دانلود پایان نامه بهینه سازی مقطع سدهای وزنی بتنی با کمک الگوریتم ژنتیک

(۱۳۳ صفحه در قالب PDF)

پایان نامه برای دریافت درجه کارشناسی ارشد
مهندسی عمران – سازه های هیدرولیکی

عنوان :

بهینه سازی مقطع سدهای وزنی بتنی با کمک الگوریتم ژنتیک

چکیده

در این تحقیق به منظور آشنایی با مفهوم بهینه سازی و روش های مختلف ابداع شده در این ارتباط، به اختصار مطالبی ارائه شده است. پس از بیان پیشینه کوتاهی از چگونگی پردازش به این مبحث به عنوان یک علم مجزا، در ابتدا شیوه های گوناگون دسته بندی متداول بهینه سازی بیان شده است. در ادامه، اجزاء و مفاهیم دخیل در یک فرآیند بهینه سازی که در همه مسائل عمومیت دارند، معرفی می گردند و آنگاه چگونگی بیان مسائل بهینه سازی و اجزای آن به روش ریاضی نشان داده می شود. سپس روشهای مختلف حل مسائل بهینه سازی بر شمرده شده و به اختصار بیان گردیده است. روش های مختلف بهینه سازی زیادی جهت یافتن راهی که بتوان نسبت سود به هزینه را به بالاترین مقدار ممکن رساند مورد استفاده قرار گرفته اند. برای بهینه سازی و کاهش حجم بتن در سدهای بتنی وزنی از یک روش ناپیوسته غیر خطی استفاده شده است. در حقیقت این روش ناپیوسته غیر خطی توسط حل کننده نرم افزار آفیس ۱ محقق می شود. با معرفی تابع هدف به برنامه که حجم بتن مصرفی در مقطع عمودی سد و معرفی متغیرها ها به برنامه که پارامترهای شکل مقطع سد و محدودیت ها که شرایط پایداری سد می باشد، عمل جستجو در فضای مسئله صورت می پذیرد. نیروهای اساسی وارد بر یک سد وزنی در نظر گرفته شده و تحلیل سد با روش وزنی انجام گرفته شده است و از زهکش استفاده نشده است.

در شرایطی ایده آل از الگوریتم ژنتیک در دو حالت ۴ و ۵ متغیره برای مقایسه با روش ناپیوسته غیر خطی به منظور بهینه سازی استفاده شده است. در این مقایسه از دو سد وزنی بتنی کوتاه و بلند جهت بهینه سازی با هر دو روش استفاده شده و حجم بهینه بدست آمده در هر دو روش با هم و با حجم موجود سد مقایسه شده است، بطوری که در حالت ۵ متغیره در سد کوتاه و بلند به ترتیب شاهد ۱۳ % و ۴٫۷ % کاهش حجم در واحد عرض سد می باشیم. بررسی های موجود نشان می دهد که روش ناپیوسته غیر خطی ارائه شده نسبت به روش الگوریتم های فراابتکاری در بهینه سازی سدهای بتنی وزنی بسیار توانمند و کارا می باشد.

برای بررسی منطقی، فرض شد که شکل مقطع سد از یک سری ذوزنقه تشکیل شده است که در آن تعداد متغیرها و تعداد شکست دیواره های بدنه سد در حالت مخزن پر و خالی مورد بررسی قرار گرفته است. از حجم بتن استفاده شده در چهار سد وزنی بتنی با ارتفاع های مختلف برای نتیجه گیری اسنفاده شده است. نتایج نشان می دهد سد ۳۲ متری در حالت ۷ بلوکه و در ترکیب بارگذاری غیرعادی، در حالت ۸ بلوکه دو سد با ارتفاع های ۵۰ و ۸۶ متر و برای سد بلند تر با ارتفاع ۱۲۲ متر در حالت ۱۲ بلوکه بهینه می شود. به غیر از سد ۳۲ متری سایر سدهای مورد بررسی در ترکیب بارگذاری فوق العاده که نیروی زلزله را شامل می شود بهینه می شوند.

بررسی بهینه سازی سدهای بتنی وزنی با مد نظر قرار دادن نسبت شتاب زلزله متغیر بر اساس پایداری و محدودیت های طراحی نیز مد نظر قرار گرفته است. . دوازده ضریب زلزله برای بررسی نتایج در نظر گرفته شده است. نتایج نشان می دهد که با افزایش شتاب زلزله حجم بتن در واحد عرض و شیب دیواره بالا دست افزایش می یابد. بررسی های موجود نشان می دهد که این روش ناپیوسته غیر خطی در بهینه سازی سدهای بتنی وزنی بسیار مؤثر و توانمند است.

فهرست مطالب

چکیده ۱
مقدمه ۲

فصل اول : کلیات
۱-۱ ) هدف ۵
۲-۱ ) پیشینه تحقیق ۵
۳-۱ ) روش کار و تحقیق ۷

فصل دوم : بهینه سازی
۱-۲ )مقدمه ای بر بهینه سازی ۱۰
۲-۲ )صورت های مختلف تعریف بهینه سازی ۱۰
۳-۲ )مقایسه روش های طراحی ۱۱
۱-۳-۲ ) روش کلاسیک طراحی ۱۱
۲-۳-۲ ) طراحی بر اساس اصول بهینه سازی ۱۱
۴-۲ )روشهای مختلف حل مسائل بهینه سازی ۱۱
۵-۲ )اجزای مسائل بهینه سازی ۱۲
۱-۵-۲ ) تعریف مسئله بهینه سازی ۱۲
۲-۵-۲ ) تبدیل مسئله مقید به نامقید ۱۲

فصل سوم : بهینه سازی و کاربردهای آن در مهندسی عمران
۱-۳ )مقدمه ۱۵
۲-۳ ) وجود و یکتایی جواب بهینه ۱۵
۳-۳ ) بهینه سازی در غیاب قیود ۱۵
۴-۳ ) بهینه سازی در مسائلی که قیود وجود دارند ۱۶
۵-۳ ) شرایط کون-تاکر ۱۷
۶-۳ ) محاسبه قیود بطریقی تحلیلی ۱۸
۷-۳ ) محاسبه مشتقات قیود به شیوه ای تحلیلی ۱۹

فصل چهارم : الگوریتم های فراابتکاری و کاربرد آنها
۱-۴) مقدمه ۲۲
۲-۴) جستجوی همسایگی کلاسیک (جستجوی محلی) ۲۲
۳-۴) الگوریتم جامعه پرندگان ۲۳
۴-۴) بهینه سازی تکاملی سازه ها (ESO) .ر ۲۴
۱-۴-۴ ) مقدمه ۲۴
۲-۴-۴ ) نظریه بهینه سازی تکاملی سازه ۲۴
۳-۴-۴ ) تابع هدف ۲۵ ۴-۴
۴-۴-۴ ) مقایسه و استراتوژی ۲۶
۵-۴) الگوریتم ژنتیک ۲۶
۱-۵-۴ ) معرفی و پیشینه الگوریتم ۲۶
۲-۵-۴ ) تاریخچه ۲۸
۳-۵-۴ ) شبکه های ژنتیک در سازه ها ۲۹
۴-۵-۴ ) مقدمه ۳۰
۵-۵-۴ ) تابع برازش (برازندگی) ۳۰
۶-۵-۴ ) کروموزوم ۳۲
۷-۵-۴ ) عملگرهای اساسی الگوریتم ژنتیک ۳۳
۱-۷-۵-۴ ) تکثیر یا تجدید مجدد ۳۳
۲-۷-۵-۴ ) نمونه گیری تصادفی و جایگزینی ۳۴
۳-۷-۵-۴ ) انتخاب چرخ رولت تصادفی بازگشتی ۳۴
۴-۷-۵-۴ ) رقابت و انتخاب ۳۵
۵-۷-۵-۴ ) عملگر ترکیب (برش / تقاطع) ۳۵
۶-۷-۵-۴ ) ترکیب (برش) از یک نقطه ۳۶
۷-۷-۵-۴ ) برش (ترکیب) از چند نقطه ۳۶
۸-۷-۵-۴ ) برش یکنواخت ۳۷
۹-۷-۵-۴ ) جهش ۳۷
۸-۵-۴ ) جمعیت اولیه ۳۸
۹-۵-۴ ) نحوه انتخاب والدین برای نسل بعدی ۳۸
۱۰-۵-۴ ) ارزیابی و انتخاب کروموزوم های جدید ۳۹
۱۱-۵-۴ ) شرایط توقف الگوریتم ژنتیک ۳۹
۱۲-۵-۴ )مراحل الگوریتم ژنتیک ۳۹
۱۳-۵-۴ ) طراحی الگوریتم برای مسئله ۴۰
۱۴-۵-۴ )فلوچارت گام به گام اجرای الگوریتم ژنتیک ۴۰
۶-۴) الگوریتم لانه مورچگان ۴۲
۱-۶-۴ ) مقدمه ۴۲
۲-۶-۴ ) بهینه سازی جامعه مورچگان ۴۴
۳-۶-۴ ) سیستم مورچگان ۴۶
۴-۶-۴ ) سیستم مورچگان ترتیبی ۴۷
۷-۴) شبکه های عصبی مصنوعی ۴۷
۱-۷-۴ ) مقدمه ۴۷
۲-۷-۴ ) کاربرد شبکه های عصبی بهینه سازی ۴۹
۱-۲-۷-۴ ) مقدمه ۴۹
۲-۲-۷-۴ )شبکه های عصبی در بهینه سازی ۵۰
۳-۷-۴ ) شبکه های عصبی بیولوژیکی ۵۱
۴-۷-۴ ) ساختار شبکه های عصبی مصنوعی ۵۲
۱-۴-۷-۴ ) شبکه تک لایه ۵۳
۲-۴-۷-۴ )شبکه های چند لایه ۵۴
۳-۴-۷-۴ ) لایه رقابتی ۵۵
۴-۴-۷-۴ ) مقادیر وزن ها قبل از آموزش ۵۵
۵-۴-۷-۴ ) آموزش با معلم ۵۶
۶-۴-۷-۴ )آموزش بدون معلم ۵۶
۷-۴-۷-۴ ) توابع تحریک مورد استفاده در شبکه های عصبی ۵۶
۱-۷-۴-۷-۴ ) تابع تحریک واحد (خطی) ۵۷
۲-۷-۴-۷-۴ ) تابع تحریک پله ای ۵۸
۳-۷-۴-۷-۴ ) تابع تحریک سیگموئید (منحنی شکل) ۵۸
۸-۴-۷-۴ ) بایاس و آستانه تحریک ۵۹
۵-۷-۴ ) تاریخچه شبکه های عصبی و روند توسعه آنها ۵۹

فصل پنجم: سد بتنی وزنی
۱- ۵) مقدمه ۶۲
۲-۵ ) هماهنگی بر اساس نظم ۶۲
۳-۵ ) مشخصه طراحی بتن ۶۲
۴-۵ ) بارهای وارد بر سد: ۶۳
۱-۴-۵ ) نیروهایی که در جهت پایداری سد عمل می نمایند ۶۳
۲-۴-۵ ) نیروهایی که در جهت ناپایداری سد عمل می نمایند ۶۴
۵-۵ ) بارهای دینامیکی ۶۸
۱-۵-۵ ) اصول بررسی ها ۶۸
۲-۵-۵ ) ضریب لرزه ای ۶۹
۳-۵-۵ ) روند آنالیز دینامیکی ۶۹
۶-۵ ) روش تحلیل ۶۹
۱-۶-۵ ) تحلیل دینامیکی ۶۹
۲-۶-۵ ) تحلیل وزنی ۷۰
۷-۵ ) ترکیب بار ۷۱
۸-۵ ) صورت های مختلف ضوابط پایداری سد بتنی وزنی ۷۱

فصل ششم: حل کننده مایکروسافت آفیس
۱-۶ ) مقدمه ۷۵
۲-۶ ) مزایای حل کننده آفیس ۷۵
۳-۶ ) توپولوژی ۷۵
۴-۶ ) جزئیات حل کننده ۷۶

فصل هفتم: بررسی مقایسه ای مابین الگوریتم ژنتیک و روش حل کننده مایکروسافت آفیس در بهینه سازی سدهای بتنی وزنی
۱-۷ ) مقدمه ۷۸
۲-۷ ) مواد و روش تحلیل ۷۸
۳-۷ ) حل مسئله با ابزار الگوریتم ژنتیک در نرم افزار مطلب ۷۹
M-File (4-7 مسئله ۷۹
۵-۷ ) استفاده از الگوریتم ژنتیک ۷۹
۱-۵-۷ ) فراخوان کردن تابع الگوریتم ژنتیک ga در خط فرمان ۷۹
۲-۵-۷ ) استفاده از ابزار الگوریتم ژنتیک ۸۰
۶-۷ ) ضریب کوچ یا مهاجرت در مسئله ۸۰
۷-۷ ) جمعیت اولیه الگوریتم ژنتیک در مسئله ۸۱
۸-۷ ) استفاده از حل کننده آفیس ۸۱
۱-۸-۷ ) مقدمه ۸۱
۲-۸-۷ ) مواد و روش ۸۱

فصل هشتم: ارائه یک روش ناپیوسته غیرخطی منطقی و توانمند در بهینه سازی سدهای بتنی وزنی
۱-۸ ) صورت کلی مسئله بهینه یابی ۸۶
۲-۸ ) حل مسئله ۸۶
۳-۸ ) مدل ریاضی بهینه سازی سد بتنی وزنی ۸۶
۴-۸ ) مطالعه موردی ۸۶
۵-۸ ) بهینه سازی با مد نظر قرار دادن شتاب زلزله متغیر ۸۸
۱-۵-۸ ) زلزله در سد بتنی ۸۸
۲-۵-۸ ) بارگذاری زلزله ۸۹
۳-۵-۸ ) روش حل ۹۰

فصل نهم : نتیجه گیری و پیشنهادات
نتیجه گیری ۹۴
پیشنهادات ۹۵
پیوست ۱ :  M-File نوشته شده برای تابع هدف ۹۶
پیوست ۲ :  M-File نوشته شده برای تابع محدودیت ۹۷
پیوست ۳ : فراخوان کردن تابع الگوریتم ژنتیک  ga در خط فرمان برای مسئله ۱۰۰
پیوست ۴: نمایی از ابزار الگوریتم ژنتیک ۱۰۱
پیوست ۵: ضریب کوچ یا مهاجرت الگوریتم ژنتیک در مسئله ۱۰۲
پیوست ۶: جمعیت اولیه الگوریتم ژنتیک در مسئله ۱۰۴
منابع و ماخذ ۱۰۹
فهرست منابع فارسی ۱۰۹
فهرست منابع لاتین ۱۱۰
چکیده انگلیسی ۱۱۶