یک الگوریتم هیبریدی یادگیری ماشین - بهینه سازی برای بهبود بروزرسانی مدل اجزامحدود سازه های مهندسی عمران

به روز رسانی مدل المان محدود به ابزاری کلیدی برای بهبود مدل سازی عددی سازه های مهندسی عمران موجود، با تنظیم پاسخ عددی بر رفتار تجربی مشاهده شده سازه تبدیل شده است . امروزه بروز رسانی مدل بیشتر با استفاده از روش حداکثر درست نمایی انجام می شود. از این جهت مسئله به روز رسانی می تواند به یک مسئله بهینه سازی چند هدفه تبدیل شود. با توجه به رفتار غیر خطی پیچیده توابع هدف حاصل، الگوریتم های بهینه سازی فرا ابتکاری برای حل چنین مشکل بهینه سازی استفاده می شوند. اما این روش دو اشکال اصلی دارد که باید برطرف شود، یعنی: (۱)زمان شبیه سازی بالا که برای محاسبه مسئله لازم است و (۲) عدم قطعیت مرتبط با انتخاب بهترین مدل به روز شده در میان تمام راه حل های بهینه پارتو. برای مقابله با این محدودیت ها، یک الگوریتم هیبریدی جدید در اینجا پیشنهاد شده است که از دو الگوریتم بهینه سازی به نام جستجوی هارمونی و مجموعه فعال و یک تکنیک یادگیری ماشینی به نام شبکه های عصبی مصنوعی و یک روش آماری بهره می برد که نام این روش تحلیل مولفه های اصلی هست استفاده از این روش در نهایت منجر به کاهش واضح زمان شبیه سازی می شود و همچنین امکان انتخاب بهترین مدل را فراهم می کند.

کلیدواژه ها:

الگوریتم هیبریدی ، بهترین راه حل پارتو ، روش حداکثر درستنمایی ، بروزرسانی المان محدود ، یادگیری ماشین