این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران امیرکبیر، جلد ۵۳، شماره ۵، صفحات ۲۱۴۹-۲۱۷۴
عنوان فارسی بهینه‌سازی اندازه و هندسه سازه‌های خرپایی با استفاده از ترکیب روش‌های بهینه‌سازی جستجوی‌گرانشی و ماشین‌های یاخته‌ای
چکیده فارسی مقاله در این مطالعه، روشی جدید جهت استفاده در حل مسائل بهینه‌سازی هندسه و اندازه در سازه‌های خرپایی با استفاده از ترکیب موثر روش ماشین‌های یاخته‌ای (CA) و الگوریتم جستجوی گرانشی(GSA) ارائه شده است که در ادامه به نام روش CA-GSA نامگذاری شده است. اساس روش GSA قوانین گرانش نیوتونی و حرکت است. این الگوریتم به علت تاثیرگذاری مستقیم همه اجرام بر یکدیگر و عدم توجه به موضوع نخبه‌گرایی، دارای ضعف همگرایی محلی است. در این تحقیق، با کمک روش CA، اجرام در یک شبکه سلولی متناهی توزیع شده‌اند و هر سلول تنها با همسایه‌های خود در ارتباط است. در روش CA-GSA، قوانین گرانش و حرکت اجرام در روش GSA به عنوان عامل ارتباط هر سلول با سلول‌های همسایه خود تعریف شده است. بنابراین، نیروی اعمال شده به هر جرم از برآیند نیروی اجرام برتر همسایه‌اش، بدست می‌آید. تعریف این اجرام همسایه و اعمال نیروی آنها به جرم مرکزی، حافظه و نخبه‌گرایی را به الگوریتم GSA افزوده است. مزیت دیگر روش جدید، بروزرسانی شبکه سلولی پس از هر بروزرسانی است که موجب می‌شود الگوریتم با تعداد آنالیزهای کمتر به مقدار بهینه اصلی دست بیابد. جهت بررسی سودمندی روش پیشنهادی و مقایسه با روش‌های CA و GSA، از سه روش CA، GSA و CA-GSA در حل چهار مساله بهینه‌سازی هندسه و اندازه اعضای سازهای خرپایی مبنا استفاده شده است. نتایج الگوریتم توسعه داده شده در این مقاله نشان دهنده‌ی برتری و قدرت این الگوریتم در بهینه سازی هندسه و اندازه سازه‌های خرپایی نسبت به سایر روش‌های مقایسه شده در این مقاله می‌باشد.
کلیدواژه‌های فارسی مقاله ماشین‌های یاخته‌ای، سازه‌های خرپایی، بهینه سازی، الگوریتم جستجوی گرانشی، الگوریتم‌های بهینه سازی تلفیقی،
عنوان انگلیسی Sizing and Geometry Optimization of Truss Structures Using a Hybrid of Gravitational Search Algorithm and Cellular Automata
چکیده انگلیسی مقاله In this study, a new method is presented to solve the geometry and sizing optimization problems of truss structures using an effective hybrid of cellular automata (CA) and gravitational search algorithm (GSA), which is named CA-GSA method. The basic of the GSA is the Newtonian Gravity and Motion laws. Due to the direct effect of all objects on each other and the lack of attention to elitist selection, this algorithm converges to a local optimum point. In this study, with the help of the CA method, masses are distributed in a finite cellular network, and each cell is only related to its neighbors. In the CA-GSA method, the laws of gravity and motion of masses in the GSA method are defined as the relationship factor of each cell to its neighboring ones. Therefore, the applied force on each mass is obtained from the resultant force of its top neighboring masses. The definition of these top neighboring masses and their applied force on the central mass add memory and elitist selection to the GSA algorithm, respectively. Another advantage of the new method is to update the cellular network after any local evolution, which makes it possible to achieve the optimal point using fewer analyzes. To investigate the usefulness of the proposed method, the CA-GSA method was used to solve the geometry and sizing optimization problems of four benchmark truss structures. The results of CA-GSA show the superiority and power of this algorithm in comparison with the methods introduced in the literature.
کلیدواژه‌های انگلیسی مقاله ماشین‌های یاخته‌ای, سازه‌های خرپایی, بهینه سازی, الگوریتم جستجوی گرانشی, الگوریتم‌های بهینه سازی تلفیقی
نویسندگان مقاله میلاد دهقانی |
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه قم، قم، ایران

مصطفی مشایخی |
گروه عمران، دانشکده فنی و مهندسی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

مهدی شریفی |
استادیار گروه عمران، دانشگاه قم، قم، ایران

نشانی اینترنتی https://ceej.aut.ac.ir/article_4175_e0438ae81e41a02b890588238dead793.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات