تحليل اجزاي محدود فازي با استفاده از شبكه هاي عصبي بازگشتي و الگوريتم تكاملي تفاضلي

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 یك طراحی كاملا ایمن دست یافت. با توجه به این عدم قطعیتها، اجزای محدود فازی سازه ای مطرح می شود كه هدف آن در نظر گرفتن آنهاست. در این مقاله با درنظرگرفتن عدم قطعیتها در بار وارد بر سازه و سایر پارامترهای سازهای، بررسی می كنیم كه پاسخ سازه بصورت یك عدد فازی بدست می آید. مینیمم و ماكسیمم جابه جایی بواسطه الگوریتم تكامل تفاضلی محاسبه می شود. روش های فراابتكاری ب ا توجه به قابلیت انطباق و انعطاف پذیری بسیاری كه با انواع مسائل پیچیده دارند، می توانند به خوبی در مسائل بهینه سازی مورد استفاده قرار بگیرند . اما استفاده تنها از الگوریتم تكامل تفاضلی، زمان و حجم محاسباتی بالایی دارد، از این رو در این مقاله برای رفع این مشكل از تلفیق الگوریتم تكامل تفاضلی و شبكه عصبی بازگشتی استفاده می كنیم. شبكه های عصبی مصنوعی از عناصر عملیاتی ساده ایی بصورت موازی ساخته شده اند كه از سیستم های عصبی زیستی الهام گرفته اند كه دارای قابلیت آموزش و تعمیم هستند. در طبیعت، ساختار شبكه های عصبی از طریق نحوه اتصال بین اجزا تعیین می شود ؛ بنابراین میتوانیم یك ساختار مصنوعی به تبعیت از شبكه 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 شبكه عصبی اعمال یك ورودی خاص به آن منجر به دریافت پاسخ خاص می شود . در واقع شبكه بر مبنای تطابق و همسنجی بین ورودی و هدف سازگار می شود تا اینكه خروجی شبكه و هدف بر هم منطبق گردند. در این مقاله سعی می شود با آموزش صحیح شبكه، به پاسخهای مطلوبی دست یابیم. كارایی الگوریتم پیشنهادی توسط مثالهایی مورد بررسی قرار می گیرد.