Among the freely available toolboxe

Among the freely available toolboxes for MATLAB, GPLAB stands out as one of the most flexible and powerful
[8]. However, the implementation of the algorithms in this paper uses the integrated Global Optimization toolbox
and customizes the functions where needed.
A general principle scheme of the algorithm we used is presented in Fig. 1. The algorithm starts by randomly
generating a population of candidate solutions inside the design space (allowable parameters range). From this point
the population is iterated in a loop (each loop giving birth to a new generation of individuals), evolving towards
what is hopefully an optimal solution. Each individual in the population has a fitness value determined by the how
well conformed and economic its correspondent solution (truss) is. The determination of the fitness value is done by
calculating the total mass of the proposed solution and by determining with FEA how well it conforms to the
maximum stress and maximum allowable displacement.
The individuals in each new generation are obtained from the old generation by using the GA operators of
selection, crossover and mutation. These are described in more detail in section 2.3 below.

ผลลัพธ์ (ไทย) 1:

ระหว่าง toolboxes อิสระว่างสำหรับ MATLAB, GPLAB โดดเด่นเป็นหนึ่งของความยืดหยุ่นมากที่สุด และมีประสิทธิภาพ[8] . อย่างไรก็ตาม งานของอัลกอริทึมในกระดาษนี้ใช้เครื่องมือเพิ่มประสิทธิภาพของส่วนกลางรวมและกำหนดฟังก์ชันจำเป็นมีการนำเสนอแผนหลักทั่วไปของอัลกอริทึมที่เราใช้ใน Fig. 1 อัลกอริทึมเริ่มต้นโดยการสุ่มสร้างประชากรโซลูชั่นผู้สมัครภายในพื้นที่ออกแบบ (พารามิเตอร์อนุญาตช่วง) จากจุดนี้ประชากรเป็นทวิภาควนซ้ำในวน (แต่ละลูปให้เกิดกับรุ่นใหม่ของบุคคล), พัฒนาต่อหวังว่าอะไรคือโซลูชั่นเหมาะสม แต่ละคนในประชากรที่มีค่าออกกำลังกายตามวิธีการดีตาม และเศรษฐกิจโซลูชันของผู้สื่อข่าว (ทรัส) ได้ โดยการกำหนดค่าฟิตเนสการคำนวณมวลรวม ของการแก้ปัญหาที่เสนอ และกำหนดด้วย FEA ด้วยวิธีการสอดคล้องกับการความเครียดสูงสุดและสูงสุดที่ใช้แทนบุคคลในแต่ละรุ่นใหม่ได้รับมาจากรุ่นเก่าโดยตัว GA ของตัวเลือก แบบไขว้ และการกลายพันธุ์ เหล่านี้ไว้ในรายละเอียดเพิ่มเติมในส่วน 2.3 ด้านล่าง

ผลลัพธ์ (ไทย) 2:

ท่ามกลาง toolboxes ใช้ได้อย่างอิสระสำหรับ MATLAB, GPLAB ยืนออกเป็นหนึ่งในที่สุดที่ยืดหยุ่นและมีประสิทธิภาพ
[8]
อย่างไรก็ตามการดำเนินการขั้นตอนวิธีการในบทความนี้ใช้กล่องเครื่องมือเพิ่มประสิทธิภาพทั่วโลกแบบบูรณาการและปรับแต่งฟังก์ชั่นที่จำเป็น.
โครงการหลักการทั่วไปของขั้นตอนวิธีการที่เราใช้จะนำเสนอในรูป 1.
ขั้นตอนวิธีการเริ่มต้นโดยการสุ่มสร้างประชากรของการแก้ปัญหาผู้สมัครภายในการออกแบบพื้นที่(พารามิเตอร์ที่อนุญาตช่วง) จากจุดนี้มีประชากรที่ซ้ำในวง (แต่ละวงให้กำเนิดคนรุ่นใหม่ของบุคคล) ที่พัฒนาไปสู่สิ่งที่เป็นหวังว่าทางออกที่ดีที่สุด ในแต่ละประชากรแต่ละคนมีมูลค่าการออกกำลังกายที่กำหนดโดยวิธีการสอนที่ดีและวิธีการแก้ปัญหาเศรษฐกิจของผู้สื่อข่าว (มัด) เป็น การกำหนดค่าการออกกำลังกายจะกระทำโดยการคำนวณมวลรวมของการแก้ปัญหาที่นำเสนอและการพิจารณาด้วย FEA วิธีที่ดีที่สอดคล้องกับความเครียดสูงสุดและการกระจัดสูงสุดที่อนุญาต. บุคคลในแต่ละรุ่นใหม่จะได้รับจากคนรุ่นเก่าโดยใช้ ผู้ประกอบการของ GA เลือกครอสโอเวอร์และการกลายพันธุ์ เหล่านี้จะอธิบายในรายละเอียดในส่วน 2.3 ด้านล่าง

ผลลัพธ์ (ไทย) 3:

ระหว่าง toolboxes ที่ใช้ได้อย่างอิสระสำหรับ Matlab gplab ยืนออกเป็นหนึ่งในความยืดหยุ่นมากที่สุดและมีประสิทธิภาพ
[ 8 ] อย่างไรก็ตาม การใช้งานของอัลกอริทึมในกระดาษนี้ใช้แบบบูรณาการระดับโลกเพิ่มประสิทธิภาพและฟังก์ชั่นที่ปรับแต่งได้นะครับ

เป็นหลักทั่วไปของโครงการ วิธีการที่เราใช้ที่แสดงในรูปที่ 1 ขั้นตอนวิธีการเริ่มต้นด้วยการสุ่ม
การสร้างประชากรของผู้สมัครโซลูชั่นภายในพื้นที่ออกแบบ ( พารามิเตอร์ช่วงที่อนุญาต ) จากจุดนี้
ประชากรซ้ำในห่วงแต่ละห่วงคลอดรุ่นใหม่ของบุคคล ) , การพัฒนาไปสู่
อะไรหวังว่าโซลูชั่นที่เหมาะสมที่สุด แต่ละคน ในประชากรมีฟิตเนสโดยกำหนดมูลค่าอย่างไร
คือการศึกษาและเศรษฐกิจแก้ปัญหาของผู้สื่อข่าว ( truss ) คือ การหาค่าฟิตเนส ทำโดย
คำนวณมวลรวมของการนำเสนอโซลูชั่นและกำหนดด้วย FEA ว่ามันสอดคล้องกับ
สูงสุดความเครียดและการกระจัดสูงสุดที่อนุญาต .
บุคคลในแต่ละรุ่นใหม่ที่ได้รับจากรุ่นเก่า โดยใช้เกม ผู้ประกอบการ
เลือกครอสโอเวอร์และการกลายพันธุ์ เหล่านี้จะอธิบายในรายละเอียดเพิ่มเติมในส่วน 2.3 ด้านล่าง