1. IntroductionOver the last 60 yea

1. Introduction
Over the last 60 years, a number of optimization techniques
have been developed and used in the structural optimization [1,2].
These techniques can be broadly divided into two groups: (i) gradient
based and (ii) direct search (stochastic or non-gradient based).
Since there are known difficulties in the application of gradientbased
techniques in structural optimization problems, direct search
techniques have gained popularity in recent years [2–7]. Direct
search techniques explore the design space by generating a number
of successive solutions to guide the algorithm to an optimal design.
Genetic algorithms [8–12], simulated annealing algorithms [13–16]
evolutionary programming [17] and evolutionary strategies [18]
are the most notable direct search optimization techniques used
in the solution of engineering problems. The main characteristic of
these algorithms is the imitation of biological and physical events
by evolving a good enough or near-optimal solution over a number
of successive iterations. These techniques do not require the
evaluation of gradients of objective and constraint functions, but
they do require a significant amount of computer power. In the
past, such techniques were considered impractical for design use
due to the limitations of earlier computers. Recent advancements
in computer hardware, especially in memory size and the speed of
personnel computers make direct search techniques more feasible
and practical.

ผลลัพธ์ (ไทย) 1:

1. บทนำมากกว่า 60 ปี ตัวเลขเทคนิคการเพิ่มประสิทธิภาพพัฒนา และใช้ในการเพิ่มประสิทธิภาพโครงสร้าง [1, 2]เทคนิคเหล่านี้สามารถทั่วไปแบ่งออกเป็น 2 กลุ่ม: (i) ไล่ระดับใช้ค้นหาโดยตรง (ii) และ (สโทแคสติก หรือไม่ไล่ระดับตาม)เนื่องจากมีรู้จักความยากลำบากในการประยุกต์ใช้ gradientbasedเทคนิคเพิ่มประสิทธิภาพโครงสร้างปัญหา ค้นหาโดยตรงเทคนิคได้รับความนิยมในปีที่ผ่านมา [2-7] โดยตรงเทคนิคการค้นหาสำรวจพื้นที่ออกแบบ โดยการสร้างตัวเลขโซลูชั่นต่อ ๆ มาเพื่อแนะนำขั้นตอนวิธีการการออกแบบดีที่สุดอัลกอริทึมทางพันธุกรรม [8-12], จำลองอัลกอริทึมหลอม [13-16]การเขียนโปรแกรมเชิงวิวัฒนาการ [17] และกลยุทธ์เชิงวิวัฒนาการ [18]จะค้นหาตรงมรกใช้เทคนิคเพิ่มประสิทธิภาพในการแก้ปัญหาของปัญหาวิศวกรรม ลักษณะหลักของอัลกอริทึมเหล่านี้เป็นของทางกายภาพ และชีวภาพโดยการพัฒนาโซลูชันที่ดีพอ หรือใกล้ดีที่สุดผ่านหมายเลขแผนต่อเนื่อง เทคนิคเหล่านี้ไม่ต้องการประเมินการไล่ระดับสีของวัตถุประสงค์และข้อจำกัดของฟังก์ชัน แต่พวกเขาต้องการยอดเงินสำคัญของคอมพิวเตอร์ ในในอดีต เทคนิคดังกล่าวได้ถือมากสำหรับการออกใช้เนื่องจากข้อจำกัดของคอมพิวเตอร์ก่อน ก้าวหน้าล่าสุดฮาร์ดแวร์คอมพิวเตอร์ โดยเฉพาะอย่างยิ่งในขนาดหน่วยความจำและความเร็วของบุคลากรคอมพิวเตอร์ทำให้เทคนิคการค้นหาโดยตรงเป็นไปได้มากขึ้นและภาคปฏิบัติ

ผลลัพธ์ (ไทย) 3:

1 บทนำ
กว่า 60 ปีที่ผ่านมา จำนวนของเทคนิคการเพิ่มประสิทธิภาพ
ได้รับการพัฒนาและใช้ในโครงสร้างที่เหมาะสม [ 1 , 2 ] .
เทคนิคเหล่านี้สามารถเป็นวงกว้างแบ่งออกเป็นสองกลุ่ม : ( ฉัน ) ลาด
ตาม และ ( 2 ) การค้นหาโดยตรง ( stochastic หรือไม่ไล่ระดับตาม )
เนื่องจากมีความรู้จัก ในการใช้เทคนิคในการเพิ่มประสิทธิภาพ gradientbased
ปัญหาโครงสร้างวิธีการค้นหา
โดยตรงได้รับความนิยมในปีล่าสุด 2 ) [ 7 ] วิธีการค้นหาโดยตรง
สำรวจพื้นที่ออกแบบโดยการสร้างจำนวนของโซลูชั่นต่อเนื่อง
คู่มือขั้นตอนวิธีการออกแบบที่ดีที่สุด .
ขั้นตอนวิธีเชิงพันธุกรรม [ 8 – 12 ขั้นตอนวิธีการจำลองการอบเหนียว ] , [ 13 – 16 ]
วิวัฒนาการการเขียนโปรแกรม [ 17 ] และวิวัฒนาการกลยุทธ์ [ 18 ]
เป็นประการมากที่สุดการค้นหาเทคนิคการเพิ่มประสิทธิภาพโดยตรงใช้
ในการแก้ปัญหาทางวิศวกรรม ลักษณะของ
ขั้นตอนวิธีเหล่านี้ คือ การเลียนแบบทางชีวภาพและกายภาพ โดยการพัฒนากิจกรรม
ที่ดีพอ หรือใกล้ทางออกที่ดีที่สุดผ่านหมายเลข
ของต่อเนื่องซ้ำ . เทคนิคเหล่านี้ไม่ต้องใช้
ประเมินผลไล่ของฟังก์ชันวัตถุประสงค์ และข้อจำกัด แต่
พวกเขาจะต้องมีจำนวนเงินที่สำคัญของพลังงานคอมพิวเตอร์ ใน
อดีต เทคนิคดังกล่าวก็ถือว่าไม่ได้ออกแบบใช้
เนื่องจากข้อ จำกัด ของหน้าคอมพิวเตอร์
ความก้าวหน้าล่าสุดในฮาร์ดแวร์คอมพิวเตอร์ โดยเฉพาะอย่างยิ่งในขนาดหน่วยความจำและความเร็วของคอมพิวเตอร์บุคลากรให้เทคนิคค้นหา

โดยตรงเป็นไปได้มากขึ้นและการปฏิบัติ