Abstract
The recently developed flower pollination algorithm is used to minimize the weight of truss structures, including sizing design variables. The new algorithm can efficiently combine local and global searches, inspired by cross-pollination and self-pollination of flowering plants, respectively. Furthermore, it implements an iterative constraint handling strategy where trial designs are accepted or rejected based on the allowed amount of constraint violation that is progressively reduced as the search process approaches the optimum. This strategy aims to obtain always feasible optimized designs. The new algorithm is tested using three classical sizing optimization problems of 2D and 3D truss structures. Optimization results show that the proposed method is competitive with other state-of-the-art metaheuristic algorithms presented in the literature
چکیده
از الگوریتم گرده افشانی گل که اخیرا توسعه یافته است، برای حداقل سازی وزن سازه های خرپایی که شامل متغیرهای ابعادیِ طراحی می شود، استفاده شده است. الگوریتم جدید جستجوی موضعی و کلی را که به ترتیب از گرده افشانی از گلی به گل دیگر و گرده افشانی از همان گل الهام گرفته است، به طور موثری با یکدیگر ترکیب می کند. علاوه بر آن، این الگوریتم از استراتژی کار با محدودیت های تکرارشونده استفاده می کند که بر اساس این استراتژی طراحی های آزمایشی بر اساس مقدار مجازِ تجاوز محدودیت مورد قبول واقع شده و یا رد می شود که با نزدیک شدنِ فرآیندِ تحقیق به حالت بهینه، این مقدارِ تجاوز به تدریج کاهش می یابد. این استراتژی به دستیابی به طراحی های بهینه امکان پذیر همواره کمک می کند. این الگوریتم جدید با استفاده از سه مسئله بهینه سازی ابعادی کلاسیک برای سازه های خرپایی دو بعدی و سه بعدی مورد آزمایش قرار گرفته است. نتایج بهینه سازی نشان می دهد که روش مورد نظر با سایر الگوریتم های حالت فوق ابتکاریِ هنر که در ادبیات فنی معرفی شده اند، قابل رقابت است.
1-مقدمه
اهداف اصلی در طراحی سازه، اطمینان یافتن از ایمنی سازه ها و پیدا کردنِ یک طراحی با بیشترین دستیافته ها است. به طور کلی، اقدامات امنیتی به صورت محدودیت های طراحی تعریف می شوند، در حالی که توابع هدفی که وابسته به متغیرهای طراحی هستند به صورت بیشترین یافته ها تعریف می شوند. در سال های اخیر، الگوریتم های فوق ابتکاری که از طبیعت الهام گرفته اند بع طور معمول در بهینه سازی مهندسی به کار برده می شوند...