- ข้อความ
- ประวัติศาสตร์
A two-stage particle swarm optimiza
A two-stage particle swarm optimization was utilized in this study to solve truss-structure optimization
problem achieving minimum weight objective under stress, deflection, and kinematic stability constraints.
The topologies of the truss-structure were optimized first from a given ground structure employing
the modified binary particle swarm optimization (BPSO), and subsequently the size and shape of
members were optimized utilizing the attractive and repulsive particle swarm optimization (ARPSO).
The effectiveness of the proposed methodology was evaluated through a two-tier, 39-member, 12-node
ground structure problem. It was observed that the proposed methodology can find superior truss structures
than those reported in the literatures.
2011 Elsevier Ltd. All rights reserved.
1. Introduction
Optimal design of truss-structures has always been a fast developing
area of research in the field of engineering optimization and
has made significant progress in the last decade. Optimization of
truss-structures can be classified into three main categories: size,
shape, and topology optimization [1]. Assuming a fixed topology
and configuration (the coordinates of the nodes and connectivity
among various members), size optimization uses the crosssectional
area of each member as the design variables. In shape
optimization, the changes in nodal coordinates are kept as design
variables. It is widely recognized that an optimal geometry of a
structure can greatly improve the structural performance. As to
the topology optimization, it is concerned with the number and
connectivity of the members and joints. In general, it is most easily
represented by discrete variables rather than by those used for
continuous size and geometry optimization problems.
Apparently, the most efficient way to optimal design truss structures
is to consider all three optimization schemes simultaneously.
In the literatures two kinds of approaches [2,3] have been proposed
to solve such a problem. One is the singular stage method; all design
variables including topology, shape, and size are integrated
as one design variable. However, this method will be timeconsuming
since the search space is extremely large. Moreover,
simultaneous consideration of these variables makes the problem
very complex due to the natural character of mixed coding scheme
of continuous and discrete variables. The other approach is a kind of
double stage method; first, the topology of the structure is
optimized from a given ground structure which contains a large
set of candidate trusses, and then, the size as well as the shape
are optimized. Nevertheless, such a two-stage optimization
technique may not always provide the globally best design since
these problems are not linearly separable. Genetic algorithms
[3–5], simulated annealing [6], genetic programming [7], charged
system search [8], big bang-big crunch algorithm [9], differential
evolution [10] and ant colony optimization [11] have been employed
for the optimum design of truss structures with respect to
size, shape, and topology design variables simultaneously. Genetic
algorithms, powerful tools based on biological evolution mechanisms
and natural selection theory, have received considerable
attention as the truss-structure optimal design efforts in that they
possess mixed discrete-continuous variable encoding nature. Deb
and Gulati [3] employed real-coded genetic algorithms to derive
the optimal cross-sectional size, topology, and configuration of
truss structure achieving minimum weight under stress, deflection,
and kinematic stability constraints. They used a representation
scheme that naturally allows all three optimizations to be used concurrently.
In addition, Deb and Gulati illustrated that there existed
multiple different topologies with almost equal overall weight in
truss-structure design problems as the members in the ground
structure increase. In other words, they suggest that the resulting
solution of truss-structure optimization design problems becomes
‘‘multi-modal’’ with large number of truss members. Recently
another bio-inspired computation method, two-stage ant colony
optimization (ACO) scheme, was proposed by Luh and Lin [11] for
optimal design truss structures. Compared with the results derived
by Deb and Gulati [3], two-stage ant algorithm was observed to find
truss structures superior to one-stage genetic algorithms.
In addition to ACO, particle swarm optimization (PSO) is
another popular swarm inspired method in computational
0045-7949/$ - see front matter 2011 Elsevier Ltd. All rights reserved.
doi:10.1016/j.compstruc.2011.08.013
problem achieving minimum weight objective under stress, deflection, and kinematic stability constraints.
The topologies of the truss-structure were optimized first from a given ground structure employing
the modified binary particle swarm optimization (BPSO), and subsequently the size and shape of
members were optimized utilizing the attractive and repulsive particle swarm optimization (ARPSO).
The effectiveness of the proposed methodology was evaluated through a two-tier, 39-member, 12-node
ground structure problem. It was observed that the proposed methodology can find superior truss structures
than those reported in the literatures.
2011 Elsevier Ltd. All rights reserved.
1. Introduction
Optimal design of truss-structures has always been a fast developing
area of research in the field of engineering optimization and
has made significant progress in the last decade. Optimization of
truss-structures can be classified into three main categories: size,
shape, and topology optimization [1]. Assuming a fixed topology
and configuration (the coordinates of the nodes and connectivity
among various members), size optimization uses the crosssectional
area of each member as the design variables. In shape
optimization, the changes in nodal coordinates are kept as design
variables. It is widely recognized that an optimal geometry of a
structure can greatly improve the structural performance. As to
the topology optimization, it is concerned with the number and
connectivity of the members and joints. In general, it is most easily
represented by discrete variables rather than by those used for
continuous size and geometry optimization problems.
Apparently, the most efficient way to optimal design truss structures
is to consider all three optimization schemes simultaneously.
In the literatures two kinds of approaches [2,3] have been proposed
to solve such a problem. One is the singular stage method; all design
variables including topology, shape, and size are integrated
as one design variable. However, this method will be timeconsuming
since the search space is extremely large. Moreover,
simultaneous consideration of these variables makes the problem
very complex due to the natural character of mixed coding scheme
of continuous and discrete variables. The other approach is a kind of
double stage method; first, the topology of the structure is
optimized from a given ground structure which contains a large
set of candidate trusses, and then, the size as well as the shape
are optimized. Nevertheless, such a two-stage optimization
technique may not always provide the globally best design since
these problems are not linearly separable. Genetic algorithms
[3–5], simulated annealing [6], genetic programming [7], charged
system search [8], big bang-big crunch algorithm [9], differential
evolution [10] and ant colony optimization [11] have been employed
for the optimum design of truss structures with respect to
size, shape, and topology design variables simultaneously. Genetic
algorithms, powerful tools based on biological evolution mechanisms
and natural selection theory, have received considerable
attention as the truss-structure optimal design efforts in that they
possess mixed discrete-continuous variable encoding nature. Deb
and Gulati [3] employed real-coded genetic algorithms to derive
the optimal cross-sectional size, topology, and configuration of
truss structure achieving minimum weight under stress, deflection,
and kinematic stability constraints. They used a representation
scheme that naturally allows all three optimizations to be used concurrently.
In addition, Deb and Gulati illustrated that there existed
multiple different topologies with almost equal overall weight in
truss-structure design problems as the members in the ground
structure increase. In other words, they suggest that the resulting
solution of truss-structure optimization design problems becomes
‘‘multi-modal’’ with large number of truss members. Recently
another bio-inspired computation method, two-stage ant colony
optimization (ACO) scheme, was proposed by Luh and Lin [11] for
optimal design truss structures. Compared with the results derived
by Deb and Gulati [3], two-stage ant algorithm was observed to find
truss structures superior to one-stage genetic algorithms.
In addition to ACO, particle swarm optimization (PSO) is
another popular swarm inspired method in computational
0045-7949/$ - see front matter 2011 Elsevier Ltd. All rights reserved.
doi:10.1016/j.compstruc.2011.08.013
0/5000
เพิ่มประสิทธิภาพฝูงอนุภาคสองตัวมีใช้ในการศึกษานี้แก้เพิ่มประสิทธิภาพโครงสร้าง trussปัญหาที่บรรลุวัตถุประสงค์น้ำหนักต่ำสุดภายใต้ความเครียด deflection และจลน์เสถียรภาพจำกัดโทโครงสร้าง truss ถูกปรับครั้งแรกจากการใช้โครงสร้างให้ดินมีเพิ่มประสิทธิภาพฝูงอนุภาคปรับไบนารี (BPSO), และต่อขนาด และรูปร่างของสมาชิกถูกปรับใช้เพิ่มประสิทธิภาพฝูงอนุภาคที่น่าสนใจ และ repulsive (ARPSO)มีประเมินประสิทธิภาพของวิธีการนำเสนอผ่าน 12-โหนสองชั้น 39- สมาชิกปัญหาโครงสร้างดิน ที่สังเกตได้ว่า วิธีการนำเสนอสามารถค้นหาโครงสร้าง truss ที่เหนือกว่ากว่ารายงานการ literatures2011 Elsevier จำกัด สงวนลิขสิทธิ์ทั้งหมด1. บทนำออกแบบโครงสร้าง truss เหมาะสมที่สุดได้รับการพัฒนาอย่างรวดเร็วเสมอพื้นที่วิจัยในฟิลด์ของวิศวกรรม และได้ทำความคืบหน้าสำคัญในทศวรรษ เพิ่มประสิทธิภาพของทรัสโครงสร้างอาจแบ่งได้เป็นสามประเภทหลัก: ขนาดรูปร่าง และเพิ่มประสิทธิภาพโครงสร้าง [1] สมมติว่าโครงสร้างถาวรและตั้งค่าคอนฟิก (พิกัดของโหนและการเชื่อมต่อต่าง ๆ สมาชิก), ปรับขนาดใช้ crosssectionalพื้นที่ของสมาชิกแต่ละคนเป็นตัวแปรการออกแบบ ในรูปร่างเพิ่มประสิทธิภาพ การเปลี่ยนแปลงในพิกัดดังจะเก็บเป็นออกตัวแปร เป็นอย่างกว้างที่เรขาคณิตดีที่สุดของการโครงสร้างสามารถปรับปรุงประสิทธิภาพของโครงสร้างอย่างมาก เป็นการปรับโครงสร้าง เกี่ยวข้องกับหมายเลข และการเชื่อมต่อของสมาชิกและข้อต่อ ทั่วไป มันจะง่ายที่สุดแสดง โดยตัวแปร discrete แทน โดยผู้ใช้ต่อเนื่องขนาดและรูปทรงเรขาคณิตเพิ่มประสิทธิภาพปัญหาเห็นได้ชัด วิธีมีประสิทธิภาพสูงสุดการออกแบบเหมาะสมโครงสร้าง trussคือการ พิจารณาแผนงานเพิ่มประสิทธิภาพสามทั้งหมดพร้อมกันในการ literatures วิธี [2,3] สองชนิดได้รับการเสนอเพื่อแก้ไขปัญหาดังกล่าว หนึ่งคือวิธีขั้นเอกพจน์ ออกแบบทั้งหมดมีรวมตัวแปรรวม ถึงโทโพโลยี รูปร่าง ขนาดเป็นตัวแปรหนึ่งออก อย่างไรก็ตาม วิธีการนี้จะเป็น timeconsumingเนื่องจากพื้นที่การค้นหามีขนาดใหญ่มาก นอกจากนี้พิจารณาพร้อมกันของตัวแปรเหล่านี้ทำให้ปัญหาซับซ้อนมากเนื่องจากลักษณะธรรมชาติของสภาพร่างผสมตัวแปรต่อเนื่อง และไม่ต่อเนื่อง วิธีอื่น ๆ เป็นชนิดของวิธีการขั้นตอนที่สอง ครั้งแรก โครงสร้างของโครงสร้างเป็นปรับจากโครงสร้างพื้นดินกำหนดซึ่งประกอบด้วยขนาดใหญ่ชุดของผู้สมัคร trusses แล้ว ขนาด รวมทั้งรูปร่างนี้เหมาะ อย่างไรก็ตาม เช่นที่สองเพิ่มประสิทธิภาพเทคนิคอาจจะมีการออกแบบที่ดีที่สุดทั่วโลกตั้งแต่ปัญหาเหล่านี้ไม่เชิงเส้น separable อัลกอริทึมทางพันธุกรรมจำลองการอบเหนียว [6], พันธุกรรมคิด [3-5], [7], การเขียนโปรแกรมวิกฤติด้านบิ๊กบางใหญ่อัลกอริทึม [9], แตกต่าง ระบบค้นหา [8]วิวัฒนาการ [10] และเพิ่มประสิทธิภาพของฝูงมด [11] มีการจ้างสำหรับการออกแบบโครงสร้าง truss มี respect ให้เหมาะสมขนาด รูปร่าง และโทโพโลยีออกตัวแปรพร้อมกัน ทางพันธุกรรมอัลกอริทึม เครื่องมือที่มีประสิทธิภาพตามกลไกชีวภาพวิวัฒนาการและ ทฤษฎีการคัดเลือกโดยธรรมชาติ ได้รับจำนวนมากความสนใจเป็นความพยายามออกแบบเหมาะสมโครงสร้าง truss ที่พวกเขามีผสมแยกกันเนื่องธรรมชาติเข้าตัวแปร Debและรหัสจริงพันธุอัลกอริทึมสามารถรับจ้าง Gulati [3]ขนาดสูงสุดเหลว โทโพโลยี และตั้งค่าคอนฟิกของโครงสร้าง truss ที่บรรลุน้ำหนักต่ำสุดภายใต้ความเครียด deflectionและจลน์เสถียรภาพจำกัด พวกเขาใช้การแสดงโครงร่างที่เป็นธรรมชาติช่วยให้เพิ่มประสิทธิภาพ 3 ทั้งหมดเพื่อใช้ร่วมกับนอกจากนี้ Deb และ Gulati ที่มีภาพประกอบที่มีอยู่โทหลายแตกต่างกันที่ มีน้ำหนักรวมเกือบเท่าปัญหาการออกแบบโครงสร้าง truss เป็นสมาชิกในพื้นดินโครงสร้างเพิ่มขึ้น ในคำอื่น ๆ พวกเขาแนะนำที่งบของปัญหาการออกแบบเพิ่มประสิทธิภาพโครงสร้าง truss เป็น''หลายจน '' กับทรัสสมาชิกจำนวนมาก เมื่อเร็ว ๆ นี้วิธีคำนวณแรงบันดาลใจจากชีวภาพอื่น ฝูงมดสองแผนงานเพิ่มประสิทธิภาพ (ACO) ถูกเสนอชื่อ Luh และหลิน [11]ออกแบบเหมาะสมทรัสโครงสร้าง เปรียบเทียบกับผลลัพธ์ที่ได้มาโดย Gulati [3] และ Deb มดสองอัลกอริทึมถูกตรวจสอบเพื่อค้นหาทรัสโครงสร้างอัลกอริทึมพันธุกรรมผ่อนไประยะหนึ่งนอกจาก ACO เพิ่มประสิทธิภาพฝูงอนุภาค (PSO) เป็นอีกฝูงนิยมแรงบันดาลใจจากวิธีการในการคำนวณ0045-7949 / $ - เรื่องหน้าดู 2011 Elsevier จำกัด สงวนลิขสิทธิ์ทั้งหมดdoi:10.1016/j.compstruc.2011.08.013
การแปล กรุณารอสักครู่..
A two-stage particle swarm optimization was utilized in this study to solve truss-structure optimization
problem achieving minimum weight objective under stress, deflection, and kinematic stability constraints.
The topologies of the truss-structure were optimized first from a given ground structure employing
the modified binary particle swarm optimization (BPSO), and subsequently the size and shape of
members were optimized utilizing the attractive and repulsive particle swarm optimization (ARPSO).
The effectiveness of the proposed methodology was evaluated through a two-tier, 39-member, 12-node
ground structure problem. It was observed that the proposed methodology can find superior truss structures
than those reported in the literatures.
2011 Elsevier Ltd. All rights reserved.
1. Introduction
Optimal design of truss-structures has always been a fast developing
area of research in the field of engineering optimization and
has made significant progress in the last decade. Optimization of
truss-structures can be classified into three main categories: size,
shape, and topology optimization [1]. Assuming a fixed topology
and configuration (the coordinates of the nodes and connectivity
among various members), size optimization uses the crosssectional
area of each member as the design variables. In shape
optimization, the changes in nodal coordinates are kept as design
variables. It is widely recognized that an optimal geometry of a
structure can greatly improve the structural performance. As to
the topology optimization, it is concerned with the number and
connectivity of the members and joints. In general, it is most easily
represented by discrete variables rather than by those used for
continuous size and geometry optimization problems.
Apparently, the most efficient way to optimal design truss structures
is to consider all three optimization schemes simultaneously.
In the literatures two kinds of approaches [2,3] have been proposed
to solve such a problem. One is the singular stage method; all design
variables including topology, shape, and size are integrated
as one design variable. However, this method will be timeconsuming
since the search space is extremely large. Moreover,
simultaneous consideration of these variables makes the problem
very complex due to the natural character of mixed coding scheme
of continuous and discrete variables. The other approach is a kind of
double stage method; first, the topology of the structure is
optimized from a given ground structure which contains a large
set of candidate trusses, and then, the size as well as the shape
are optimized. Nevertheless, such a two-stage optimization
technique may not always provide the globally best design since
these problems are not linearly separable. Genetic algorithms
[3–5], simulated annealing [6], genetic programming [7], charged
system search [8], big bang-big crunch algorithm [9], differential
evolution [10] and ant colony optimization [11] have been employed
for the optimum design of truss structures with respect to
size, shape, and topology design variables simultaneously. Genetic
algorithms, powerful tools based on biological evolution mechanisms
and natural selection theory, have received considerable
attention as the truss-structure optimal design efforts in that they
possess mixed discrete-continuous variable encoding nature. Deb
and Gulati [3] employed real-coded genetic algorithms to derive
the optimal cross-sectional size, topology, and configuration of
truss structure achieving minimum weight under stress, deflection,
and kinematic stability constraints. They used a representation
scheme that naturally allows all three optimizations to be used concurrently.
In addition, Deb and Gulati illustrated that there existed
multiple different topologies with almost equal overall weight in
truss-structure design problems as the members in the ground
structure increase. In other words, they suggest that the resulting
solution of truss-structure optimization design problems becomes
‘‘multi-modal’’ with large number of truss members. Recently
another bio-inspired computation method, two-stage ant colony
optimization (ACO) scheme, was proposed by Luh and Lin [11] for
optimal design truss structures. Compared with the results derived
by Deb and Gulati [3], two-stage ant algorithm was observed to find
truss structures superior to one-stage genetic algorithms.
In addition to ACO, particle swarm optimization (PSO) is
another popular swarm inspired method in computational
0045-7949/$ - see front matter 2011 Elsevier Ltd. All rights reserved.
doi:10.1016/j.compstruc.2011.08.013
problem achieving minimum weight objective under stress, deflection, and kinematic stability constraints.
The topologies of the truss-structure were optimized first from a given ground structure employing
the modified binary particle swarm optimization (BPSO), and subsequently the size and shape of
members were optimized utilizing the attractive and repulsive particle swarm optimization (ARPSO).
The effectiveness of the proposed methodology was evaluated through a two-tier, 39-member, 12-node
ground structure problem. It was observed that the proposed methodology can find superior truss structures
than those reported in the literatures.
2011 Elsevier Ltd. All rights reserved.
1. Introduction
Optimal design of truss-structures has always been a fast developing
area of research in the field of engineering optimization and
has made significant progress in the last decade. Optimization of
truss-structures can be classified into three main categories: size,
shape, and topology optimization [1]. Assuming a fixed topology
and configuration (the coordinates of the nodes and connectivity
among various members), size optimization uses the crosssectional
area of each member as the design variables. In shape
optimization, the changes in nodal coordinates are kept as design
variables. It is widely recognized that an optimal geometry of a
structure can greatly improve the structural performance. As to
the topology optimization, it is concerned with the number and
connectivity of the members and joints. In general, it is most easily
represented by discrete variables rather than by those used for
continuous size and geometry optimization problems.
Apparently, the most efficient way to optimal design truss structures
is to consider all three optimization schemes simultaneously.
In the literatures two kinds of approaches [2,3] have been proposed
to solve such a problem. One is the singular stage method; all design
variables including topology, shape, and size are integrated
as one design variable. However, this method will be timeconsuming
since the search space is extremely large. Moreover,
simultaneous consideration of these variables makes the problem
very complex due to the natural character of mixed coding scheme
of continuous and discrete variables. The other approach is a kind of
double stage method; first, the topology of the structure is
optimized from a given ground structure which contains a large
set of candidate trusses, and then, the size as well as the shape
are optimized. Nevertheless, such a two-stage optimization
technique may not always provide the globally best design since
these problems are not linearly separable. Genetic algorithms
[3–5], simulated annealing [6], genetic programming [7], charged
system search [8], big bang-big crunch algorithm [9], differential
evolution [10] and ant colony optimization [11] have been employed
for the optimum design of truss structures with respect to
size, shape, and topology design variables simultaneously. Genetic
algorithms, powerful tools based on biological evolution mechanisms
and natural selection theory, have received considerable
attention as the truss-structure optimal design efforts in that they
possess mixed discrete-continuous variable encoding nature. Deb
and Gulati [3] employed real-coded genetic algorithms to derive
the optimal cross-sectional size, topology, and configuration of
truss structure achieving minimum weight under stress, deflection,
and kinematic stability constraints. They used a representation
scheme that naturally allows all three optimizations to be used concurrently.
In addition, Deb and Gulati illustrated that there existed
multiple different topologies with almost equal overall weight in
truss-structure design problems as the members in the ground
structure increase. In other words, they suggest that the resulting
solution of truss-structure optimization design problems becomes
‘‘multi-modal’’ with large number of truss members. Recently
another bio-inspired computation method, two-stage ant colony
optimization (ACO) scheme, was proposed by Luh and Lin [11] for
optimal design truss structures. Compared with the results derived
by Deb and Gulati [3], two-stage ant algorithm was observed to find
truss structures superior to one-stage genetic algorithms.
In addition to ACO, particle swarm optimization (PSO) is
another popular swarm inspired method in computational
0045-7949/$ - see front matter 2011 Elsevier Ltd. All rights reserved.
doi:10.1016/j.compstruc.2011.08.013
การแปล กรุณารอสักครู่..
สองขั้นตอนที่เหมาะสมคือฝูงอนุภาคที่ใช้ในการศึกษา เพื่อแก้ไขปัญหาการเพิ่มประสิทธิภาพโครงสร้าง truss
มีน้ำหนักน้อยภายใต้ความเครียดโก่งและการเมืองความมั่นคง ข้อจำกัด รูปแบบของโครงสร้าง truss
เหมาะสมแรกจากพื้นดินให้โครงสร้างการแก้ไขไบนารี
ฝูงอนุภาค Optimization ( bpso )โดยขนาดและรูปร่างที่เหมาะสมของ
สมาชิกใช้มีเสน่ห์และน่ารังเกียจ optimization ฝูงอนุภาค ( arpso ) .
ประสิทธิผลของการนำเสนอวิธีการประเมินผ่านสองชั้น 39 สมาชิก 12 โหนด
พื้นโครงสร้างปัญหา พบว่า การนำเสนอวิธีการที่สามารถค้นหาที่เหนือกว่าที่รายงานในโครงข้อหมุน
วรรณกรรม . 2011 เอลส์ จำกัด .
1 การออกแบบที่เหมาะสมที่สุดของโครงสร้าง truss แนะนำ
ได้พัฒนาอย่างรวดเร็วในพื้นที่ของการวิจัยในด้านการเพิ่มประสิทธิภาพและวิศวกรรม
มีความก้าวหน้าอย่างมีนัยสำคัญในช่วงทศวรรษที่ผ่านมา การเพิ่มประสิทธิภาพของ
โครงข้อหมุนสามารถแบ่งออกเป็นสามประเภทหลัก : ขนาด
รูปร่างและโครงสร้างที่เหมาะสม [ 1 ] สมมติว่าโครงสร้าง
ถาวรและการตั้งค่า ( พิกัดของจุดและการเชื่อมต่อ
ระหว่างสมาชิกต่างๆ ) ขนาดการใช้พื้นที่ crosssectional
ของสมาชิกแต่ละคนเป็นตัวแปรออกแบบ ในรูปร่าง
optimization การเปลี่ยนแปลงพิกัดแต่ละจะถูกเก็บไว้ที่ตัวแปรแบบ
มันคือการยอมรับอย่างกว้างขวางว่าเป็นรูปทรงเรขาคณิตที่เหมาะสมของ
โครงสร้างอย่างมากสามารถปรับปรุงประสิทธิภาพของโครงสร้าง
เป็นโครงสร้างที่เหมาะสม มันเกี่ยวข้องกับจำนวนและ
การเชื่อมต่อของสมาชิก และข้อต่อ โดยทั่วไปมันเป็นง่ายที่สุด
แสดงโดยตัวแปรค่าไม่ต่อเนื่องมากกว่าโดยผู้ใช้
ขนาดอย่างต่อเนื่องและปัญหาการเพิ่มประสิทธิภาพเรขาคณิต .
เห็นได้ชัดว่าวิธีที่มีประสิทธิภาพมากที่สุดเพื่อการออกแบบที่เหมาะสมที่สุดคือการพิจารณาการเพิ่มประสิทธิภาพโครงสร้าง truss
3
รูปแบบพร้อมกันในวรรณกรรมสองชนิดของวิธีการ [ 2 , 3 ] ได้รับการเสนอ
เพื่อแก้ไขปัญหา เป็นเวทีเดียว ) ; ตัวแปรการออกแบบ
ทั้งหมดรวมทั้งโครงสร้าง รูปร่าง และขนาดรวม
เป็นหนึ่งในการออกแบบตัวแปร แต่วิธีนี้จะ timeconsuming
ตั้งแต่ค้นหาพื้นที่ที่มีขนาดใหญ่มาก นอกจากนี้ การพิจารณาตัวแปรเหล่านี้พร้อมกัน
ทำให้ปัญหาซับซ้อนมากเนื่องจากลักษณะธรรมชาติของผสมของรูปแบบการเข้ารหัส
ตัวแปรอย่างต่อเนื่องและไม่ต่อเนื่อง . วิธีการอื่น ๆเป็นชนิดของวิธีการขั้นตอนแรก 2
; โครงสร้างของโครงสร้างคือการกำหนดโครงสร้าง
จากพื้นดินซึ่งมีขนาดใหญ่
ชุดโครง ผู้สมัครแล้ว ขนาดเช่นเดียวกับรูปร่าง
ที่ดีที่สุด . อย่างไรก็ตาม เช่นเพิ่มประสิทธิภาพ
สองขั้นตอนเทคนิคอาจไม่เสมอให้การออกแบบทั่วโลกที่ดีที่สุดตั้งแต่
ปัญหาเหล่านี้ไม่ได้แบ่งแยกเชิงเส้น . ขั้นตอนวิธี
[ 3 – 5 ] พันธุกรรม , การดำรงอยู่ [ 6 ] [ 7 ] ในการเขียนโปรแกรมทางพันธุกรรม , ค่าบริการ
ระบบค้นหา [ 8 ] Big Bang ใหญ่ขั้นตอนวิธี [ กระทืบ 9 ] ค่า
วิวัฒนาการ [ 10 ] [ 11 ] และเพิ่มประสิทธิภาพของอาณานิคมมดได้รับจ้าง
สำหรับการออกแบบโครงข้อหมุนด้วยความเคารพ
ขนาด รูปร่างโครงสร้างและการออกแบบตัวแปรพร้อมกัน ขั้นตอนวิธีเชิงพันธุกรรม
, เครื่องมือที่มีประสิทธิภาพบนพื้นฐานของทฤษฎีวิวัฒนาการทางชีววิทยากลไก
และการคัดเลือกโดยธรรมชาติ ได้รับความสนใจมาก
เป็นโครงสร้าง truss ออกแบบที่ดีที่สุดความพยายามในการที่พวกเขามีอย่างต่อเนื่องตัวแปรไม่ต่อเนื่อง
ผสมลักษณะการเข้ารหัส เด็บ
gulati [ 3 ] และใช้จริงเขียนขั้นตอนวิธีเชิงพันธุกรรมมา
ขนาดหน้าตัดที่เหมาะสม โครงสร้างและองค์ประกอบของโครงสร้างคานรับน้ำหนักน้อย
ภายใต้ความเครียดโก่งและเสถียรภาพเชิงข้อจำกัด พวกเขาใช้เป็นตัวแทนของธรรมชาติให้
3 การเพิ่มประสิทธิภาพที่จะใช้ควบคู่กันไป .
นอกจากนี้ เด็บ gulati และพบว่ามีอยู่หลายรูปแบบต่าง ๆ ด้วยน้ำหนักรวม
เกือบเท่ากันในการออกแบบโครงสร้าง truss ปัญหาเหมือนกับสมาชิกในพื้นดิน
โครงสร้างเพิ่มขึ้น ในคำอื่น ๆที่พวกเขาแสดงให้เห็นว่าผลของการเพิ่มประสิทธิภาพการออกแบบโครงสร้าง truss
แก้ไขปัญหากลายเป็น
''multi-modal ' ' ที่มีจำนวนมากของภาพสมาชิก เมื่อเร็ว ๆนี้
อีก ไบโอ วิธีคำนวณแรงบันดาลใจแบบอาณานิคมมด
Optimization ( ACO ) โครงการที่เสนอโดย ลุ้ฮ์และหลิน [ 11 ]
โครงการออกแบบโครงสร้างที่เหมาะสมที่สุด เมื่อเทียบกับผลลัพธ์ที่ได้มา
โดยกับเด็บ gulati [ 3 ] มดขั้นตอนวิธีแบบสังเกตเพื่อหา
โครงข้อหมุนที่เหนือกว่า one-stage ขั้นตอนวิธีเชิงพันธุกรรม .
นอกจาก ACO เพิ่มประสิทธิภาพฝูงอนุภาค ( PSO ) เป็นอีกวิธีที่นิยมจับกลุ่มแรงบันดาลใจ
ในการคำนวณ 0045-7949 / $ - เห็นหน้าเรื่อง 2011 เอลส์ จำกัด ทั้งหมด สิทธิสงวน
ดอย : 10.1016/j .compstruc.2011.08.013
มีน้ำหนักน้อยภายใต้ความเครียดโก่งและการเมืองความมั่นคง ข้อจำกัด รูปแบบของโครงสร้าง truss
เหมาะสมแรกจากพื้นดินให้โครงสร้างการแก้ไขไบนารี
ฝูงอนุภาค Optimization ( bpso )โดยขนาดและรูปร่างที่เหมาะสมของ
สมาชิกใช้มีเสน่ห์และน่ารังเกียจ optimization ฝูงอนุภาค ( arpso ) .
ประสิทธิผลของการนำเสนอวิธีการประเมินผ่านสองชั้น 39 สมาชิก 12 โหนด
พื้นโครงสร้างปัญหา พบว่า การนำเสนอวิธีการที่สามารถค้นหาที่เหนือกว่าที่รายงานในโครงข้อหมุน
วรรณกรรม . 2011 เอลส์ จำกัด .
1 การออกแบบที่เหมาะสมที่สุดของโครงสร้าง truss แนะนำ
ได้พัฒนาอย่างรวดเร็วในพื้นที่ของการวิจัยในด้านการเพิ่มประสิทธิภาพและวิศวกรรม
มีความก้าวหน้าอย่างมีนัยสำคัญในช่วงทศวรรษที่ผ่านมา การเพิ่มประสิทธิภาพของ
โครงข้อหมุนสามารถแบ่งออกเป็นสามประเภทหลัก : ขนาด
รูปร่างและโครงสร้างที่เหมาะสม [ 1 ] สมมติว่าโครงสร้าง
ถาวรและการตั้งค่า ( พิกัดของจุดและการเชื่อมต่อ
ระหว่างสมาชิกต่างๆ ) ขนาดการใช้พื้นที่ crosssectional
ของสมาชิกแต่ละคนเป็นตัวแปรออกแบบ ในรูปร่าง
optimization การเปลี่ยนแปลงพิกัดแต่ละจะถูกเก็บไว้ที่ตัวแปรแบบ
มันคือการยอมรับอย่างกว้างขวางว่าเป็นรูปทรงเรขาคณิตที่เหมาะสมของ
โครงสร้างอย่างมากสามารถปรับปรุงประสิทธิภาพของโครงสร้าง
เป็นโครงสร้างที่เหมาะสม มันเกี่ยวข้องกับจำนวนและ
การเชื่อมต่อของสมาชิก และข้อต่อ โดยทั่วไปมันเป็นง่ายที่สุด
แสดงโดยตัวแปรค่าไม่ต่อเนื่องมากกว่าโดยผู้ใช้
ขนาดอย่างต่อเนื่องและปัญหาการเพิ่มประสิทธิภาพเรขาคณิต .
เห็นได้ชัดว่าวิธีที่มีประสิทธิภาพมากที่สุดเพื่อการออกแบบที่เหมาะสมที่สุดคือการพิจารณาการเพิ่มประสิทธิภาพโครงสร้าง truss
3
รูปแบบพร้อมกันในวรรณกรรมสองชนิดของวิธีการ [ 2 , 3 ] ได้รับการเสนอ
เพื่อแก้ไขปัญหา เป็นเวทีเดียว ) ; ตัวแปรการออกแบบ
ทั้งหมดรวมทั้งโครงสร้าง รูปร่าง และขนาดรวม
เป็นหนึ่งในการออกแบบตัวแปร แต่วิธีนี้จะ timeconsuming
ตั้งแต่ค้นหาพื้นที่ที่มีขนาดใหญ่มาก นอกจากนี้ การพิจารณาตัวแปรเหล่านี้พร้อมกัน
ทำให้ปัญหาซับซ้อนมากเนื่องจากลักษณะธรรมชาติของผสมของรูปแบบการเข้ารหัส
ตัวแปรอย่างต่อเนื่องและไม่ต่อเนื่อง . วิธีการอื่น ๆเป็นชนิดของวิธีการขั้นตอนแรก 2
; โครงสร้างของโครงสร้างคือการกำหนดโครงสร้าง
จากพื้นดินซึ่งมีขนาดใหญ่
ชุดโครง ผู้สมัครแล้ว ขนาดเช่นเดียวกับรูปร่าง
ที่ดีที่สุด . อย่างไรก็ตาม เช่นเพิ่มประสิทธิภาพ
สองขั้นตอนเทคนิคอาจไม่เสมอให้การออกแบบทั่วโลกที่ดีที่สุดตั้งแต่
ปัญหาเหล่านี้ไม่ได้แบ่งแยกเชิงเส้น . ขั้นตอนวิธี
[ 3 – 5 ] พันธุกรรม , การดำรงอยู่ [ 6 ] [ 7 ] ในการเขียนโปรแกรมทางพันธุกรรม , ค่าบริการ
ระบบค้นหา [ 8 ] Big Bang ใหญ่ขั้นตอนวิธี [ กระทืบ 9 ] ค่า
วิวัฒนาการ [ 10 ] [ 11 ] และเพิ่มประสิทธิภาพของอาณานิคมมดได้รับจ้าง
สำหรับการออกแบบโครงข้อหมุนด้วยความเคารพ
ขนาด รูปร่างโครงสร้างและการออกแบบตัวแปรพร้อมกัน ขั้นตอนวิธีเชิงพันธุกรรม
, เครื่องมือที่มีประสิทธิภาพบนพื้นฐานของทฤษฎีวิวัฒนาการทางชีววิทยากลไก
และการคัดเลือกโดยธรรมชาติ ได้รับความสนใจมาก
เป็นโครงสร้าง truss ออกแบบที่ดีที่สุดความพยายามในการที่พวกเขามีอย่างต่อเนื่องตัวแปรไม่ต่อเนื่อง
ผสมลักษณะการเข้ารหัส เด็บ
gulati [ 3 ] และใช้จริงเขียนขั้นตอนวิธีเชิงพันธุกรรมมา
ขนาดหน้าตัดที่เหมาะสม โครงสร้างและองค์ประกอบของโครงสร้างคานรับน้ำหนักน้อย
ภายใต้ความเครียดโก่งและเสถียรภาพเชิงข้อจำกัด พวกเขาใช้เป็นตัวแทนของธรรมชาติให้
3 การเพิ่มประสิทธิภาพที่จะใช้ควบคู่กันไป .
นอกจากนี้ เด็บ gulati และพบว่ามีอยู่หลายรูปแบบต่าง ๆ ด้วยน้ำหนักรวม
เกือบเท่ากันในการออกแบบโครงสร้าง truss ปัญหาเหมือนกับสมาชิกในพื้นดิน
โครงสร้างเพิ่มขึ้น ในคำอื่น ๆที่พวกเขาแสดงให้เห็นว่าผลของการเพิ่มประสิทธิภาพการออกแบบโครงสร้าง truss
แก้ไขปัญหากลายเป็น
''multi-modal ' ' ที่มีจำนวนมากของภาพสมาชิก เมื่อเร็ว ๆนี้
อีก ไบโอ วิธีคำนวณแรงบันดาลใจแบบอาณานิคมมด
Optimization ( ACO ) โครงการที่เสนอโดย ลุ้ฮ์และหลิน [ 11 ]
โครงการออกแบบโครงสร้างที่เหมาะสมที่สุด เมื่อเทียบกับผลลัพธ์ที่ได้มา
โดยกับเด็บ gulati [ 3 ] มดขั้นตอนวิธีแบบสังเกตเพื่อหา
โครงข้อหมุนที่เหนือกว่า one-stage ขั้นตอนวิธีเชิงพันธุกรรม .
นอกจาก ACO เพิ่มประสิทธิภาพฝูงอนุภาค ( PSO ) เป็นอีกวิธีที่นิยมจับกลุ่มแรงบันดาลใจ
ในการคำนวณ 0045-7949 / $ - เห็นหน้าเรื่อง 2011 เอลส์ จำกัด ทั้งหมด สิทธิสงวน
ดอย : 10.1016/j .compstruc.2011.08.013
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- After the Lord Buddha had died, his body
- หอพระแก้ว
- Computer in Daily Life in Students Persp
- ฝากกระเป๋า
- กินอะไรหรือยัง
- kimchi fried rice".
- rubbing
- Abe
- information handing
- Yes, When we arrive at Narita airport on
- แจกันสีฃมพูสวยกว่าแจกันสีฟ้า
- dishes are not course
- ทศกาลที่ทุกคนพร้อมใจที่จะนำกระทงไปลอยยัง
- It's the lottery
- now i do not know
- สวัสดีค่ะ
- คุณรู้ไหมฉันคุยกับคุณฉันต้องเปิดดิกชันนา
- Job Information Center CollectionLaw & L
- ไม่ค่อยไปไหนกับเทอ
- ฉันส่งมอบคืนเจ้าของ
- บริเวณ
- It was very appetizing
- เช้าวันนี้ มีความสุขมาก
- You should go to sleep
