مقایسه الگوریتم اجتماع ذرات با ضریب انقباض و الگوریتم اجتماع ذرات اصلاح شده در مساله بهینه سازی سازه های خرپایی
محل انتشار: ششمین کنگره ملی مهندسی عمران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,468
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE06_0435
تاریخ نمایه سازی: 28 مرداد 1390
چکیده مقاله:
بهینه سازی گروه ذرات یک تکنیک بهینه سازی مبتنی بر جمعیت می باشد که بر اساس قوانین احتمال کار می کند. در ای ن روش هری ک از ذرات (که نماینده یک راه حل ممکن مساله می باشند) سعی میکنند به سمتی حرکت کنند که بهترین تجربه فر دی و گروه ی در آن روی داده اس ت. از مزایای این روش می توان به تعداد کم پارامترهای تنظیمی، سادگی و به دور بودن از پیچیدگی های محاسباتی اشاره کر د. الگو ریتم اص لیPSO دارای معایبی همچون همگرایی به مینیمم های محلی و عدم تعادل بین فاز جستجوی کلی و محلی م ی باشد بر ای حل ای ن مشک ل در سا ل 1998 Eberhart& Shi الگوریتمی با عنوا ن الگو ریتم اجتما ع ذرات اصلا ح شد ه معرفی کردند . درسال 2000 نی ز Clerc and Kennedy الگوریتم اجتماع ذرات با ضریب انقباض را ارائه دادند. این 2 الگوریتم 2 گونه اصلی الگوریتمPSO م یباشند ک ه خصوص یات رفتا ری آنها ب ه مراتب بهتر از الگوریتم اصلی می باشد. در این مقاله به بررسی خصوصیات این الگوریتم ها و پیاده سازی این 2 الگوریتم بر مساله بهینه سا زی سازه های خرپایی که شامل بهینه های محلی فراوان می باشند پرداخته شده است. نتایج 2 الگوریتم ب ا یکدیگ ر و الگوریت مها ی دیگ ر موج ود همچون الگوریتم ژنتیک و الگوریتم اجتماع مورچه ها مقایسه شده است. نتایج حاصله نشان میدهد که 2 الگوریتم مورد نظر نتایجی بهتر از دیگر الگوریتم ها و نزدیک به هم دارند این درحالیستکه الگوریتم اجتماع ذرات با ضریب انقباض سرعت همگرایی بیشتری نسبت به الگوریتم اج تماع ذرات اصلاح شده دارد.
کلیدواژه ها:
بهینه سازی سازه های خرپایی ، الگوریتم اجتماع ذرات اصلاح شده ، الگوریتم اجتماع ذرات با ضریب انقباض
نویسندگان
علی حدیدی
استادیار گروه سازه دانشکده مهندسی عمران دانشگاه تبریز
چیا فرهمندپور
دانشجوی کارشناسی ارشد سازه دانشکده مهندسی عمران دانشگاه تبریز
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 مقاله لینک شده اند :