ترکیب الگوریتم‌های گرادیانی و تکاملی برای بهبود عملکرد بهینه‌سازی مشارکتی

نویسندگان

1 دانشگاه خواجه نصیر الدین طوسی - هوافضا

2 دانشکدة مهندسی هوافضا، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده

بهینه‌سازی مشارکتی یکی از روش‌های بهینه‌سازی طراحی چندموضوعی دو سطحی است،‌ که از سطح سیستم و سطح موضوع تشکیل شده و در حل مسائل پیچیدة مهندسی کاربرد دارد. به‌دلیل همگرایی سخت این روش در سطح موضوع و به علت نویزی بودن قیود سطح سیستم از طرفی و لزوم مینیمم‌کردن تابع هدف در سطح سیستم از طرف دیگر؛ در این روش بهینه‌سازی، طراح، ناگزیر از استفاده از الگوریتم‌های تکاملی به‌منظور مینیمم‌کردن تابع هدف در سطح سیستم است. بنابراین، ثابت شده است که به‌کارگیری این الگوریتم‌ها با توجه به ماهیت مربوطه بسیار پرهزینه و زمان‌بر است. در این مقاله، با بررسی انجام شده، نحوة جدیدی از به‌کارگیری الگوریتم‌های بهینه‌سازی ابداع شده است که با استفاده از آن در حل مسائل نمونه، نتایج خوبی حاصل شده است. نشان داده شده است که با استفاده از این شیوه تعداد فراخوانی تابع یا زمان حل مسئله و به تبع آن هزینةمحاسبات به‌طور محسوسی کاهش خواهد یافت. همچنین نشان داده شده است که این شیوه بعضاً باعث افزایش دقت نیز خواهد شد.

کلیدواژه‌ها


عنوان مقاله [English]

Combining Gradient and Evolutionary Algorithms for Improving Collaborative Optimization Performance

نویسندگان [English]

  • H. Darabi 1
  • J. Roshanian 2
چکیده [English]

Collaborative optimization is one of bi-level multidisciplinary optimization methods which consists of system level and discipline level and is applied for complex engineering problems. since this method is rigidly convergent at discipline level because of noisy constraints at system level on one hand and minimizing objective function necessity at system level on the other hand, this optimizationmethod is forced to use evolutionary algorithms in order to minimize objective function at system level, also, It has been proved that, applying this algorithms according to their nature is expensive and time consuming. This paper with performed inspections is a new method for applying innovated optimization algorithms through which considerable results are obtained in solving sample problems. It is shown that using this method will decrease function calls number or problem solving time and therefore calculating costs will decrease considerably. Also it is shown that this method sometimes increase accuracy.

کلیدواژه‌ها [English]

  • Multidisciplinary design optimization
  • evolutionary algorithms
  • Simulated Annealing
  • Gradient based algorithms