ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهینهسازی وزن خرپاهای فضایی با استفاده از الگوریتم ژنتیک

تعداد صفحات: 8 | تعداد نمایش خلاصه: 2061 | نظرات: 0
سال انتشار: 1390
کد COI مقاله: NCSS03_021
زبان مقاله: فارسی
(فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینهسازی وزن خرپاهای فضایی با استفاده از الگوریتم ژنتیک

احسان محمودی کوچکسرایی - کارشناس ارشد عمران- سازه دانشکده عمران دانشگاه تبریز
ناصر تقی زادیه - استادیار عمران-سازه دانشکده عمران دانشگاه تبریز، تبریز
الهه یوسفی خسرقی - دانشجو کارشناسی عمران - آب دانشکده عمران دانشگاه تبریز، تبریز

چکیده مقاله:

در اکثر مواقع، الگوریتم ژنتیک برای بهینهسازی سازههای نامقید مناسب میباشد. به همین منظور، اغلب کاربرد الگوریتم ژنتیک دربهینهسازی مسائل مقید با چالش همراه میباشد. روشهای مختلفی برای رسیدگی به این نوع از مسائل در الگوریتم ژنتیک پیشنهاد شده است. رایجترین و پرکاربردترین روش در رسیدگی به مسائل مقید در الگوریتم ژنتیک، استفاده از توابع جریمه میباشد. توابع جریمه مختلفی توسط محققین پیشنهاد شده است که با توجه به نوع مسئله و سازههای بررسی شده کاربرد محدودی دارند.در اکثر تحقیقات، به بررسی استفاده تابع جریمه در بهینهسازی سازههای خرپایی فضایی پرداخته شده است. سازههای فضاکار یکی از سازههای پرکاربرد در مهندسی عمران میباشند که بالاترین هدف در طراحی این نوع سازهها دستیابی به یک سازه موثر و ایمن با کمترین وزن ممکن میباشد. در این تحقیق، با استفاده از تابع جریمه خودانطباقی مسئله مقید را به یک مسئله نامقید تبدیل مینماییم تا بتوانیم به راحتی از الگوریتم ژنتیک در بهینهسازی سازههای مقید استفاده نماییم. در ادامه تحقیق با توجه به اهمیت و کاربرد فراوان سازههای خرپایی فضایی در مسائل مهندسی و با استفاده از تابع جریمه ارائه شده و روش الگوریتم ژنتیک به بهینهسازی وزن این نوع از سازههای فضاکار میپردازیم و نتایج حاصل از این روش را با نتایج ارائه شده توسط دیگر محققین مورد ارزیابی قرار میدهیم

کلیدواژه ها:

بهينهسازي وزن، الگوريتم ژنتيك، مسائل مقيد، تابع جريمه خودانطباقي، سازههاي خرپايي فضايي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/119030/

کد COI مقاله: NCSS03_021

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمودی کوچکسرایی، احسان و تقی زادیه، ناصر و یوسفی خسرقی، الهه،1390،بهینهسازی وزن خرپاهای فضایی با استفاده از الگوریتم ژنتیک،سومین کنفرانس ملی سازه های فضاکار،تهران،،،https://civilica.com/doc/119030

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، محمودی کوچکسرایی، احسان؛ ناصر تقی زادیه و الهه یوسفی خسرقی)
برای بار دوم به بعد: (1390، محمودی کوچکسرایی؛ تقی زادیه و یوسفی خسرقی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Coello C.A.C; "Theoretical and numerict Cons traint-handling techniques used with ...
  • Goldberg D.E; "Genetic algorithms in search, optimization and machine learning ...
  • Holland J.H; "Adaptation in natural _ artificial systems", MIT press, ...
  • Le Riche R.G; Knopf-lenoir' C; Haftka R.T; "A segregated genetic ...
  • Michalewicz Z; Fogel D.B; "How to solve it: Modern Heuristics", ...
  • Mechalewicz Z; Dasgupta D; Le Riche R; Schoenauer M;، ، ...
  • Rasheed K.M; "a genetic algorithm for continuous design optimization ", ...
  • Yeniay O; "Penalty function methods for constrained optimization wvith Genetic ...
  • -Kong S.L; Zong W.G.; _ _ structural optimization method based ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 17,570
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی