به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

hybrid optimization algorithm

در نشریات گروه مکانیک
تکرار جستجوی کلیدواژه hybrid optimization algorithm در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه hybrid optimization algorithm در مقالات مجلات علمی
  • محمدرضا ستاینده*

    هدف این مقاله نشان دادن قابلیت الگوریتم های بهینه سازی هیبرید در پیدا کردن طرح بهینه مناسب در مسائل بهینه سازی سیستم های پیچیده است. لذا در این مقاله بهینه سازی طراحی یک هواپیمای بی سرنشین به عنوان یک سامانه پیچیده با استفاده از روش بهینه سازی طراحی چندموضوعی1، الگوریتم ژنتیک2 و الگوریتم بهینه سازی هیبرید3 ارائه داده شده است. در این تحقیق، الگوریتم بهینه سازی هیبرید از الگوریتم ژنتیک به عنوان بهینه ساز کلی و از روش برنامه ریزی مربعی ترتیبی4 به عنوان بهینه ساز محلی استفاده نموده است. مساله بهینه سازی این تحقیق یک مساله بهینه سازی طراحی چندهدفه است که توابع هدف در نظر گرفته شده در آن کمینه سازی وزن برخاست و نیروی پسآی فاز سیر می باشند. قیود در نظر گرفته شده نیز مربوط به زوایای انحراف سطوح کنترل، پایداری و ویژگی های کیفیت پروازی (ضرائب میرائی، فرکانس های طبیعی و ثابت های زمانی) می باشند. مساله بهینه سازی طراحی مطرح شده با استفاده از الگوریتم بهینه سازی هیبرید و الگوریتم ژنتیک بطور مجزا حل گردیده و نتایج آنها با یکدیگر مقایسه شده است. اگرچه هر دو طرح قابل قبولند اما نتایج نشان می دهند که حل بهینه به دست آمده از الگوریتم هیبرید از نقطه نظر توابع هدف بهتر از حل بهینه به دست آمده از الگوریتم ژنتیک است که این موضوع عملکرد خوب این الگوریتم را برای بهینه سازی طراحی سیستم های پیچیده نشان می دهد.

    کلید واژگان: بهینه سازی طراحی چندموضوعی، الگوریتم ژنتیک، روش برنامه ریزی مربعی ترتیبی، الگوریتم بهینه سازی هیبرید، هواپیمای بی سرنشین
    Mohammadreza Setayandeh *

    This paper aims to show the capability of hybrid optimization algorithms in finding the proper optimal plan for optimizing complex systems. So design optimization of an unmanned aerial vehicle has been presented as a complicated system by using multidisciplinary design optimization, genetic algorithm, and hybrid optimization algorithm. This study uses a hybrid optimization algorithm from a genetic algorithm as a global optimizer and from sequential quadratic programming as a local optimizer. The optimization problem of this study is a multi-objective design optimization problem in which the considered objective functions are the minimization of takeoff weight and cruise drag force. The considered constraints are related to the deflection of the control surface, stability, and handling quality specifications (damping coefficients, natural frequencies, and time constants). The proposed design optimization problem has been solved by using a hybrid optimization algorithm and genetic algorithm separately, and their results have been compared to each other. Although both optimal designs are acceptable, results show that the optimal design of the hybrid optimization algorithm is better than the optimal design of the genetic algorithm from an objective functions point of view. This issue shows the good performance of a hybrid optimization algorithm for design optimization of complex systems.

    Keywords: Multidisciplinary Design Optimization, Genetic Algorithm, Sequential Quadratic Programming, Hybrid Optimization Algorithm, Unmanned Aerial Vehicle
  • Ali Reza Shafiee Sarvestany *, Mohammadjavad Mahmoodabadi
    In this research study, an attempt is made to present a new optimization scheme by combination of the firefly algorithm and artificial bee colony (FA-ABC) to solve mathematical test functions and real-world problems as best as possible. In this regard, the main operators of the two meta-heuristic algorithms are employed and combined to utilize both advantages. The results are compared with those of five prominent well-known approaches on sixteen benchmark functions. Moreover, thermodynamic, economic and environmental modeling of a thermal power plant known as the CGAM problem is represented. The proposed FA-ABC algorithm is used to reduce the total cost and increase the efficiency of the system as shown in the Pareto front diagrams.
    Keywords: Artificial bee colony algorithm, CGAM problem, Firefly Algorithm, Hybrid optimization algorithm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال