تشخیص خرابی سازه های خرپایی براساس داده های ارتعاشی با استفاده از روش بهینه سازی مبتنی بر آموزش و یادگیری (TLBO)

در این مقاله از روش بهینه سازی مبتنی بر آموزش و یادگیری بهبود یافته یا MTLBO جهت یافتن جواب قطعی در حل مسائل پیشبینی میزان خرابی سازه های خرپایی معرفی و بهره گرفته شده است. الگوریتم TLBO استاندارد مشتمل بر دو فاز است، فاز اول، شامل فراگیری از استاد بوده و در فاز دوم، شاگردان بصورت متقابل از یکدیگر آموزش می بینند. در مقاله پیشرو جهت جلوگیری از گرفتار شدن الگوریتم TLBO استاندارد در اکسترممهای محلی که یک نقطه ضعف برای این روش محسوب می شود، فاز سوم با نام فاز جهش در نظر گرفته شده است. میزان کارایی روش MTLBO برای پیشبینی میزان خرابی در سازه های خرپایی با الگوریتم ازدحام ذرات PSO و الگوریتم TLBO مقایسه شده است. نتایج نشان می دهد که الگوریتم بهبود یافته پیشنهادی توانسته است تا بهبود قابل قبولی در کارایی الگوریتم TLBO ایجاد نماید. این بهبود عملکرد در قالب افزایش سرعت همگرایی، کاهش تعداد کل آنالیزهای مورد نیاز و همچنین افزایش کیفیت پاسخ بهینه نهایی در تمامی مسائل مورد بررسی قابل مشاهده است.

کلیدواژه ها:

خرپا ، تشخیص خرابی ، بهینهسازی ، الگوریتم مبتنی بر آموزش و یادگیری بهبود یافته.