شناخت، تحلیل و بررسی کاربرد هوش جمعی الگوریتم بهینه سازی فیزاروم در معماری و شهرسازی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 204

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFAUP-25-2_007

تاریخ نمایه سازی: 18 مهر 1402

چکیده مقاله:

در سال های گذشته، الگوریتم های بسیاری معرفی شدند تا به طور خاص مسائل بهینه سازی مختلفی در زمینه رشته های معماری و شهرسازی را حل کنند که ردپای طبیعت در اکثر این الگوریتم ها به چشم می خورد. انگیزه چنین الگوریتم هایی حل مسائل پیچیده ی مطرح مانند بهینه سازی انرژی، سازه، قطعات نما، حل چالش های موجود در طراحی گره های شهری، مسیریابی بهینه راه آهن و شریان های شهری، مدیریت ترافیک و دیگر بحث های مرتبط در مقیاس های خرد و کلان می باشد. هدف این پژوهش در گام نخست بررسی الگوریتم های هوش جمعی و در گام بعدی، سنجش رفتاری الگوریتم بهینه سازی فیزاروم در فرم یابی شبکه راه آهن شهری تهران با تعریف چهار پارامتر شامل گسل‎ ها، بناهای تاریخی، زیرگذرها و پل ها-تقاطع ها، به عنوان موانعی برای رشد و مسیریابی در فضای مسئله می باشد. روش پژوهش حاضر، استدلالی و گردآوری مطالب مبتنی بر روش کتابخانه ای جهت آشنایی با اصول و قوانین حاکم بر الگوریتم های هوش جمعی است. در ادامه نیز به کمک مدل سازی ها و شبیه سازی های نرم افزاری، به بررسی و سنجش رفتاری الگوریتم بهینه سازی فیزاروم در برخورد با موانع تعریف شده در فرم یابی شبکه راه آهن شهری تهران خواهد پرداخت. یافته ها و نقشه های خروجی حاصل از مسیریابی فیزاروم در فضای مسئله حاکی از شناسایی درست موانع تعریفی و فرم یابی دقیق و البته بدیعی از شبکه راه آهن شهری تهران است. الگوریتم بهینه سازی فیزاروم توانسته با دقت و بدون خطا، فرم یابی شبکه را بدون تقاطع با موانع تعریف شده انجام دهد.

کلیدواژه ها:

بهینه سازی ، شبکه راه آهن شهری ، فرم یابی ، الگوریتم های هوش جمعی ، الگوریتم بهینه سازی فیزاروم

نویسندگان

محمد رضا متینی

دانشگاه هنر

سعید خاقانی

دانشگاه تهران

امیربهادر برادران

دانشگاه تهران

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 :
  • گلابچی،محمود،خرسندنیکو،محمدرضا.(۱۳۹۳).معماری بایونیک، انتشارات دانشگاه تهران ...
  • Adamatzky, Andrew. (۲۰۰۹). Steering plasmodium with light: Dynamical programming of ...
  • Adamatzky, Andrew. (۲۰۱۳). Slime ware: Engineering Devices with Slime Mold, ...
  • Adamatzky, Andrew, G. J. Martinez, S.V. Chapa-Vergara, R. AsomozaPalacio, C. ...
  • Alim, K, Amsalem, G, Peaudecerf, F, Brenner, M.P, Pringle, A. ...
  • BastosFilho, Carmelo, deLimaNeto, Fernando, Lins, Anthony, Nascimento, Antonio, Lima, Marilia. ...
  • Calis, Gulben. (۲۰۱۵). An Improved Ant Colony Optimization Algorithm for ...
  • Chen, Yuxing. (۲۰۱۵). Swarm Intelligence in Architectural Design, [Online]. Available: ...
  • Christian, Blum, Daniel, Merkle. (۲۰۰۸). Swarm intelligence: Introduction and applications, ...
  • Chu, Shu-Chuan, Tsai, Pei-Wei. (۲۰۰۷). Computational intelligence based on the ...
  • Cuevas, Erik, Cienfuegos, Miguel, Zaldivar, Daniel, Pérez-Cisneros, Marco. (۲۰۱۳). A ...
  • Dorigo, Marco, Birattari, Mauro. (۲۰۰۷).Swarm intelligence, Scholarpedia, vol.۲, no.۹, pp.۱۴۶۲ ...
  • Dorigo, Marco, Birattari, Mauro, Stutzle, Thomas. (۲۰۰۶). Ant colony optimization, ...
  • Dorigo, Marco, Maniezzo, Vittorio, Colorni, Alberto. (۱۹۹۶). Ant System: Optimization ...
  • Dorigo, Marco, Di-Caro, Gianni. (۱۹۹۹). Ant colony optimization: a new ...
  • Dressler, Falko, Akan, Ozgur. (۲۰۱۰). Bio-inspired networking: from theory to ...
  • Duan, Haibin, Qiao, Peixin. (۲۰۱۴). Pigeon-inspired optimization: A new swarm ...
  • El-Zeiny, RashaMahmoudAli. (۲۰۱۲). Biomimicry as a Problem Solving Methodology in ...
  • Eusuff, Muzaffar, Lansey, Kevin, Pasha, Fayzul. (۲۰۰۶). Shuffled frog-leaping algorithm: ...
  • Feng, X, Zhang, J, Yu, H. (۲۰۱۴). Mosquito host-seeking algorithm ...
  • Garnier, Simon, Gautrais, Jacques, Theraulaz, Guy. (۲۰۰۷). the biological principles ...
  • Havens, Timothy, Spain, Christopher, Salmon, Nathan, Keller, James. (۲۰۰۸). Roach ...
  • Helms, Michael, Vattam, Swaroop, and Goel, Ashok. (۲۰۰۹). Biologically inspired ...
  • Howard, Frank. (۱۹۳۱). The Life History of Physarum Polycephalum, American ...
  • Ito, Kenaro, Sumpter, David, Nakagaki, Toshiyuki. (۲۰۱۰). Risk management in ...
  • Johnson, Steven. (۲۰۰۱). Emergence: the connected lives of ants, brains, ...
  • Jones, Jeff. (۲۰۱۵). A morphological adaptation approach to path planning ...
  • Karaboga, Dervis. (۲۰۰۵). An idea based on honey bee swarm ...
  • Karaboga, Dervis, Basturk, Bahriye. (۲۰۰۷). a powerful and efficient algorithm ...
  • Kaveh, Ali, Farhoudi, Neda. (۲۰۱۳). A new optimization method: Dolphin ...
  • Kennedy, James. (۲۰۰۱).Swarm Intelligence, Handbook of Nature-Inspired and Innovative Computing, ...
  • Kennedy, James, Eberhart, Russell. (۱۹۹۵). Particle Swarm Optimization, Proceedings of ...
  • Kunita, Itsuki, Yoshihara, Kazunori, Tero, Atsushi, Ito, Kentaro, Lee, Chiu ...
  • Leach, Neil. (۲۰۰۹). Swarm Urbanism, Architectural Design, vol. ۷۹(۴), pp. ...
  • Liu, Qin, Xu, Jianmin. (۲۰۱۲). Traffic Signal Timing Optimization for ...
  • Masutti, Thiago, De Castro, Leonardo. (۲۰۱۷). Bee-Inspired Algorithms Applied to ...
  • Mirjalili, SeyedAli, Mirjalili, SeyedMohammad, Lewis, Andrew. (۲۰۱۴). Grey Wolf Optimizer, ...
  • Monismith, David, Mayfield, Blayne. (۲۰۰۸). Slime Mold as a model ...
  • Nakagaki, Toshiyuki, Lima, Makoto, Ueda, Tetsuo, Nishiura, Yasumasa, Saigusa, Tetsu, ...
  • Nakagaki, Toshiyuki. (۲۰۰۱). Smart behavior of true slime mold in ...
  • Nakagaki, Toshiyuki, Yamada, Hiroyasu, Toth, Agota. (۲۰۰۱). Path finding by ...
  • Parpinelli, Rafael, Lopes, Heitor. (۲۰۱۱). New inspirations in swarm intelligence: ...
  • Passino, Kevin. (۲۰۰۲). Biomimicry of bacterial foraging for distributed optimization ...
  • Petrs, Jan. (۲۰۱۶). Application of Intelligence of Swarm in Architecture, ...
  • Rajakumar, BR. (۲۰۱۲). The Lion’s Algorithm: A New Nature-Inspired Search ...
  • Reid, Chris, Latty, Tanya, Dussutour, Audrey, Beekman, Madeleine. (۲۰۱۲). Slime ...
  • Saigusa, T, Tero, Atsushi, Nakagaki, Toshiyuki, Kuramoto, Yoshiki. (۲۰۰۸). Amoebae ...
  • Seki, K, Kamimura, Y, Yamada, Y. (۱۹۹۸). Analysis methods of ...
  • Song, Ziyi, Wu, Yunfa, Song, Jianhua. (۲۰۱۸). Application of ant ...
  • Stephenson, Steven, Stempen, Henry. (۱۹۹۴). Myxomycetes: A handbook of Slime ...
  • Tero, Atsushi. (۲۰۱۴). Models and applications of organism transportation, A ...
  • Tero, Atsushi, Kobayashi, Ryo, Nakagaki, Toshiyuki. (۲۰۰۵). A coupled-oscillator model ...
  • Tero, Atsushi, Takagi, Seiji, Saigusa, Tetsu, Ito, Kentaro, Bebber, Dan, ...
  • Thukral, Sudeepta, Diwaker, Chander. (۲۰۱۷). Traveling Salesman Problem Using Various ...
  • Yang, Xin Shi. (۲۰۱۰). A New Metaheuristic Bat-Inspired Algorithm, Studies ...
  • Yang, Xin Shi, Deb, Suash. (۲۰۱۰). Engineering optimisation by cuckoo ...
  • Yang, Xin Shi, He, Xingshi. (۲۰۱۳). Firefly algorithm: recent advances ...
  • Zedadra, Ouarda & Guerrieri, Antonio & Jouandeau, Nicolas & Spezzano, ...
  • Zhao, Ruiqing, Tang, Wansheng. (۲۰۰۸). Monkey algorithm for global numerical ...
  • نمایش کامل مراجع