دانلود شبیه سازی مقاله الگوریتم تولید مواد: الگوریتم فراابتکاری برای بهینه سازی مسائل مهندسی

پروژه متلب الگوریتم بهینه سازی تولید مواد

برای طراحی بهینه مسائل مختلف زندگی روزمره، جهت افزایش بازده سیستم ها و منابع انسانی، روش های بهینه سازی پیشنهاد شده اند. اکثر مسائل طراحی در طبیعت، پیچیده هستند و چندین متغیر و قید طراحی دارند که الگوریتم های بهینه سازی کلاسیک، مانند الگوریتم های مبتنی بر گرادیان، نمی توانند آنها را حل کنند. به عنوان یک راهکار، متخصصان متعدد هوش مصنوعی، الگوریتم های جدیدی با عملکرد بهتر در زمینه ها و رشته های مختلف، معرفی کرده اند. با توجه به توسعه های اخیر در فنآوری، روش های بهینه سازی جدید که بازده بالاتر، دقت بیشتر و افزایش نرخ سرعت را ارائه می دهند، برای حل مسائل بهینه سازی دشوار، لازم هستند.

یک الگوریتم جدید، به نام «الگوریتم تولید مواد» (MGA)، برای طراحی بهینه مسائل مهندسی، ابداع و بکار گرفته شده است. تعدادی جنبه پیشرفته و پایه برای خصوصیات شیمیایی مواد، بخصوص آرایش ترکیبات شیمیایی و واکنش های شیمیایی در تولید مواد جدید، به عنوان مفاهیم الهام بخش MGA، تعیین شده اند. برای کاربردهای بررسی عددی، 10 مسئله بهینه سازی مقید در ابعاد 10، 30، 50 و 100، که توسط «رقابت هایی براساس محاسبات تکاملی» (CEC)، مورد بررسی مقایسه ای قرار گرفته اند، به عنوان نمونه های آزمون انتخاب شده اند، درحالی که 15 عدد از مسائل طراحی مهندسی نیز برای ارزیابی عملکرد کلی روش پیشنهادی، در نظر گرفته شده اند. بهترین نتایج الگوریتم های کلاسیک مختلف و الگوریتم های بهینه سازی فرا ابتکاری جدید برای حل مسائل انتخاب شده، از مجموعه مقالات اخیراً انجام شده انتخاب شدند تا با MGA مقایسه شوند. علاوه بر آن، مقادیر آماری الگوریتم MGA، متشکل از میانگین انحراف، بدترین انحراف و انحراف معیار، محاسبه شدند و با نتایج الگوریتم های فرا ابتکاری دیگر، مقایسه شدند. بطور کلی، این کار نشان می دهد که MGA پیشنهادی قادر به ارائه نتایج بسیار رقابتی و حتی برتر می باشد و عمدتاً عملکرد بهتری نسبت به روش های فراابتکاری دیگر دارد.

در این مقاله، «الگوریتم تولید مواد» (MGA) به عنوان یک روش فرا ابتکاری جدید برای کاربردهای مختلف و مسائل بهینه سازی متنوع، ارائه می شود. از این نظر، 25 مسئله طراحی مقید برای ارزیابی MGA در نظر گرفته شدند که شامل 10 مسئله مقید از لحاظ ریاضیاتی ارائه شده توسط «رقابت هایی براساس محاسبات تکاملی» (CEC 2017) و 15 مسئله طراحی مهندسی مشهور، بودند. جهت مقایسه، بهترین نتایج روش های فراابتکاری مختلف، مانند فرا ابتکاریهای نوین از CEC 2017، برای مقایسه انتخاب شدند. با توجه به نتایج MGA در حل مسائل ریاضیاتی، لازم به ذکر است که این الگوریتم قادر به فراهم کردن نتایج بسیار رقابتی در ابعاد مختلف است. علاوه بر آن، MGA، نتایج بسیار برجسته ای در همه مسائل طراحی مهندسی مقید، در مقایسه با الگوریتم های قبلاً گزارش شده، حاصل کرد. مخصوصاً اینکه، بالاترین تفاضل حدود 24% بین بهترین نتایج MGA و بهترین نتایج گزارش شده تاکنون در مقالات، برای مسئله طراحی مهندسی ترمز کلاچ چند دیسکی، مشاهده شده است. برای مسئله طراحی خرپای سه میله ای، MGA می تواند نتایج بسیار رقابتی حاصل کند و مهمتر اینکه، نزدیک به بهترین نتایج تاکنون گزارش شده را حاصل کرده است. برای مسائل کشش یا تراکم فنر، مخزن تحت فشار و یاتاقان غلطشی، بهترین نتایج برای MGA بالاتر از بهترین نتایج گزارش شده بودند.

این مقاله مربوط به سال 2021 بوده و شبیه سازی آن در محیط نرم افزار متلب (MATLAB) انجام شده است و در ادامه نیز تصویر مربوط به خروجی شبیه سازی قرار داده شده است: