کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

ارزیابی تعداد جمعیت الگوریتمهای فراکاوشی بنیان جمعیت در بهینهیابی سازهای: مطالعه موردی الگوریتم پرنده فاخته

نویسندگان :

طاها بخشپوری¹ نسترن طوکان²

1- دانشگاه گیلان 2- دانشگاه شهید اشرفی اصفهانی

کلمات کلیدی :

بهینه یابی سازه ای، خرپا، الگوریتم فراکاوشی، الگوریتم پرنده فاخته، تعداد جمعیت، تنظیم پارامتر

چکیده :

چكيده ادبیات بهینه یابی سازه ای رشد قابل توجهی در سه حوزه باز براي تحقيق که به ترتيب عبارتند از: (1) بهينه ياب (2) مدلسازي و حل مسائل مهندسي سازه اي جديد به صورت يک مسئله بهينه، و (3) 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 تعداد 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 می تواند از منابع مرتبط با هر الگوریتم قابل استحصال می باشد.