ارزیابی تعداد جمعیت الگوریتم‌های فراکاوشی بنیان جمعیت در بهینه‌یابی سازهای: مطالعه موردی الگوریتم پرنده فاخته [Persian Thesis]
نسترن طوکان
| شناسگر رکورد: | ۴۱۲۱۵۱ |
| عنوان اصلي: | ارزیابی تعداد جمعیت الگوریتم‌های فراکاوشی بنیان جمعیت در بهینه‌یابی سازهای: مطالعه موردی الگوریتم پرنده فاخته/نسترن طوکان |
| دانشگاه: | مؤسسه آموزش عالی رحمان |
| نام دانشکده: | مهندسی عمران |
| سال اخذ مدرک: | ۱۴۰۱/۰۱/۳۰ |
| زبان متن نوشتاري يا گفتاري و مانند آن : | فارسی |
| زبان اثر اصلي: | فارسی |
| نام نخستين پديدآور: | نسترن طوکان |
| تقویم: | هجری شمسی |
| مقطع تحصیلی و رشته تحصیلی: | کارشناسی ارشد مهندسی عمران-سازه |
| گروه تحصیلی: | مهندسی عمران |
| چکيده: |
مسئله بهينه سازي سازه¬اي را مي¬توان یکی از پیچیده ترین مسائل بهینه یابی در بین تمامی رشته¬های مهندسی دانست که این پیچیدگی از عوامل مختلفی نظیر تعداد زیاد متغیرهای طراحی یا بزرگتر شدن اندازه مسئله، طبیعت عموما گسسته فضای جستجو، و گسست غیرخطی و غیر مسطح فضای جستجو توسط قیود متعدد غیر خطی و پیچیده نشات گرفته از معیارهای طراحی. در دو دهه اخیر پیشرفت دانش نرم افزاری و سخت افزاری علم کامپیوتر به همراه پیشرفت علم مهندسی سازه باعث گسترش چشمگیر مسائل بهينه سازي سازه¬ای از لحاظ اندازه و تنوع تحت پیچیده ترین روش¬های تحلیل و طراحی شده است. از اینرو محققان در این زمینه به دلیل ناکارآمدی و عدم پاسخگویی روشهای کلاسیک ریاضی روی به سمت الگوریتم¬های فراکاوشی آورده¬اند. در این راستا ادبیات بهینه یابی سازه¬ای رشد قابل توجهی در سه حوزه باز براي تحقيق که به ترتيب عبارتند از: (۱) بهينه ياب (۲) مدلسازي و حل مسائل مهندسي سازه¬اي جديد به صورت يک مسئله بهينه، و (۳) تحليلگر تجربه نموده است. مطالعه حاضر در راستای حوزه اول یعنی بهینه یاب به دنبال بررسی تاثیرات تعداد جمعیت بر رفتار الگوریتم¬های فراکاوشی در مواجهه با حل مسائل بهینه¬یای سازه¬ای دارد. یکی از ویژگی¬های بارز این الگوریتم¬ها بنیان جمعیت بودن آنها می¬باشد. بنیان جمعیت بودن به همراه فورمولاسیون مناسب و در ترکیب با پدیده تصادفی توانایی توامان جستجوی محلی و کلی را به این الگوریتم¬ها می¬بخشد که با ایجاد یک تعادل موثر بینشان می¬توان یک عملکرد مناسب از منظر دقت و سرعت برایشان به ارمغان ¬آورد. در ادبیات بهینه یابی سازه¬ای عمدتا تعداد جمعیت الگوریتم به صورت یک پارامتر از سایر پارامترهای الگوریتم در نظر گرفته می¬شود و بر روی یک مسئله شاخص تنظیم می¬گردد. اما باید توجه نمود که تعداد جمعیت الگوریتم می¬تواند تاثیر مستقیم در دقت و سرعت همگرایی این الگوریتم¬ها داشته باشد که تا کنون به صورت جامع و مقایسه¬ای در مطالعات گذشته مورد توجه قرار نگرفته است. اهمیت این موضوع از این منظر قابل توجه می-باشد که همواره می¬توان انتظار داشت که الگوریتم¬ها در مراحل پایانی که به همگرایی می¬رسند تعداد جمعیت بالا بدون تاثیر موثر در دقت باعث کاهش سرعت و برعکس در مراحل ابتدایی الگوریتم که نیاز به جستجوی کلی بیشتری داریم تعدا جمعیت پایین باعث افزایش سرعت الگوریتم اما از دست رفتن دقت گردد. در راستای این هدف سناریوهای مختلفی جهت تعیین تعداد جمعیت الگوریتم¬ها در نظر گرفته شده و به صورت مقایسه¬ای در قالب الگوریتم فراکاوشی پرنده فاخته الهام گرفته شده از زندگی اجتماعی پرندگان فاخته (CS)، برای حل بهینه مسائل شاخص بهینه¬یابی سازه¬ای مورد استفاده قرار گرفتند. از مهمترین نتایج بدست آمده می توان به این موارد اشاره نمود. در نظر گرفتن یک حداقل تعداد جمعیت اجتناب ناپذیر می¬باشد و این تعداد حداقل با تغییر سایز مسئله تغییر¬ نمی¬یابد، تنظیم تعداد جمعیت خود یک مسئله بهینه یابی می¬تواند تلقی گردد به گونه¬ای که با تغییر اندازه مسئله تعداد جمعیت بهینه متفاوت می¬باشد، در نظر گرفتن یک تعداد حداکثری برای جمعیت اگرچه نیاز به تنظیم تعداد جمعیت را مرتفع می¬کند اما باعث افزایش هزینه محاسباتی به خصوص با افزایش اندازه مسئله می¬شود، و در انتها اینکه در نظر گرفتن تعداد جمعیت بهنگام شونده از جنس نزولی درجه دو غیر خطی با تقعر به سمت پایین بهترین رویکرد برای مواجهه با یک نوع مسئله با اندازه¬های مختلف توصیه می¬گردد که در وهله اول نیاز به تنظیم تعداد جمعیت را مرتفع و در وهله دوم علی رغم عدم اختلاف در تعادل بین جستجوی محلی و کلی بلکه باعث تقویت آن و بهبود عملکردی می¬شود. این رویکرد دینامیکی فقط کاهشی نیاز به تنظیم کران بالا و پایین تعداد جمعیت دارد که براحتی از منابع مرتبط با هر الگوریتم قابل استحصال می¬باشد. This study investigates the influence of the number of population in metaheuristic algorithms behavior for solving the structural optimization problems. One of the significant characteristics of these methods is that they are population-based. Being population-based along with a suitable formulation in combination with a stochastic phenomenon bring about local and global search to these algorithms that with a suitable balance between them could result in a high accuracy and convergence rate. In the optimization literature, the population size is usually a parameter that is fixed for a specific problem. However, we should pay attention to the fact that the population size of the algorithms has a direct impact on the accuracy and convergence speed that as of now has not been studied comprehensively and comparatively. The importance of this issue is that we can always expect that in the final stages of the optimization with a large size of population without efficiency causes a decrease in the convergence speed and conversely in the beginning of the optimization, when exploration is needed, a low population size can increase the convergence speed with dispense of accuracy. To this end, different scenarios for the population size of the metaheuristics have been considered for the optimal design of benchmark structural optimization problems using the cuckoo search (CS) which is inspired by the social behavior of the cuckoo birds. The important conclusions can be pointed out as the following. Specifying a minimum number of population is inevitable, and this does not alter with the size of the considered problem. Adjusting the population size can itself be considered as an optimization problem that with the changing of the size of the problem the optimal population size is different. Although considering a maximum value for the population size can eliminate the problem of adjusting the population size, but it can increase the computational burden of the problems especially with the increase of the size of the problem. Finally, considering a dynamic population size with a parabola that is concave downward is the best approach when facing a problem with various sizes that firstly eliminates the problem of adjusting the population size and secondly although without difference between the local and global search can improve it and strengthen its performance. This approach of dynamic reduction of the population size only entails adjusting the upper bound and the lower bound of the population that can easily be obtained from the algorithms’ resources |
| عنوان اصلي به زبان ديگر: | Investigation of the population number of population-based metaheuristics in structural optimization: a case study of the cuckoo search algorithm |
| کشور: | ایران |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 973041112 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید