بهینه سازی چند هدفی شبکه های عصبی نوع GMDH برای مدلسازی و پیش بینی عمرخستگی کامپوزیتهای تک جهتهCFRP

در این مقاله از الگوریتم تکاملی ١ NSGA-II برای طراحی بهینه ای چند هدفی شبکه های عصبی نوع ,٢ GMDH به منظور مدلسازی و پیش بینی عمر خستگی ٣ کامپوزیتهای تک جهته ٤CFRP توسط داده های آزمایشگاهی , استفاده شده است . مهمترین توابع هدف متضاد موجود در شبکه های عصبی نوع , GMDH خطای آموزش , (TE) خطای پیش بینی (PE) و تعداد نرونها (N) می باشند . بهینه سازی دو هدفی برای همه ترکیبهای دوتایی از این توابع هدف و سپس بهینه سازی سه هدفی با در نظر گرفتن هر سه تابع هدف بطور همزمان انجام شده است . در هر کدام از این بهینه سازیها , جبهه های پارتوی ٥ بهینه بدست آمده اند که در واقع مصالحه بین توابع هدف مربوطه را نشان می دهند . نتایج بهینه سازی سه هدفی شامل نتایج بهینه سازی دو هدفی نیز می شود و بدین ترتیب انتخابهای بهینه بیشتری از مدلهای شبکه عصبی , GMDH برای طراحی چند هدفی شبکه های عصبی از نقطه نظر خطای آموزش کمینه , خطای پیش بینی کمینه و پیچیدگی ساختار کمینه بدست می آید .

کلیدواژه ها:

خستگی ، کامپوزیتهای تک جهته CFRP ، شبکه عصبی نوع GMDH ، بهینه سازی چند هدفی ، پارتو