Multi-Objective Optimization of Gravity Dams by Artificial Bee Colony Algorithm
محل انتشار: هفتمین کنگره ملی مهندسی عمران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,567
فایل این مقاله در 9 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:
NCCE07_1471
تاریخ نمایه سازی: 16 مهر 1392
چکیده مقاله:
An efficient methodology is proposed to find the optimal shape of gravity dams including fluid structure interaction subject to earthquake ground motion. In order to reduce the computational cost of optimization process, an adaptive artificial bee colony algorithm (ABC) is built to predict the dam effective response instead of directly evaluating it by a time-consuming finite element analysis (FEA). In this paper, a visual operation interface and a main program for computation are developed on the basis of constrained nonlinear complex optimization algorithm, Visual Studio programming language and parametric drawing techniques. They mainly help solve such problems as multi-state constraints and complexity of programs in optimal design of gravity dam section. The computing results show that the newly developed program is of high accuracy. While improving computation efficiency, it can also enhance human-computer interaction. In this research use SIMULIA Abaqus for gravity dam structural FEM analysis and C# programming for ABC algorithm by conducting data exchange by PARIS algorithm.
کلیدواژه ها:
نویسندگان
Saeed KIA
M.Sc. in Structural Engineering at University of Sistan and Baluchestan, Tehran, IRAN
Mohammad Reza Ghasemi
Associate Professor of University of Sistan and Baluchestan, Zahedan, IRAN
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 :