28729

چهارچوبي مؤثر براي الگوريتم‌هاي فراكاوشي جمعيت‌محور و كاربرد آن در بهينه‌يابي سازه‌اي

دكتري تخصصي

مهندسي عمران-سازه

1398

1402/06/20

علي كاوه

دانشكده مهندسي عمران

پيشرفت‌هاي چشمگيري كه در چند دهه‌ي گذشته در صنعت ساخت و ساز اتفاق افتاده است، ضرورت افزايش دقت، سرعت و بهره‌وري در طراحي سيستم‌هاي سازه‌اي را بيش از پيش آشكار ساخته است. اين ضرورت‌ها موجب شده است كه بهينه‌يابي سازه‌اي به شكل گسترده‌اي مورد توجه بسياري از پژوهشگران و مهندسان سازه قرار گيرد. در اين ميان، الگوريتم‌هاي فراكاوشي كه خانواده‌اي از تكنيك‌هاي بهينه‌يابي تقريبي هستند، به عنوان يكي از محبوب‌ترين ابزارها براي بهينه‌يابي سازه‌اي شناخته شده‌اند. اين رساله دو هدف عمده را دنبال مي‌كند. به عنوان هدف اول، چهارچوبي كلي براي الگوريتم‌هاي فراكاوشي جمعيت‌محور پيشنهاد مي‌شود. اين چهارچوب با الهام از برخي مفاهيم پايه‌اي نظريه‌ي مجموعه‌ها طراحي مي‌شود و ايده‌ي اصلي آن عبارت است از تقسيم جمعيت جواب‌ها به تعدادي زيرجمعيت مرتب‌شده. تقسيم جمعيت به شكلي انجام مي‌شود كه تنوع جمعيتي در زيرجمعيت‌ها حفظ شود. در هر تكرار از فرآيند جستجو، زيرجمعيت‌هاي مختلف به صورت مستقل فضاي جستجو را كاوش مي‌كنند. هنگامي كه يك تكرار از فرآيند جستجو تكميل شد و زيرجمعيت‌هاي جديد به دست آمدند، زيرجمعيت‌ها يكپارچه مي‌شوند تا جمعيت نسل بعدي را تشكيل دهند. اين روند تا زماني كه معيار خاتمه‌ي الگوريتم برآورده شود، ادامه مي‌يابد. هدف اصلي اين چهارچوب ايجاد تعادلي مناسب بين فازهاي اكتشاف و بهره‌برداري الگوريتم‌هاي فراكاوشي جمعيت‌محور و به دنبال آن، بهبود عملكرد آن‌هاست. به منظور نشان دادن عملكرد چهارچوب مبتني بر نظريه‌ي مجموعه‌ها، اين چهارچوب به يكي از الگوريتم‌هاي فراكاوشي شناخته‌شده به نام الگوريتم پيروزي اعمال مي‌شود و عملكرد الگوريتم پيشنهادي از طريق مسائل بهينه‌يابي سازه‌هاي خرپايي با متغيرهاي طراحي گسسته بررسي مي‌شود. نتايج عددي نشان مي‌دهد كه چهارچوب پيشنهادي مي‌تواند عملكرد الگوريتم پيروزي را هم از نظر كارايي محاسباتي و هم از نظر كيفيت جواب‌هاي به دست آمده بهبود دهد. به عنوان هدف دوم، نسخه‌ي بهبوديافته‌ي دو الگوريتم فراكاوشي به‌تازگي توسعه‌يافته به نام‌هاي الگوريتم تحقيقات پزشكي قانوني و الگوريتم بهينه‌يابي حسابي ارائه مي‌شود و عملكرد الگوريتم‌هاي پيشنهادي از طريق مسائل مختلف بهينه‌يابي سازه‌اي بررسي مي‌شود. براي اين منظور، معايب نسخه‌ي كلاسيك هر الگوريتم مورد بحث و بررسي قرار مي‌گيرد و پيشنهادهايي اختصاصي براي رفع آن‌ها ارائه مي‌شود. عملكرد الگوريتم‌هاي بهبوديافته از طريق مسائل مختلف بهينه‌يابي سازه‌اي بررسي مي‌شود. نتايج عددي نشان مي‌دهد كه الگوريتم‌هاي پيشنهادي به طور مؤثري مي‌توانند معايب نسخه‌ي كلاسيك خود را برطرف نمايند و عملكرد آن‌ها را به طور چشمگيري بهبود دهند. علاوه بر اين، الگوريتم‌هاي پيشنهادي مي‌توانند با موفقيت با ساير الگوريتم‌هاي فراكاوشي به رقابت بپردازند.

1402/07/04

An Effective Framework for Population-Based Metaheurisric Algorithms and Its Application to Structuural Optimization

9/10/2024 12:00:00 AM

The remarkable developments that have taken place in the last few decades in the field of construction and building industry have highlighted the necessity to increase accuracy, speed and efficiency in the design of structural systems. As a result, structural optimization has considerably gained the attention of many researchers and structural engineers. In this regard, metaheuristic algorithms, which represent a family of approximate optimization techniques, are known as one of most popular tools for structural optimization. This thesis follows two main objectives. As the first objective, a general framework is proposed for population-based metaheuristic algorithms. The framework is designed based on some basic concepts of set theory and its main idea is to divide the population of solutions into a number of well-arranged subpopulations. The division process is carried out in such a way that diversity is maintained in subpopulations. At each iteration of the search process, different subpopulations independently explore the search space. Once an iteration is completed and newly-generated subpopulations are obtained, the subpopulations are merged to constitute the population of the next generation. This process continues until the termination criterion of the algorithm is satisfied. The main purpose of this framework is to create a proper balance between exploration and exploitation phases of population-based metaheuristic algorithms, and subsequently to improve their performance. In order to demonstrate the performance of the set-theoretical framework, the framework is applied to a well-known metaheuristic algorithm called Jaya algorithm and the performance of the proposed algorithm is investigated through optimization problems os truss structures with discrete design variables. Numerical results show that the proposed framework can improve the performance of the Jaya algorithm in terms of both computational efficiency and quality of the obtained solutions. As the second objective, improved versions of two recently developed metaheuristic algorithms, namely forensic-based investigation (FBI) algorithm and arithmetic optimization algorithm (AOA), are proposed. For this purpose, the disadvantages of the classical FBI and AOA are discussed and some specific suggestions are made to overcome them. The performance of the proposed improved algorithms are investigated through different structural optimization problems. Numerical results show that the proposed algorithms can effectively overcome the disadvantages of the classical algorithms, and can significantly improve their performance. In addition, the proposed algorithms can successfully compete with other metaheuristic algorithms.

بهينه‌يابي سازه‌اي , الگوريتم‌هاي فراكاوشي جمعيت‌محور , الگوريتم پيروزي , الگوريتم تحقيقات پزشكي قانوني , الگوريتم بهينه‌يابي حسابي

Structural optimization , Population-based metaheuristic algorithms , Jaya algorithm , Forensic-based investigation algorithm , Arithmetic optimization algorithm

Kiarash Biabani Hamedani

Ali Kaveh