پایان نامه رشته عمران طرح بهینه سازه ها با روشهای وراثتی و شبیه سازی باز پخت فلزات

اختصاصی از فایلکو پایان نامه رشته عمران طرح بهینه سازه ها با روشهای وراثتی و شبیه سازی باز پخت فلزات دانلود با لینک مستقیم و پر سرعت .

خلاصه پایان نامه:

 در این پژوهش برای حل مسائل بهینه سازی، الگوریتم وراثتی (Genetic Algoritm-GA) و دو شیوه ترکیب این روش با شبیه سازی باز پخت فلزات (Sinulated Annealing-FA) به کار گرفته شده است. الگوریتم جستجوی تصادفی حاصل از ترکیب ایندو، الگوریتم وراثتی- بازپخت فلزات نامیده شده است. دلیل انجام چنین حرکتی، بهره گیری از بهترین ویژگیهای هر روش و چیرگی بر ناتوانیهای هر یک از این شیوه ها است. در نخستین روش ترکیب (SA-GA)، به منظور اجرای مناسب تر شبیه سازی بازپخت فلزات، الگوریتم وراثتی در ساختار آن به کار رفته است. روشن است که در این صورت مبنای الگوریتم، شبیه سازی بازپخت فلزات موازی (Parallel Processing Using SA) است و الگوریتم وراثتی برای بهبود فرایند بکار می رود.

دومین روش ترکیب (GA-SA) که شیوه جدیدی برای حل مسائل بهینه سازی سازه ها است، بهینه سازی را بر اساس الگوریتم وراثتی انجام می دهد، ولی احتمال انجام عملگرهای وراثتی (پیوند و جهش) با در نظر گرفتن معیارهای پذیرش (Acceptance Criterion) شبیه سازی بازپخت فلزات (متروپولیس-Metropolis یا سیگموید-Sigmoid) کنترل می گردد.

هدف اصلی این پژوهش، معرفی روشهای ترکیب دو الگوریتم ذکر شده و مقایسه بین این شیوه ها است. این الگوریتم ها برای یافتن کمینه وزن سه خرپای مستوی 18، 25 و 47 عضوی و نیز تیر ورق I شکل دو دهانه ویژه ای مورد استفاده قرار گرفته است. برای بررسی و اطمینان از برنامه رایانه ای، پاسخ های بهینه بدست آمده با نتایج چند مقاله تحقیقاتی که به بهینه سازی خرپاهای 18 و 25 عضوی پرداخته اند، مورد مقایسه قرار گرفته است. این مقایسه ها سبب حصول اطمینان نسبت به عملکرد برنامه شده است.

در مجموع و بر اساس بررسی های انجام شده به منظور بهینه سازی خرپاها و تیرورق ها،الگوریتم وراثتی-بازپخت فلزات (GA-SA) پیشنهاد شده است. با بکارگیری این شیوه، وزن بهینه کوچکتری نسبت به روش GA و یا بسیار نزدیک به آن و در نسل های زودهنگام تر از الگوریتم وراثتی بدست می آید. در ضمن روش بازپخت فلزات- وراثتی (SA-GA)، روش مناسبی برای بهینه سازی چنین سازه هایی نخواهد بود. این روش پاسخ بهینه بزرگتر و با گذشت تعداد نسل بیشتری نسبت به دو روش بهینه سازی دیگر نتیجه می دهد.