استفاده از تکنیک های جستجوی مستقیم در روش های بهینه سازی فراکاوشی در حل بهینه خرپاهای بزرگ مقیاس

در سال های اخیر، پیچیدگی روزافزون مسائل بهینه سازی، لزوم استفاده از الگوریتم های فراکاوشی را محسوس تر می نماید. دراغلب موارد، با مسائل بهینه سازی غیرخطی با توابع هدف و قیدهای پیچیده مواجه هستیم. یکی از روش های حل، استفاده از الگوریتم های جستجوی مستقیم می باشد. این روش ها، زمانی که اطلاعات گرادیان تابع هدف در دسترس نباشد و یا محاسبه ی گرادیان تابع هدف و قیدهای مسئله پیچیده باشد، به کار گرفته می شوند. این الگوریتم ها، از جستجوی خطی بهره می برند که جستجویی هوشمندانه برای یافتن نقطه ی مینیمم است. در این مطالعه، الگوریتم های ژنتیک، جامعه پرندگان (pso) و مورچگان (ant) ، هرکدام در ترکیب با دو تکنیک جستجوی مستقیم، به منظور بهبود همگرایی و نسبت دقت مسائل بهینه سازی، مورد مطالعه قرار می گیرد. اولین تکنیک جستجوی مستقیم، روش تکامل تفاضلی است. استفاده از اطلاعات اندازه گام و جهت از جمعیت فعلی برای پیش بردن عملیات جست و جو، آن را از سایر الگوریتم های تکاملی متمایز کرده است. عملگرهای پیوند و جهش در الگوریتم ژنتیک با عملگرهای جهش و تولید مثل در این روش جایگزین می شوند. تکنیک دیگر، روش box است که برای حل مسائل با توابع هدف غیرخطی و قیدهای نامساوی به کار گرفته می شود. فرضیه ی اصلی این روش این است که قیدهای نامساوی، یک منطقه ی محدب را تعریف کنند. در مطالعه ی اخیرالگوریتم های فراکاوشی ترکیب یافته برای مسائل بهینه سازی سازه های خرپایی تحت قیود تنش و تغییرمکان، به کارگرفته می شوند و دقت مسائل در محیط های پیوسته وگسسته، با الگوریتم های معمولی بررسی می گردد.