Tytuł artykułu
Autorzy
Identyfikatory
Warianty tytułu
Self-adaptive method of genetic algorithm in optimization of spatial truss structures
Języki publikacji
Abstrakty
W artykule przedstawiono optymalizację masy przestrzennych kratownic stalowych metodą algorytmów genetycznych w połączeniu z metodą elementów skończonych. W metodzie algorytmów genetycznych zastosowano kodowanie całkowitoliczbowe dyskretnego zbioru zmiennych projektowych oraz samoadaptacyjną metodę opartą na arytmetyce logiki rozmytej mającą poprawić jakość i szybkość optymalizacji. W przykładach zaprezentowano efektywność zaproponowanej metody do optymalizacji masy kratownic z uwzględnieniem dopuszczalnych przemieszczeń i naprężeń.
In the article genetic algorithm method in combination with finite element method was used for the optimization of the weight of spatial steel truss structures. Integer encoding of a discrete set of design variables and self-adaptive method based on the fuzzy logic mechanism for improving the quality and speed of optimization were applied in the method of genetic algorithm. The examples present the efficiency of proposed method for weight optimization of spatial trusses taking into account allowable displacements and stresses.
Czasopismo
Rocznik
Tom
Strony
80--86
Opis fizyczny
Bibliogr. 18 poz.
Twórcy
Bibliografia
- 1. Ali N. B. H., Sellami M., Cutting-Decelle A.F., Mangin J. C.: Multi-stage production cost optimization of semi-rigid steel frames using genetic algorithms. “Engineering Structures” 2009, 31, p. 2766 – 2778.
- 2. Bekiroglu S., Dede T., Ayvaz Y.: Implementation of different encoding types on structural optimization based on adaptive genetic algorithm. “Finite Elements in Analysis and Design” 2009, 45, p. 826 – 835.
- 3. Blachut J., Eschenauer H.A.: Emerging methods for multidisciplinary optimization. CISM No. 425. Wien, New York: Springer, 2001.
- 4. Burczyński T., Poteralski A.: Advanced evolutionary optimization of 3-D structures. European Congress on Computational Metods in Applied Sciences and Engineering, ECCOMAS 2004.
- 5. Cheng J.: Optimum design of steel truss arch bridges using a hybrid genetic algorithm. “Journal of Constructional Steel Research” 2010, 66, p. 1011 – 1017.
- 6. Coelle C. A., Christiansen A.D.: Multiobjective optimization of trusses using genetic algorithms. “Computers and Structures” 2000, 75, p. 647 – 660.
- 7. Dede T., Bekiroglu S., Ayvaz Y.: Weight minimization of trusses with genetic algorithm. “Applied Soft Computing”, 2011, 11, p. 2565 – 2575.
- 8. Degertekin S. O., Saka M. P., Hayalioglu M.S.: Optimal load and resistance factor design of geometrically nonlinear steel space frames via tabu search and genetic algorithm. “Engineering Structures” 2008, 30,p. 197-205.
- 9. Erbatur F., Hasancebi O., Tutuncu I., Kilic H.: Optimal design of planar and space structures with genetic algorithms. “Computers and Structures” 2000, 75, p.209 – 224.
- 10. Goldberg D. E.: Algorytmy genetyczne i ich zastosowania. Warszawa: WNT, 1995.
- 11. Hajela P., Lee E.: Genetic algorithms in truss topological optimization. “Int. J. Solids Structures” 1995, Vol. 32, No. 22, p. 3341 – 3357.
- 12. Hayalioglu M. S.: Optimum design of geometrically non-linear elastic-plastic steel frames via genetic algorithm. “Computers and Structures” 2000, 77, p. 527 – 538.
- 13. Hu X.B., Wu S.F.: A self-adaptive genetic algorithm based on fuzzy mechanism. In: 2007 IEEE Congress on Evolutionary Computation, p. 4646 – 4652.
- 14. Kwak H-G., Kim J.: An integrated genetic algorithm complemented with direct search for optimum design of RC frames. “Computer-Aided Design” 2009, 41, p. 490– 500.
- 15. Lingyun W., Mei Z., Guangming W., Guang M.: Truss optimization on shape and sizing with frequency constraints based on genetic algorithm. “Comput. Mech.” 2005, 35, p. 361 – 368.
- 16. Srinivas M., Patnaik L. M.: Adaptive probabilities of crossover and mutation in genetic algorithms. IEEE “Transaction on Systems, Man and Cybernetics” 1994,Vol. 24, No. 4, s. 656 - 667.
- 17. Varnamkhasti M. J., Lee L. S.: A fuzzy genetic algorithm based on binary encoding for solving multidimensional knapsack problem. “Journal of Applied Mathematics” 2012, Article ID 703601, 2012.
- 18.Yager R. R.: Podstawy modelowania i sterowania rozmytego. Warszawa: WNT, 1995.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-d9025d0b-19e4-4fbc-8fa1-ddcd52c6ba3f