بهبود عملکرد الگوریتم بهینه سازی (PSO) در مسائل مقید با استفاده از روش ارزیابی پلکانی و تلفیق شبکه های عصبی پس انتشار (BP)
بهبود عملکرد الگوریتم بهینه سازی (PSO) در مسائل مقید با استفاده از روش ارزیابی پلکانی و تلفیق شبکه های عصبی پس انتشار (BP)
عیسی سلاجقه1 رامبد نایب ولی همدانی2
1) عضو هیئت علمی و استاد بخش مهندسی عمران، دانشگاه شهید باهنر کرمان -
2) دانشجوی کارشناسی ارشد عمران گرایش سازه، دانشگاه شهید باهنر کرمان -
کد IOI مقاله
:
XYEA-AKEAH
محل انتشار :
چهارمین کنگره بین المللی عمران، معماری و توسعه شهری(4icsau.ir)
چکیده :
امروزه با توجه به محدود بودن منابع و تجهیزات در اجرای اغلب پروژه های عمرانی استفاده بهینه از امکانات موجود جهت کاهش هزینه ها امری ضروری می باشد؛ باتوجه به پیشرفت های چشمگیری که در تکنیک های بهینه سازی حاصل شده است کاربرد آن ها در علوم مهندسی بویژه در مهندسی عمران بیش از پیش مورد توجه قرار گرفته است. در این میان تلفیق تکنیکهای بهینه سازی وشبکه های عصبی جهت ارتقای عملکردی این روش ها و همچنین سازگارکردن آن ها با مسائل مهندسی که عموماً انبوهی از قیود و محدودیت ها را شامل می شوند ضروری به نظر می رسد. در این مقاله سعی شده است علاوه برتشریح مبانی و پارامترهای الگوریتم دسته ی ذرات(PSO) وشبکه های عصبی پس انتشار (BP) وپیکربندی نوین آنها، با تلفیق آنها الگوریتمی کارامد در حوزه ی بهینه سازی حاصل گردد. درنهایت وزن سازه ی یک پل جهت سنجش عملکرد این الگوریتم جامع بهینه سازی مورد مطالعه قرار گرفت.
کلمات کلیدی : الگوریتم هوش مصنوعی pso شبکههای عصبی پس انتشار bp سازهی پل بهینهسازی