پيش اهميت پيدا كرده اند. علت استفاده فراوان از نيا نوع خاص سازه ها مزایاي آنها شامل مشاركت اغلب اعضاي سازه در تقسیم توزیع بار، ویژگی مقاوم بودن آنها (به طوريكه فروريختن تعداد محدودي از اعضا لزوماً منجر به فروپاشي سازه نميشود)، پوشاندن دهانه هاي بزرگ با حداقل مواد مصرفی ، راحتي اجرا وغيره مي باشد. از این رو بهينه سازي سازه هاي خرپايي در پايين آوردن هزينه ها مي تواند نقش قابل ملاحظه اي را ایفا كند. الگوريتم بهينه سازي اجتماع ذرات ) (PSO) یکی از جديدترین الگوريتم هاي تكاملي می باشد كه در سال 1995توسط (Eberhart & Kennedy) معرفي شد. این الگوريتم داراي يكسري مزایا میباشد كه در مقایسه با سایر الگوريتم ها آن را شاخص تر میكند. از جمله این مزایا میتوان به اختيار تعداد كم پارامترهاي تنظیمي, استفاده مفیدی از حافظه مورد نیاز و سرعت همگرايي مناسب نام برد. با توجه به اینکه الگوريتم اصلي PSOسريعا به مینیمم های محلي همگرا میشود براي رسيدن به مینیمم كلي در این مقاله الگوريتم PSOبا مكانيسم هاي مختلف تقویتی شده و براي بهينه سازي خرپاها بكار رفته است. نتایجی حاصل از بهينه سازي سازه هاي خرپايي توسط الگوريتم پيشنهادي هم از نظر سرعت همگرايي و هم از نظر کیفیت جوابها به مراتب بهتر از الگوريتم اصلي PSOو الگوريتم هاي دیگر مورد استفاده در این زمينه تحقيقات مي باشد.
مقدمه
الگوريتم اجتماع ذرات (PSO) حاصل همكاري دو دانشمند آمريكـايي بـا نـام هـاي (J.Kennedy) متخصـص در رشـته روانشناسـي اجتمـاعي و (R.Eberhart) متخصص در رشته مهندسي برق به سال 1995ميباشد. از آن پس اين الگـوريتم يكـي از شـاخه هـاي مهـم الگـوريتم هـاي تكـاملي محسوب ميشود و از زمان ظهور به واسطه ويژگي هاي متمايزي همچون اختيار تعداد كم پارامترهاي تنظیمي سادگي مفاهيم و كاربرد و به دور بودن از پيچيدگي هاي محاسباتي، مورد توجه بسياري از دانشمندان اين زمينه قرارگرفته است. الگوريتم PSOداراي معايبي نيز ميباشد كه از آن جمله ميتوان به گرفتار شدن در مينيمم هاي محلـي و سـرعت همگرايـي پـايين در مراحـل انتهايي بهينه سازي اشاره كرد. از اين رو تحقيقات زيادي براي بهبود نقاط ضعف اين الگوريتم انجام شده است كه از جمله آنهـا مـيتـوان بـه تحقيقـات (Eberhart& Shi) اشاره كرد.آنها با معرفي پارامتري بـه نـام وزن اينرسـي كوشـيده انـد تـا عملكـرد PSOرا بـالا ببرنـد. از طرفـي & Venter Sobieskiمكانيسمي در برخورد با ذراتي كه از محدوده مجاز قيدها تجاوز ميكنند به PSOاضافه كردند تـا الگـوريتم بـه صـورت مطلـوبتري در فضـاي جسـتجوي مسـاله بـه جسـتجو بپـردازد. پـس از آن در سـال Ting-Yu Chen & Tzu-Ming Chi 2009بـا الهـام از كارهـاي اوليـه (Kennedy & Eberhart) مكانيسمي شبيه مكانيسم جهش در الگوريتم ژنتيك به منظور فرار از مينيمم هاي محلي به الگوريتم PSOاضافه كردنـد.
ABSTRACT
Today truss structures have become increasingly important due to their various applications. The reason for the many uses of this particular type of structures is their advantages, including the participation of most structural members in the distribution of load distribution, their characteristics of resistance (such that the collapse of a limited number of members does not necessarily lead to collapse of the structure), covering large openings with minimal materials, Ease of operation and so on. Hence, optimizing truss structures in lowering costs can play a significant role. Particle Swarm Optimization (PSO) algorithm is one of the newest evolutionary algorithms introduced in 1995 by Eberhart & Kennedy. This algorithm has a number of advantages that make it more relevant than other algorithms. Among these benefits are the availability of a small number of adjustable parameters, a useful use of the required memory and the appropriate convergence rate. Given that the main PSO algorithm converges rapidly to local minima, in order to achieve the overall minimum, the PSO algorithm is strengthened with various mechanisms and used to optimize trusses. The results of optimization of truss structures by the proposed algorithm are much better than the main PSO algorithm and other algorithms used in this field in terms of convergence rate and quality of the solutions.
INTRODUCTION
Particle Clustering Algorithm (PSO) is the result of the collaboration of two American scientists named J.Kennedy specializing in social psychology and R.Eberhart specializing in electrical engineering in 1995. Since then, this algorithm is considered as one of the most important branches of evolutionary algorithms. Since its emergence due to its distinctive features such as the choice of a small number of parametric parameters of simplicity of concepts and applications, and far from the computational complexity, many scientists are interested in this field. Is located. The PSO algorithm also has some disadvantages, including the inclusion in local minima and the low convergence rate at the final stages of optimization. So, a lot of research has been done to improve the weaknesses of this algorithm, including Eberhart & Shi research. They introduced a parameter called the weight of inertia to increase the performance of the PSO. On the other hand, & Venter Sobieski added to the PSO a mechanism for dealing with particles that exceeded the permissible limits of the constraints, so that the algorithm searches more effectively in the problem search area. Afterwards, in the year of Ting-Yu Chen & Tzu-Ming Chi 2009, Kennedy & Eberhart inspired a mechanism similar to the mutation mechanism in the genetic algorithm to escape the local minima to the PSO algorithm.
Year: 2011
Publisher : Sixth National Congress on Civil Engineering
By : Ali Hadidi , Chia Farahmandpour
File Information: persian Language/ 8 Page / size: 193 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1390
ناشر : ششمین کنـگره ملی مهنـدسی عمـران
کاری از : علي حديدي، چيا فرهمندپور
اطلاعات فایل : زبان فارسی / 8 صفحه / حجم : KB 193
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.