فهرست نشریات علمی دسترسی آزاد ایران

در این مطالعه، روشی جدید جهت استفاده در حل مسائل بهینه­ سازی هندسه و اندازه در سازه ­های خرپایی با استفاده از ترکیب مؤثر روش ماشین­ های یاخته­ ای (CA) و الگوریتم جستجوی گرانشی (GSA) ارائه شده است که در ادامه به نام روش CA-GSA نام‌گذاری شده است. اساس روش GSA، قوانین گرانش نیوتنی و حرکت است. این الگوریتم به علت تأثیرگذاری 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 شده­اند 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، به‌روزرسانی شبکه سلولی پس از هر به‌روزرسانی 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 مسأله بهینه­ سازی هندسه و اندازه اعضای سازهای خرپایی مبنا استفاده شده است. نتایج الگوریتم توسعه داده شده در این مقاله نشان‌دهنده­ ی برتری و قدرت این الگوریتم در بهینه‌سازی هندسه و اندازه سازه ­های خرپایی نسبت به سایر روش ­های مقایسه شده در این مقاله می ­باشد.