بهینه‌سازی گسسته سازه‌های خرپایی توسط روش مبتنی بر حساسیت سنجی، تقسیم بندی و تجدید حیات

تاکنون روش‌های متفاوتی برای مسائل بهینه‌سازی گسسته استفاده شده است. بکارگیری الگوریتم‌های فرا ‌اکتشافی با توجه به عدم نیاز به مشتق گیری و خصوصیت جستجوی عمومی یکپارچه در مسائل پیچیده افزایش یافته است. در بعضی از این الگوریتم‌ها، تولید جمعیت اولیه به صورت تصادفی است که موجب تولید جمعیت‌های تکراری، وابستگی زیاد پاسخ نهایی به جمعیت اولیه، افزایش شمار تحلیل‌های تابع هدف و کاهش کارایی این الگوریتم‌ها می شود. در کار حاضر تلاش شده تا تولید و انتخاب جمعیت اولیه به صورت هوشمند صورت گیرد. در این مقاله، یک الگوریتم فرا ‌اکتشافی جدید برای بهینه‌سازی مسائل گسسته معرفی شده که به سازه‌های خرپایی اعمال شده است. روش پیشنهادی الگوریتم spr نامیده شده و بر مبنای تکنیک‌های حساسیت سنجی عضوهای خرپا، تقسیم‌بندی فضای جستجو و تجدید حیات ارائه شده است. نتایج بهینه‌سازی گسسته سازه‌های خرپایی نشان داده است که الگوریتم پیشنهادی spr نسبت به تحقیقات قبلی، توانسته است با مقدار تحلیل‌های کمتر به پاسخ بهینه دست یابد و یا مقدار تابع هدف بهینه را بهبود بخشد.

A fast hybrid refining optimization with sensitivitybased partitioning approach for truss structures

So far, several methods have been utilized for truss optimization where metaheuristic thechniqes have been used as one of the most common methods for such purpose. These thechniqes have received much attention due to their independence from gradient information and efficient global search property. In some of the metaheuristic thechniqes, random generation of the preliminary population leads to creation of repetitive population, dependency of final optimum solution on preliminary population, increasing of the number of analyses and reduction of the algorithm efficiency. To overcome these disadvantages, the present study employs some intelligent thechniqes for the generation and the selection of the population. So, a new metaheuristic algorithm called SPR is proposed for discrete truss optimization problems. The SPR algorithm is based on the sensitivity of the elements, the partitioning of the search space and the rebirthing of the optimization procedure. The structural members which are more sensitive to changing the crosssectional areas are recognized through the procedure. In order to find the best approximate solution for any design variable, the search space is discritized to some partitions. Rebirthing technique searches for better optimum solutions around the last local optimum point for any design variable to end the stagnation states. The performance of the proposed algorithm is investigated using several benchmark size optimization problems of truss structures from the literature. In comparison to the available results in the literature, the proposed SPR algorithm showed capable of obtaining the optimum design with much lesser computational attempt.