بهینه سازی توپولوژی سازههای خرپایی با استفاده از الگوریتم اجتماع ذرات اصلاح شده

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,215

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCSEG01_231

تاریخ نمایه سازی: 5 مرداد 1389

چکیده مقاله:

بهینه سازی ا جتما ع ذرات الگویی جدید از هوش دسته جمعی است که از روانشناسی اجتماعی و زندگی مصنوعی بهره گرفته است. الگوریتم اجتماع ذرات بیان میکند که با هم کارکردن ذرات باعث ترقی دادن مسیر تکاملی جامعه می شود. در بهینه سازی امید بر این است که توانایی ذرات جهت جستجوی کلی برای یافتن مسیر بهینه کلی بالا برده شود وبه طور تجربی نیز این در مورد انواع مسایل بهینه سازی نشان داده شده است. الگوریتم اجتماع ذرات یک روش برتر بخصوص در مورد مسایل غیر خطی وحتی مسایل گسسته می باشد دراین مقاله الگوریتم اجتماع ذراتاصلاح شده بر روی یکی از مسایل چالش برانگیز یعنی بهینه سازی توپولوژی خرپا اعمال شده است بهینه سازی توپولوژی سازه خرپای فضایی به واسطه الگوریتم اجتماع ذرات اصلاح شده MPSO بیان میدارد که الگوریتم اجتماع ذرات اصلاح شده MPSO به دلیل توانایی جستجوی جواب های کلی مناسب تر، نسبت به الگوریتم اجتماع ذرات استاندارد PSO قویتر میباشد

کلیدواژه ها:

بهینه سازی ، توپولوژی ، خرپا ، الگوریتم اجتماع ذرات اصلاح شده

نویسندگان

محمدرضا قاسمی

دانشیار گروه مهندسی عمران، دانشگاه سیستان و بلوچستان

جواد مالکی فرد

دانشجوی کارشناسی ارشد مهندسی عمران – سازه، دانشگاه سیستان و بلوچستا

محمد ارجمند

دانشجوی کارشناسی ارشد مهندسی عمران – سازه، دانشگاه شهید باهنر کرما

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 :
  • اوین همایش ملی سازه - زلزله- ژئوتکنیک آذر 1389، مازندران ...
  • [.9] قاسمی، م. مالکی فرد، ج، (1389، _ مقاس الگوریتم‌های ... [مقاله کنفرانسی]
  • F.-J. Barthold, A. Falk, E. Stein, Structural optimization for rubber-like ...
  • Eberhart R.C. and Kennedy J., A new optimizer using particle ...
  • Angeline P.J., Evolutionary Optimization Versus Particle Swarm Optimization: Philosophy and ...
  • Christensen S and Oppacher F., What can we learn from ...
  • M. Clerc M., The swarm and the queen: towards a ...
  • Shi Y., Eberhart R.C., E.D.S.E.S. Team and Kokomo I.N. Fuzzy ...
  • Hu X. and Eberhart R.C, Adaptive particle SWdrm optimization: detection ...
  • Ratnaweera A. Halgamuge S.K. and Watson H.C., Self-organizing hierarchical particle ...
  • نمایش کامل مراجع