تحلیل اجزای محدود فازی با استفاده از شبکه های عصبی بازگشتی و الگوریتم تکاملی تفاضلی

با توجه به وقوع حوادث طبیعی و خرابی های حاصله، نیاز بشر به داشتن سازه های ایمن روز به روز افزایش مییابد، اما با توجه به وجود عدم قطعیتها در پارامترهای سازهای، نم یتوان به یک طراحی کاملا ایمن دست یافت. با توجه به این عدم قطعیتها، اجزای محدود فازی سازه ای مطرح می شود که هدف آن در نظر گرفتن آنهاست. در این مقاله با درنظرگرفتن عدم قطعیتها در بار وارد بر سازه و سایر پارامترهای سازهای، بررسی می کنیم که پاسخ سازه بصورت یک عدد فازی بدست می آید. مینیمم و ماکسیمم جابه جایی بواسطه الگوریتم تکامل تفاضلی محاسبه می شود. روش های فراابتکاری ب ا توجه به قابلیت انطباق و انعطاف پذیری بسیاری که با انواع مسائل پیچیده دارند، می توانند به خوبی در مسائل بهینه سازی مورد استفاده قرار بگیرند . اما استفاده تنها از الگوریتم تکامل تفاضلی، زمان و حجم محاسباتی بالایی دارد، از این رو در این مقاله برای رفع این مشکل از تلفیق الگوریتم تکامل تفاضلی و شبکه عصبی بازگشتی استفاده می کنیم. شبکه های عصبی مصنوعی از عناصر عملیاتی ساده ایی بصورت موازی ساخته شده اند که از سیستم های عصبی زیستی الهام گرفته اند که دارای قابلیت آموزش و تعمیم هستند. در طبیعت، ساختار شبکه های عصبی از طریق نحوه اتصال بین اجزا تعیین می شود ؛ بنابراین میتوانیم یک ساختار مصنوعی به تبعیت از شبکه های طبیعی بسازیم و با تنظیم مقادیر هر اتصال تحت عنوان وزن اتصال نحوه ارتباط بین اجزای آن را تعیین نماییم. پس از تنظیم یا همان آموزش شبکه عصبی اعمال یک ورودی خاص به آن منجر به دریافت پاسخ خاص می شود . در واقع شبکه بر مبنای تطابق و همسنجی بین ورودی و هدف سازگار می شود تا اینکه خروجی شبکه و هدف بر هم منطبق گردند. در این مقاله سعی می شود با آموزش صحیح شبکه، به پاسخهای مطلوبی دست یابیم. کارایی الگوریتم پیشنهادی توسط مثالهایی مورد بررسی قرار می گیرد.

کلیدواژه ها:

اجزای محدود فازی ، شبکه های عصبی بازگشتی ، الگوریتم تکامل تفاضلی