بهینه یابی سازه های خرپایی با الگوریتم ژنتیک با در نظر گرفتن قابلیت اطمینان

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 633

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU03_0465

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

این مقاله به بررسی کاربرد قابلیت اطمینان و یا به نوعی احتمال خرابی با روش های الگوریتم ژنتیک یک و چند هدفه برای بهینه سازی سازه های خرپایی می پردازد. مسئله بهینه سازی سازه های خرپایی در مقالات مختلف مورد بررسی قرار گرفته است که در این مقاله با روشالگوریتم ژنتیک مورد مقایسه قرار گرفته اند. در این مقاله همچنین در روش الگوریتم ژنتیک تک هدفه با در نظر گرفتن قابلیت اطمینان بهعنوان قید و در الگوریتم ژنتیک چند هدفه قابلیت اطمینان به عنوان یکی از اهداف مینیمم شونده در آن، سعی در بررسی میزان تاثیرگذاری قابلیت اطمینان بر بهینه سازی داریم. بهینه یابی های انجام شده در این مقاله براساس بهینه یابی اندازه بوده و متغیرهای بهینه یابی مساحت اعضای خرپا هستند که هر کدام تحت بارگذاری مستقل قرار می گیرند. برای بدست آورن مقاطع بهینه برای سازهخرپایی، از روش اجزای محدود برای تحلیل اعضای خرپا در الگوریتم های ژنتیک استفاده شده است. محاسبه قابلیت اطمینان و یا به نوعی احتمال خرابی با استفاده از روش شبیه سازی مونت کارلو که یک روش عمومی در حل این مسائل است صورت می گیرد. نتایج عددی بهینه یابیها با در نظر گرفتن و بدون قید قابلیت اطمینان محاسبه شده و با مقالات دیگر مورد بررسی قرار گرفته است

نویسندگان

احسان جهانی

عضو هیت علمی، دانشگاه مازندران، دانشکده فنی مهندسی، گروه عمران

محمد چیذری

دانشجوی کارشناسی ارشد، دانشگاه مازندران، دانشکده فنی مهندسی، گروه عمران،

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 :
  • Kaveh, A, Rahami, H., 2006b. Nonlinear analysis and optimal design ...
  • Lamberti, L., 2008. An efficient simulated annealing algorithm for design ...
  • Lee, K.S., Geem, Z.W., 2004. A new structural optimization method ...
  • Li, L.., Huang, Z.B., Liu, F., Wu, Q.H., 2007. A ...
  • 31 December 2015, Shahid Beheshti University _ Tehran , Iran ...
  • Sedaghati, R., 2005. Benchmark case studies in structural design optimization ...
  • Reuven Y. Rubinstein. Simulation and the Monte Carlo Method (2nd ...
  • Venkayya, V.B., 1978. Structural optimization: a review and some r ...
  • Andrzej S. Nowak. Reliability of Structures (2nd ed.).Kevin R. Collins ...
  • Harless, R.I., 1980. A method for synthesis of optimal weight. ...
  • Kaveh, A., Kalatjari, V., 2002. Genetic algorithm for discrete-sizing optimal ...
  • Carlos Coello Coello. Evolutionary Algorithms for Solving Multi-Obj ective Problems ...
  • Xinjie Yu. Introduction to Evolutionary Algorithms (2010th ed.). Mitsuo Gen ...
  • John R. Koa 1992. Genetic Programming: On the Programming of ...
  • Dan Simon 2013. Evolutionary Optimization Algorithms (1st ed.). ...
  • نمایش کامل مراجع