NATIONAL BIBLIOGRAPHY NUMBER
Number
۱۵۸۶پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
بهینه‌سازی سازه‌های فضاکار خرپایی با روش ACO
First Statement of Responsibility
/سیامک طلعت اهری
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
تبریز: دانشگاه تبریز
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۱۵ص.
Other Physical Details
: مصور، جدول، نمودار، عکس ۳۰*۲۹س.م-+ یک لوح فشرده
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
واژه نامه بصورت زیرنویس
Text of Note
کتابنامه ص.: ۱۰۶-۱۱۲
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
عمران- سازه
Date of degree
۱۳۸۶/۰۶/۲۵
Body granting the degree
تبریز: دانشگاه تبریز
SUMMARY OR ABSTRACT
Text of Note
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.
Text of Note
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.
TOPICAL NAME USED AS SUBJECT
Structural optimization
Ant Colony Optimization
Truss design
Sub-Optimization Mechanism
PERSONAL NAME - PRIMARY RESPONSIBILITY
طلعت اهری، سیامک
PERSONAL NAME - SECONDARY RESPONSIBILITY
فرهمند آذر، بهمن، استاد راهنما
تقی زادیه، ناصر، استاد مشاور
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
