عنوان مقاله :
طراحي سازه ها توسط الگوريتم تركيبي برخورد ديناميكي اجسام بهبود‌يافته و ژنتيك تحت بارگذاري چندگانه
عنوان به زبان ديگر :
A hybrid genetic modified colliding bodies optimization algorithm for design of structures with multi loads
پديد آورندگان :
ارجمند، محمد دانشگاه بزرگمهر قائنات - دانشكده مهندسي عمران , شيخي ازغندي، مجتبي دانشگاه بزرگمهر قائنات - دانشكده مهندسي مكانيك
كليدواژه :
برخورد اجسام , الگوريتم ژنتيك , متغير گسسته , بارگذاري چند گانه
چكيده فارسي :
مقاله حاضر به ارائه يك روش جديد بهينه‌سازي تركيبي با استفاده از تركيب دو الگوريتم بهينه‌سازي برخورد ديناميكي اجسام و الگوريتم ژنتيك (GMCBO) مي‌پردازد. يكي از نقاط ضعف الگوريتم برخورد ديناميكي اجسام، افتادن در دام بهينه محلي و عدم رسيدن به بهينه سراسري است. براي رفع اين نقطه‌ضعف، در اين پژوهش ابتدا اصلاحاتي بر روي فرايند الگوريتم برخورد ديناميكي اجسام انجام‌گرفته و سپس استفاده از اعمال بعضي از مفاهيم الگوريتم ژنتيك در طي مراحل فرايند بهينه‌سازي، علاوه بر بالا بردن سرعت همگرايي، باعث افزايش قدرت يافتن جواب بهينه سراسري و فرار از دام بهينه محلي مي‌شود. براي ارزيابي چگونگي عملكرد روش ارائه‌شده، به طراحي بهينه چندين سازه خرپاي استاندارد پرداخته‌شده است. مقايسه نتايج تحليل سازه‌ها به كمك روش GMCBO با ديگر روش‌هاي بهينه‌سازي نشان‌دهنده سرعت بالاي همگرايي الگوريتم پيشنهادي و قدرت آن در يافتن جواب بهينه سراسري مسئله است.
چكيده لاتين :
This paper presents a new hybrid optimization method with combining colliding bodies optimization (CBO) and genetic algorithm (GMCBO). One of the weaknesses of colliding bodies optimization is falling into the trap of local optimal and not finding of global optima. In this paper, to overcome this weak point, at first, some modifications are done on CBO process and then by using the concept of genetic algorithm able to enhance of convergence rate, increasing power of finding global optimal design and escaping of local optimal. For evaluating the performance of the proposed method, the optimal design of several benchmark truss structures has been discussed. Compare the results of the structural analysis with GMCBO and other optimization methods such as colliding bodies optimization, genetic algorithm, harmony search, and heuristic particle swarm optimization method shows high convergence rate and its ability to find the global optimal solution of the proposed algorithm for structural optimization problems.
