تشکیل بردارهای پایه پوچی بهینه در تحلیل به روش نرمی مدل اجزا محدود چهار وجهی با استفاده از الگوریتم کلونی مورچگان
Authors
Abstract:
بسیاری از مسائل مکانیک سازهها را می توان با استفاده از روشهای بهینه یابی بصورت موثر مورد تجزیه و تحلیل قرار داد. در تحلیل سازهها از مدل ریاضی یک سازه ایدهآل سازی شده استفاده می شود که متشکل از مجموعهای از معادلات ریاضی میباشد. روابط و فرمول بندیهای این معادلات عمدتاً حاوی متغیرها و ماتریسهایی با ابعاد متنوع می باشد. تحلیل بهینه، بر تشکیل بهترین ماتریس برای حل مساله استوار است، زیرا گزینش ماتریسهای سازهای و روشهای محاسبه آنها برای یک مدل سازهای، منحصر بفرد و یکتا نیست. در این مقاله، الگوریتمی برای تشکیل بردارهای پایه پوچی بهینه برای مدل اجزا محدود چهار وجهی پیشنهاد شده است. در مدلسازی مساله بهینه یابی ویژگی های هندسی مدل اجزا محدود چهار وجهی با گراف مرزی شبیهسازی شده است و برای برقراری شرط استقلال بردارها، برای هر سیستم یک مولد در نظر گرفته شده است. ترتیب انتخاب مولدها به عنوان یک تور برای الگوریتم سیستم کلونی مورچگان تعریف شده است و بدین ترتیب با استفاده از الگوریتم فراابتکاری سیستم کلونی مورچگان، جواب بهینه محاسبه شده است. شکل بهینه بردارهای پایه پوچی، منجر به تشکیل ماتریس نرمی بهینه شده و هدف تحلیل موثر سازه به روش نرمی را تامین مینماید. یکی از ویژگیهای اصلی روش تحلیل بهینه نرمی آن است که محاسبات را به دو بخش کم و بیش مستقل تقسیم می کند. اهمیت این جداسازی هنگام حل یک سری از مسائل که دارای طرح ثابت ولی مصالح با ویژگیهای گوناگون هستند، مانند مسائل طراحی مجدد آشکار میشود.
similar resources
پیشبینی درماندگی مالی شرکتها با استفاده از الگوریتم کلونی مورچگان
پیشبینی درماندگی مالی شرکتها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکتها کمک زیادی میکند. از جمله روشهای هوشمندی که اخیرًا در حل مسائل پیشبینی و دستهبندی نتایج مطلوبی را بههمراه داشته، روش الگوریتم کلونی مورچگان است. پژوهش حاضر به مطالعۀ پیشبینی درماندگی مالی شرکتها با استفاده از الگوریتم کلونی مورچگان میپردازد. جامعۀ آماری شامل شرکتهای بورس اوراق بهادار تهران و نمونۀ اس...
full textکاربردهای مالی الگوریتم کلونی مورچگان
بشر همیشه در پی کشف راز طبیعت و شبیه سازی از طبیعت بوده است.در این باره می توان از اختراع هواپیما تا کاربرد شبکه های عصبی مصنوعی و اکنون استفاده از رفتار مورچگان برای بهینه یابی در حل مسائل یاد کرد. در بهینه یابی، هدف عمده دستیابی به چیدمان خاصی از متغیرها است برای بهینگی تابع هدف. الگوریتم مورچگان از روش های ناپارامتریک مبتنی بر هوش مصنوعی انبوه زیان می باشد که در علوم غیرمالی و مالی کاربرد ...
full textاستفاده از الگوریتم کلونی مورچگان و روش یادگیری زوجی جهت طبقهبندی حملات در سیستمهای تشخیص نفوذ
سیستمهای تشخیص نفوذ برای ایجاد امنیت در شبکههای کامپیوتری پیشنهاد شدهاند تا در صورتی که نفوذگر از سایر تجهیزات امنیتی عبور کرد، بتواند آن را تشخیص داده و از پیشروی آن جلوگیری کند. یکی از مهمترین چالشهای این سیستمها، ابعاد بالای دادههای آن میباشد. در این تحقیق برای کاهش ابعاد دادهای از یک الگوریتم ژنتیک ساده با طول رشته متغیر استفاده میکنیم. در مرحله بعد با توجه به ویژگیهای انتخاب شده...
full textبهینه سازی سبد سرمایه گذاری بر اساس ارزش در معرض ریسک با استفاده از الگوریتم کلونی مورچگان
تحقیق حاضر یک الگوریتم ابتکاری را برای حل مسأله محدود بهینه سازی سبد سهام با توجه به ارزش در معرض ریسک (VaR) به عنوان معیار ریسک و با استفاده از الگوریتم ترکیبی مورچگان و ژنتیک ارائه می دهد. در این تحقیق نشان داده خواهد شد که الگوریتم ترکیبی پیشنهادی قادر است مساله بهینه سازی سبد سهام را با توجه به معیار ارزش در معرض ریسک (VaR) با در نظرگرفتن محدودیت عدد صحیح برای تعداد سهام موجود در سبد سهام ...
full textطراحی بهینه ابعاد شبکه جمعآوری فاضلاب با استفاده از الگوریتم بهینهسازی جامعه مورچگان: مقایسه عملکرد چهار الگوریتم
In this paper, the features of Ant Colony Optimization Algorithm (ACOA) are used to find optimal size for sewer network. Two different formulations are proposed. In the first formulation, pipes diameters and in the second formulation, nodal elevations of sewer network are taken as decision variables of the problem. In order to evaluate the performance of different ACOAs, four algorithms of Ant ...
full textMy Resources
Journal title
volume 4 issue 3
pages 1- 9
publication date 2014-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023