بهینه سازی اندازه و هندسه سازه های خرپایی با استفاده از ترکیب روش های بهینه سازی جستجوی گرانشی و ماشین های یاخته ای

در این مطالعه، روشی جدید جهت استفاده در حل مسایل بهینه سازی هندسه و اندازه در سازه های خرپایی با استفاده از ترکیب موثر روش ماشین های یاخته ای (CA) و الگوریتم جستجوی گرانشی (GSA) ارایه شده است که در ادامه به نام روش CA-GSA نامگذاری شده است. اساس روش GSA قوانین گرانش نیوتونی و حرکت است. این الگوریتم به علت تاثیرگذاری مستقیم همه اجرام بر یکدیگر و عدم توجه به موضوع نخبه گرایی، دارای ضعف همگرایی محلی است. در این تحقیق، با کمک روش CA، اجرام در یک شبکه سلولی متناهی توزیع شده اند و هر سلول تنها با همسایه های خود در ارتباط است. در روش CA-GSA، قوانین گرانش و حرکت اجرام در روش GSA به عنوان عامل ارتباط هر سلول با سلول های همسایه خود تعریف شده است. بنابراین، نیروی اعمال شده به هر جرم از برآیند نیروی اجرام برتر همسایه اش، بدست می آید. تعریف این اجرام همسایه و اعمال نیروی آنها به جرم مرکزی، حافظه و نخبه گرایی را به الگوریتم GSA افزوده است. مزیت دیگر روش جدید، بروزرسانی شبکه سلولی پس از هر بروزرسانی است که موجب می شود الگوریتم با تعداد آنالیزهای کمتر به مقدار بهینه اصلی دست بیابد. جهت بررسی سودمندی روش پیشنهادی و مقایسه با روش های CA و GSA، از سه روش CA، GSA و CA-GSA در حل چهار مساله بهینه سازی هندسه و اندازه اعضای سازهای خرپایی مبنا استفاده شده است. نتایج الگوریتم توسعه داده شده در این مقاله نشان دهنده ی برتری و قدرت این الگوریتم در بهینه سازی هندسه و اندازه سازه های خرپایی نسبت به سایر روش های مقایسه شده در این مقاله می باشد.