۱۵۸۶پ
per
بهینه‌سازی سازه‌های فضاکار خرپایی با روش ACO
/سیامک طلعت اهری
تبریز: دانشگاه تبریز
۱۱۵ص.
: مصور، جدول، نمودار، عکس ۳۰*۲۹س.م-+ یک لوح فشرده
چاپی
واژه نامه بصورت زیرنویس
کتابنامه ص.: ۱۰۶-۱۱۲
کارشناسی ارشد
عمران- سازه
۱۳۸۶/۰۶/۲۵
تبریز: دانشگاه تبریز
روش اجتماع مورچه‌ها یکی از الگوریتمهای بسیار موفق فراکاوشی در زمینه‌های مختلف بهینه‌سازی بوده و بسیار شبیه الگوریتم ژنتیک عمل می‌کند .علیرغم این حقیقت، در زمینه بهینه‌سازی سازه‌های خرپایی به خصوص در مورد مسائل با فضای جستجوی بزرگ، روش اجتماع مورچه‌ها بسیار وقت‌گیر می‌باشد .در این پایان‌نامه دو مکانیزم برای حل این مشکل و بهبود الگوریتم اجتماع مورچه‌ها پیشنهاد گردید .اولی، مکانیزمOptimization - Subبود که فضای جستجو را به نواحی کوچکتر تقسیم کرده و در طی پروسه بهینه‌یابی مناطق نامطلوب را حذف می‌کند .این مکانیزم فضای جستجو، اندازه ماتریس فرومون و اندازه بردار تصمیم را کاهش می‌دهد بطوریکه نتایج نهایی در زمان کمتر و با احتمال زیادتری حاصل می‌شوند .دومی، مکانیزم حافظه پخش می‌باشد که در آن ماتریس مربوط به نحوه پخش بهترین جواب مورد استفاده قرار می‌گیرد .ویژگی این مکانیزم امکان کاهش تعداد مورچه‌ها و در نتیجه تعداد تحلیلها است .کارایی مکانیزمهای جدید برای طراحی بهینه انواع مختلف خرپاها با استفاده از ACS و ASrank مورد آزمایش قرار گرفت .نتایج حاصل کارآمدی مکانیزمهای جدید را به اثبات می‌رساند.
ACO is one of the most successful meta-heuristic methods which possesses the similar advantages to GAs. Despite of this fact, in truss optimization problems, specially for large search spaces, ACO-based algorithms are greatly time-consuming. In this paper, two mechanisms are presented to solve this problem and improve the ACO-based algorithm. The first, Sub-Optimization Mechanism (SOM), divides the search space to smaller parts and removes the infeasible areas during the optimization processes. This process reduces the size of search space, the trail matrix and the decision vector; finally this process leads to remarkable decrease in optimization time as well as the increase in the possibility of finding a solution.The second is applying the Scatter Memory Mechanism (SMM). In this mechanism a matrix saving the ants' scatter order in the best solution is used. The advantage of this mechanism is decreasing the number of ants and consequently the number of analyses. The robustness of new mechanisms is tested for optimum design of various trusses by ACS and ASrank. The results show the efficiency of new mechanisms.
Structural optimization
Ant Colony Optimization
Truss design
Sub-Optimization Mechanism
طلعت اهری، سیامک
فرهمند آذر، بهمن، استاد راهنما
تقی زادیه، ناصر، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
