Integracja algorytmów ewolucyjnych z sekwencyjnymi metodami numerycznymi w optymalnym projektowaniu konstrukcji

• Autorzy: Krenich S.

Warianty tytułu

EN

Integration of evolutionary algorithms and sequential numerical methods for optimal design procedures

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje integrację algorytmów ewolucyjnych z algorytmami sekwencyjnymi w celu poprawy lokalnej eksploracji przestrzeni rozwiązań dla problemów jedno i wielokryterialnej optymalizacji konstrukcji. Zaproponowano algorytmy hybrydowe wykorzystujące znane algorytmy sekwencyjne (metodę zmiennej tolerancji, zmiennej metryki, metodę poszukiwań prostych, metodę sympleksu), a dla analizy wielokryterialnej znane podejście Min-Max oraz połączenie algorytmów ewolucyjnych z sekwencyjnymi w sposób umoŜliwiający generowanie pełnego zbioru rozwiązań Pareto optymalnych. W metodzie pierwszej punkty startowe dla algorytmu sekwencyjnego są generowane przez algorytm ewolucyjny zarówno na etapie poszukiwania minimów poszczególnych funkcji kryterialnych, jak i na etapie zastosowania podejścia Min-Max. Metoda druga polega na poprawie uzyskanego algorytmem ewolucyjnym zbioru Pareto przez zastosowanie wielokierunkowego algorytmu sekwencyjnego. W ramach badań wykorzystano kilka typów algorytmów ewolucyjnych połączonych z kilkoma algorytmami sekwencyjnymi. Przeprowadzono eksperymenty obliczeniowe dla wielu problemów, w tym problemu optymalizacji zbiornika powietrza, dwukryterialnej optymalizacji mechanizmu dźwigniowego oraz belki wielostopniowej. Uzyskane wyniki pokazują poprawę efektywność działania algorytmów ewolucyjnych.

EN

In the paper a new hybrid methods to single and multicriteria design optimization are presented. In these methods an evolutionary algorithm is combined with a sequential search method in the way that in each generation, each individual is under a learning process which results from applying several steps of the sequential search method. For the evolutionary part of the method, the constraint tournament selection method is applied here, whereas, for the sequential part, flexible tolerance, variable metrics, Hooke’a-Jeeves direct search and simplex methods are used. In the first approach, the starting points for the sequential algorithm are generated by the evolutionary algorithm, both at the stage of searching minima of each criterion functions, as well as in the application of the approach Min-Max. The second approach is to improve the Pareto set generated using the evolutionary algorithm by applying sequential algorithms. As examples, a numerical problem and three design optimization problems of a robot gripper, a 6-th step beam and a air reservoir are considered. For these examples the comparison between the classical evolutionary algorithm and the proposed approaches show the efficiency of the latter.

Słowa kluczowe

PL

optymalizacja numeryczna; konstrukcja; projektowanie konstrukcji; algorytm ewolucyjny; algorytm sekwencyjny

EN

numerical optimization; structure; building design; evolutionary algorithm; sequential algorithm

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 3297--3305
• Opis fizyczny: Bibliogr. 8 poz., rys., tab., wykr., pełen tekst na CD

Twórcy

autor

Krenich S.

• Instytut Technologii Maszyn i Automatyzacji Produkcji, Wydział Mechaniczny, Politechnika Krakowska, Al. Jana Pawła II 37, 31-864 Kraków

Bibliografia

• 1. Krenich S.: Multicriteria Design Optimization of Robot Gripper Mechanisms. IUTAM Symposium on Evolutionary Methods in Mechanics. Kluwer Academic Publ., 2004, str.. 207-218.
• 2. Małopolski W., Modelowanie i optymalizacja systemów wytwarzania w programie Arena, Czasopismo Techniczne, 8-M/2012, str. 91-110..
• 3. Osyczka A, Krenich S., A new constraint tournament selection method for multicriteria optimization using genetic algorithm, In: Proceedings of the Congress of Evolutionary Computing CEC’ 2000, San Diego, USA, str. 501-509.
• 4. Osyczka A., Computer Aided Multicriterion Optimization System (CAMOS), Wyd. ISP, 1992
• 5. Osyczka A., Krenich S., Montusiewicz J., Filtracja rozwiązań Pareto optymalnych w optymalizacji wielokryterialnej z wykorzystaniem algorytmów genetycznych, Zeszyty Naukowe Politechniki Koszalińskiej. Koszalin, Nr 29, 2000, str. 80-88.
• 6. Osyczka A., Krenich S.: Evolutionary Algorithms for Global Optimization, Chapter in: J. Pinter (Ed.) Global Optimization - Selected Case Studies, Kluwer Academic Publishers, 2007.
• 7. Osyczka A., Krenich S.: Some Methods for Multicriteria Design Optimization Using Evolutionary Algorithms. Journal of Theoretical and Applied Mechanics, 42, 3, str. 565-584, Warsaw, 2004.
• 8. Szymak P., Malec M., Morawski M., Conception of Research on Bionic Underwater Vehicle with Undulating Propulsion, Solid State Phenomena,Vol. 180, Trans Tech Publications Inc., 2012, str.160-167.