پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی

word
94
2 MB
32570
مشخص نشده
کارشناسی ارشد
قیمت: ۹,۴۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی

    چکیده

     طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر

     مرتضی ایلانلو

     

    در این پایان نامه ما به ارائه سنتز بهینه ابعادی مکانیزم شش میله­ای با قیدهای دورانی می­پردازیم. هدف از سنتز، تولید مسیر به گونه­ای است که تا حد امکان به مسیر مطلوب نزدیک­تر باشد. از زنجیره­های شش میله­ای، با هفت اتصال چرخشی، شناخته شده با یک درجه آزادی می­توان زنجیره وات و استفن­سون را نام برد. دو نوع مکانیزم از زنجیره وات و سه نوع مکانیزم از زنجیره استفن­سون حاصل می­شود که معرفی و چند کاربرد آنها در فصل 2 پایان­نامه آورده شده است.

    به منظور  سنتز بهینه تک هدفه مکانیزم، با در نظر گرفتن تابع خطای مسیر به عنوان تابع هدف، ترکیب الگوریتم ژنتیک و روش تجمعی ذره مورد استفاده قرار گرفته شده است و دقت نتایج خطای مسیر با آخرین نتایج در مقالات مقایسه می­شود. الگوریتم چند هدفه NSGAII برای کمینه سازی همزمان دو تابع هدف مورد استفاده قرار می­گیرد. دو تابع هدف با رفتار متضاد در نظر گرفته شده در این کار عبارتند از تابع خطای مسیر و انحراف زاویه انتقال از . در بهینه­­سازی دو هدفه با بکارگیری متد کاهش کنترل­ شده انحراف مجاز زاویه انتقال سرعت همگرائی تابع خطا را بالا برده و سعی در بدست آوردن جبهه پارتوئی مناسب می­شود.

     

     

    کلید واژه­ها: مکانیزم شش میله­ ای، بهینه سازی چند هدفه، الگوریتم ­های تکاملی، جبهه پارتو، روش تجمعی ذره

     

     

    Abstract

     Pareto Optimal Synthesis of  Six-bar Mechanism for path generation

     Morteza ilanlou

     

    In this thesis, we present the optimal dimentional synthesis of a six-bar mechanism with rotational constraints. The aim of the synthesis is to bring the generated path as close to the given path as possible. There are two types of  well-known six-bar chains with one-degree-of-freedom namely, watt chain and stephenson chain. Two types of mechanisms is created from watt chain and three types of mechanisms from stephenson chain that will peresented with some applications in chapter tow of this thesis.

    In order to single-objective optimal sinthesis, considering tracking error as objective function, combination of geneti algorithm and particle swarm method is used and tracking error accuracy results are compared with those given in the literature.

    Multi-objective NSGAII algorithm is used to minimize to objective functions. Two conflicting objective functions considered in this work are tracking error and transmission angle’s deviation from   . In multi-objective obtimization, fast convergence of tracking error and optimum pareto front  is achieved by using controlled decrease of transmission angle’s deviation method.

     

    Keywords: Six-bar Mechanism, Multi-Objective Optimization, Evolutionary Algorithms, Pareto front, Particle Swarm Optimization

    1پیشگفتار

    مکانیزم یک ابزار مکانیکی است که به منظور انتقال حرکت و یا نیرو از یک منبع به یک خروجی بکار می­رود. یک اهرم بندی تشکیل شده است از اهرم­ها (یا میله­ها) که به طور عمومی صلب در نظر گرفته می­شوند و توسط اتصالاتی از قبیل پین (لولا) یا لغزنده­های منشوری بطوری که زنجیره­های (حلقه­های) باز یا بسته را می­سازند، به یکدیگر وصل می­شوند. این چنین زنجیره­های سینماتیکی که حداقل یک اهرم آن ثابت و حداقل دو اهرم دیگر متحرک باقی بماند، مکانیزم نام دارد و اگر کلیه اهرم ها ثابت باشند، آنگاه سازه نامیده می­شود. به عبارت دیگر مکانیزم اجازه می­دهد اهرم­های "صلب" آن نسبت به یکدیگر حرکت داشته باشند. در حالی که برای سازه این چنین نیست.

    زنجیره­های سینماتیکی بخش مهم از مکانیزم­ها هستند که تحقیقات در زمینه آنها به دو بخش 1- آنالیز و 2- سنتز تقسیم می­شود.

    آنالیز: فرآیند بررسی حرکت همه اعضا و یا بعضی از اعضای زنجیره بر اساس پارامترهای هندسی مکانیزم می­باشد.

    سنتز: پیدا کردن یک مکانیزم که بتواند یک حرکت معین یا مسیر دلخواه را ایجاد نماید.

    بطور­کلی، سنتز مکانیزم­ها به سه بخش متفاوت: 1- سنتز نوع 2-سنتز عددی 3-سنتز ابعادی تقسیم می گردد. دو سنتز اول مربوط به نوع مکانیزم و تعداد اعضای مورد نیاز برای حرکت مکانیکی بخصوص هستند. در حالی که هدف از سنتز ابعادی پیدا کردن همه پارامتر­های ابعادی یک مکانیزم برای ایجاد حرکت دلخواه می­باشد. هدف ما در این تحقیق سنتز ابعادی برای یک مسیر مورد نظر می­باشد.

    در بررسی ابعادی سه مسئله مهم مورد بررسی قرار می­گیرد که عبارتند از:

    تولید ابعاد: هدف پیدا کردن مکانیزم برای ایجاد یک دسته از زوج­ها و خروجی معین می­باشد.

    تولید مسیر: هدف پیدا نمودن یک مکانیزم برای عبور عضو واسط از نقاط معین است.

    هدایت جسم صلب: هدف پیدا نمودن مکانیزم برای عبور عضو واسط از موقعیت­های معین شده برای آن، بعنوان یک جسم صلب است.

    برای سنتز یک مکانیزم گاهی از روش­های دقیق و گاهی از روش های تقریبی استفاده می­گردد. سنتز دقیق به معنی حل معادلات حاکم بر مسئله به صورت دقیق می­باشد و در سنتز تقریبی هدف حداقل کردن خطا برای این معادلات می­باشد که سنتز بهینه اختصاص به این روش دارد.

     

     

    1-2 تاریخچه سنتز ابعادی

    سنتز ابعادی بخش اصلی فرآیند طراحی و اولین قدم در طراحی ماشین می­باشد. به همین خاطر بیش از صد سال است که سنتز مکانیزم­ها، توجه بسیاری از طراحان را به سمت خود جلب کرده است. هر چند روش­های اولیه برای سنتز بصورت ترسیمی بودند اما بعدها این روش­ها به صورت حل دقیق تغییر یافتند.

    طبیعت غیرخطی بودن معادلات سنتز مانع از رشد این روش­های دقیق برای کاربردهای مختلف می­گردید که همین امر باعث شد تا تکنیک­های عددی با ظهور کامپیوترهای پر قدرت به حل این معادلات غیرخطی کمک کنند. اگرچه روش­های عددی منجر به حل تقریبی برای این معادلات می­شدند ولی محدودیت برای تعداد متغیرهای طراحی باعث ایجاد یک مشکل اساسی شد. اواسط دهه ی 60 با گسترش تکنیک های محاسباتی و روش­های بهینه­سازی مکانیزم­ها این مشکل اساسی برطرف گردید.

    فوائد بسیاری در بکارگیری روش­های بهینه­سازی مکانیزم­ها وجود دارد. برای مثال هیچ قیدی برای تعداد متغیر­های طراحی وجود ندارد. بنابراین ویژگی­هایی همچون قابلیت حرکت، زاویه انتقال و... را می­توان فرمول بندی کرد و در معادله به عنوان پارامترهای طراحی محاسبه نمود. در قرن نوزدهم کمپ (1876) و برمستر[1] (1888) سنتز ابعادی را در مسائل سینماتیکی بکار گرفتند. ولی در آن زمان پیشرفت کمی در این زمینه ایجاد گردید]1[.در قرن بیستم برخی از محققان تلاش خود را در زمینه سنتز سینماتیکی با توجه به شاخه خاصی از مکانیزم بکار گرفتند. بعد از جنگ جهانی دوم، هنگامی که صنعت به سرعت رشد نمود، تقاضا برای طراحی مکانیزم­های خاص افزایش یافت. نیاز های جدید، مسائل طراحی را با استفاده از روش های قدیمی بسیار پیچیده و سخت نمود. در سال (1954) لوتیسکی[2] و شاکوزیان[3] روش حداقل مربعات را برای سنتز مکانیزم­های فضاییRSSR  معرفی کردند]2[. و در سال (1955) فرودنشتین[4] یک روش تقریبی برای سنتز مکانیزم­های صفحه­ای چهار میله­ای برای تولید تابع معرفی کرد]3[. این دو کار موجب ایجاد عصر جدید سینماتیکی معروف به سینماتیک مدرن شدند.

    معادلات معروف فرودنشتاین و معادلات ورودی-خروجی برای مکانیزم RRRR صفحه ای در سال (1995) شکل گرفتند که بعدها برای سایر مکانیزم­های صفحه­ای گسترش یافتند و ایجاد یک رابطه کلیدی در سنتز سینماتیکی کردند]3[. بعد از این تحقیقات، فرودنشتین و سایرین بر روی یک روش سنتز، معروف به سنتز با استفاده از نقاط دقت کار کردند و موفق شدند با استفاده از چند جمله­ای­های تقریبی حاصله از نقاط دقت، این روش را معرفی کنند. اگرچه سنتز با استفاده از نقاط دقت برای مکانیزم­های ساده مناسب می­باشد، نواقصی همچون محدودیت تعداد متغیر­های طراحی و عدم کنترل بر روی  قید طراحی باعث عدم استفاده از این روش برای مکانیزم­های پیچیده­تر می­گردد. اواسط دهه 60، روش­های بهینه­سازی با بکارگیری برنامه­های محاسباتی معرفی شدند ومسائل سنتز مکانیزم­ها را کنترل نمودند (فاکس[5] و ویلمورت[6] 1967)]4[. با افزایش پیشرفت در برنامه­های محاسباتی بعد از جنگ جهانی دوم، کاربرد روش­های بهینه­سازی به سرعت افزایش یافت و پنجره جدیدی را بر روی روش­های قدیمی سینماتیکی باز نمود.

    1-3 محاسبات اولیه در بررسی مکانیزم­ها

    تلاش محققان در مسائل مربوط به مکانیزم­ها مربوط به دو بخش می­شود:

    رابطه بین متغیر­های ورودی و خروجی

    حرکت عضو یا اعضای واسطه

    مورد اول مربوط به آنالیز تولید تابع می­باشد و مورد دوم بررسی تولید مسیر و هدایت جسم صلب در طراحی مکانیزم­ها مورد بررسی قرار می­گیرند. با بررسی بر روی خواص مکانیزم شش­میله ای که در این تحقیق به آن پرداخته می­شود، هماننده مکانیزم پایه چهار میله ای، سه نکته عمده مرتبط با این مسائل می­توان عنوان نمود.

    قابلیت حرکتی: که امکان دوران هر یک از عضوهای ورودی یا خروجی را بررسی می­کند. چنانچه عضوی قادر به دوران 360 درجه باشد، به عنوان لنگ و در غیر اینصورت آونگ خواهد بود. و بر این اساس مکانیزم­ها به چهار دسته لنگ-لنگ، لنگ-آونگ، آونگ-لنگ و آونگ-آونگ تقسیم­بندی می­گردند.

    بررسی شاخه: برای یک ورودی معین بیش از یک خروجی امکان­پذیر می­باشد یا به عبارت دیگر پیکربندی­های متفاوتی برای یک موقعیت خاص می­توان مونتاژ نمود. پس خاصیت شاخه بررسی پیکر بندی­های ممکن برای این موقعیت خاص می باشد.

    انتقال نیرو و گشتاور: برای مکانیزم شش میله­ای مورد نطر که دارای یک درجه آزادی است، این خاصیت مربوط به انتقال نیرو و گشتاور از عضو ورودی به عضو خروجی می­باشد. به دلیل اینکه هر سه خاصیت ذکر شده به هندسه و ابعاد مکانیزم مربوط می­شوند، باید در ابتدای سنتز مورد توجه قرار بگیرند.

  • فهرست و منابع پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی

    فهرست:

                                                                                                                         صفحه

                                                                                                                                                         

    فصل1  مقدمه. 1

    1-1پیشگفتار 2

    1-2 تاریخچه سنتز ابعادی.. 3

    1-3 محاسبات اولیه در بررسی مکانیزم­ها 4

    1-4 بهینه­سازی.. 4

    1-4-1 تاریخچه بکارگیری بهینه­سازی در مکانیزم­ها 5

    1-4-2 مفاهیم کلی بهینه­سازی.. 7

    1-4-3 فرمول بندی عمومی بهینه­سازی.. 9

    1-5 نوآوری­های پایان­نامه. 10

    1-6 ساختار کلی پایان­نامه. 11

    فصل2  معرفی مکانیزم شش میله­ای وفرمول بندی آن.. 12

    2-1 مقدمه. 13

    2-2 برخی کاربردهای مکانیزم­های شش میله­ای.. 14

    2-3 تحلیل هندسی و روابط حاکم بر مکانیزم. 19

    2-4 نتیجه­گیری و جمع­بندی فصل.. 22

    فصل3 روش­های بهینه­سازی تک هدفه و چند هدفه. 23

    3-1  مقدمه. 24

    3-2  مفاهیم بهینه سازی.. 24

    3-2-1 مفاهیم بهینه­سازی تک هدفه. 24

    3-2-2 تعاریف و مفاهیم بهینه­سازی چند هدفه. 25

    3-3  روش­های بهینه سازی تک هدفه. 27

    3-3-1  الگوریتم ژنتیک... 27

    3-3-1-1  مقدمه. 27

    3-3-1-2 تاریخچه. 27

    3-3-1-3 ساختار الگوریتم ژنتیک... 28

    3-3-1-4 عملگرهای ژنتیکی.. 28

    3-3-1-5  روند کلی اجرای الگوریتم ژنتیک... 30

    3-3-2 الگوریتم تکامل تفاضلی.. 31

    3-3-2-1 مقدمه. 31

    3-3-2-2 تاریخچه. 32

    3-3-2-3 ساختار الگوریتم تکامل تفاضلی.. 32

    3-3-2-4 پارامترهاى کنترلى.. 35

    3-3-2-5  استراتژى­هاى متنوع DE.. 36

    ٣-٣-٣ الگوریتم تجمعى ذره (ازدحام ذرات) 37

    ٣-٣-٣-١ مقدمه. 37

    ٣-٣-٣-٢ تاریخچه روش بهینه سازى تجمعى ذره 37

    ٣-٣-٣-٣ روش بهینه­سازى تجمعى ذره استاندارد. 38

    ٣-٣-٣-٤ شبه برنامه روش بهینه سازى تجمعى ذره استاندارد. 40

    ٣-٣-٣-٥ بررسى ضریب وزن و ضرایب یادگیرى.. 41

    ٣-٣-٤ الگوریتم ترکیبى ژنتیک و تجمعى ذره 42

    ٣-٣-٤-١ الگوریتم ترکیبى HGAPSO.. 43

    ٣-٣-٤-٢ روش ترکیبى GAPSO.. 43

    ٣-٤ روش­هاى بهینه­سازى چند هدفى.. 45

    ٣-٤-١ روش بهینه­سازى مرتب سازى نقاط غیر برتر نسخه دوم) NSGA-II ( 45

    ٣-٤-١-١ زیربرنامه   Non-Dominant Sorting (NS) 46

    ٣-٤-١-٢ زیربرنامهCrowding Distance(CD) 46

    ٣-٤-١-٣ روند کلى الگوریتم NSGA-II 47

    3-5 نتیجه­گیری و جمع­بندی فصل.. 48

    فصل4   بهینه­سازی مکانیزم شش­میله­ای.. 49

    4-1 مقدمه. 50

    4-2 متد کاهش کنترل شده انحراف مجاز 51

    4-3 تابع هدف.. 56

    4-4  سنتز بهینه مکانیزم. 57

    4-4-1 بهینه سازی تک هدفه. 58

    4-4-1-1 سنتز بهینه مسیر اول. 58

    4-4-1-2 سنتز بهینه مسیر دوم. 65

    4-4-2 بهینه سازی دو هدفه. 72

    4-4-2-1 متد کاهش کنترل شده انحراف زاویه انتقال. 73

    4-4-2-2 نتایج بهینه سازی.. 75

    4-5 نتیجه­گیری و جمع­بندی فصل.. 78

    فصل5   نتیجه­گیری.. 79

    5-1 نتیجه­گیری.. 80

    مراجع.. 81

     

    منبع:

     

    L.Burmester, lehrbuch der kinematik,(1988).

    N.I.Levitskii, K.K.Shakvazian Wed, Synthesis of Four-Element spatial Mechanism with Lower pair, International Journal of Mechanism Sciences.vol.2,pp.76-92 (1954).

    F.Freudenstein, Aproximate In The Kinematic of Mechanism. Transactions of ASME. vol.12.No.9, (1955), pp.587-590.

    R.L.Fox, K.D.Willmert, Optimum design of Curve-Generating Linkages with Inequality Constraints, ASME Journal of engineering, vol.89, (1976), pp.144-145.

    C.H. Han, General Methode for The Optimization Design of Mechanisms, Journal of Mechanism, vol.89, (1966), pp.301-313.

    D.W.Lewis, C.K.Gyory, Journal of Mechanism, Journal of Mechanism, vol.89, (1967), pp.173-176.

    Y.L.Sarkisyan, K.C.Gupta, Kinematic Geometry Associated with The Least-Square Approximation of a Given motion, ASME Journal of Engineering for industry, vol.95, (1973), pp.503-510.

    Y.F.Chen, V.L.Chan, Dimensional synthesis of mechanism for Function Generation using Maruardts Compromise, ASME Journal of Engineering for Industry, vol.95, (1974), pp.131-137.

    G.H.Sutherland, B.Roth, An Inproved Least-Square Method for designing Function-Generation Mechanisms, ASME Journal of Engineering for Industry, vol.99, (1975), pp.303-307.

    C.Bagci, I.P.J.Lee, Optimum Synthesis of plane Mechanisms For Generation of path and Rigid body Positions, ASME Journal of Engineering for industry, vol.79. No.1, (1975), pp. 340-346.

    D.J.Wilde, Error Linearization in The Least-Square design of Function Generation Mechanisms, ASME Journal of Engineering for industry, vol.104, (1982), pp.881-884.

    محمد جواد محمود آبادی، بهینه سازی چند هدفی کنترلرهای خطی و غیر خطی به­وسیله الگوریتم ترکیبی GAوPSO، پایان نامه دکتری، دانشگاه گیلان، دانشکده فنی، گروه مهندسی مکانیک، 1391، کتابخانه مرکزی، شماره 7761.

    C.A.Coello Coello, G.B.Lamont, D.A. Van veldhuizen, Evolutionary Algorithm for Solving Multi-Objective Problems, Springer, second edition, 2007.

    S.S.Rao, Engineering optimizition, John wijey & sons, third edition,1996.

    J.Kennedy, R.C. Eberhart, Particle swarm optimizition, in: Proceedings of IEEE International Conference on Neural Networks, Path , Australia, vol.4, 1955, pp.1942-1948.

    P.J. Angeline, Using selection to improve particle swarm optimization, in: Proceedings of thr IEEE International Conference on Evolutionary Computation, Anchorage, AK, May 1998, pp.84-89.

    R.C. Eberhart, Y.Shi, Comparison between genetic algorithms and particle swarm optimization, in: proceedings of the IEEE Congress on Evolutionary Computation, Anchorage, AK, May 1998, pp.611-616.

    H.Yoshida, K,Kawata, Y.Fukuyama, a  particle swarm optimization for reactive power and voltagecontrol security assessment IEEE Transactions on power system 15(2000) 1232-1239.

    N.M. Kwok, D.K. Lui, G.Dissanayake, Evolutionary computating based mobile robot localization, Engineering Applications of Artificial Inteligence 19 (8) (2006) 857-868.

    C.R.Mouser, S.A.Dunn. Comparing genetic algorithms and particle swarm optimization for an inverse problem exersize, in: proceeding of 12th Computational Teckniques and Applications Conference, vol.46, 2005, pp.89-101.

    G.N. sandor, A.G.  Erdman, Advanced Mechanism Design. Analysis snd synthesis, Prentice- Hall, New Jersey, (1984)

    A.G.  Erdman, Dana Lonn, synthesis of Planar Six-bar Linkages for Five Precision Conditions by Complex Numbers, in Monograph on Mechanism Design, Paper No.59, 7 pgs. New York: McGraw-Hill book Company ; NSF Report No. GK-36624, 1977.

    J.S. Przemieniecki, Theory of Matrix Structural Analysis. New York: McGraw-Hill Book Company, 1968.

    B.E. Quinn, Energy Metod for Determining Dynamic Characteristics of Mechanisms, Journal of Applied Mechanics, 16E (1949), pp. 283-288

    V.K.Gupta, Kinematic Analysis of Plane and Spatial Mechanisms, Transactions of the ASME, Series B, vol.95, no.2 (1973), pp.481-486

    Rao, A.V.M., G.N.Sandor, Extension of Freudenstein’s Equation to Geard Linkages, Journal of Engineering for Industry, vol.93, no.1 (February 1971), pp.201-210

    R.R. Bulatović, S.R. Dordević, Optimal Synthesis of a Path Generator six-bar linkage, Journal of Mechanical Science and Technology 26 (12) (2012) 4027-4040

    M. Reyes-Sierra, C.A. Coello Coello, Multi-objective particle swarm optimizers: a survey of the state-of-art, International Journal of Computational Intelligence Research 2 (3) (2006), pp.287-308

    N.Nariman-Zadeh, K.Atashkari, A.Jamali, A.pilechi, X.Yao, Inverse modelling of multi-objective thermodynamically optimized turbojet engines using GMDH-type neural networks and evolutionary algorithms, Engineering Optimization 37 (26) (2005) 437-462.

    M.Mitchell. An introduction to Genetic algorithms, MIT press, Cambridge, MA, 1996.

    D. Beasley, D. Bull and R. Martin. An Overview of Genetic Algorithms: Part 1, Fundamentals, University of Cardiff, Cardiff, 1993.

    Back,t, Evolutionary Algorithms in Theory & Practice, Oxford University Press, 1996.

    D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, Reading, MA,1989.

    زهرا پاینده، طراحی الگوریتم بهنه‌سازی ترکیبی مبتنی بر تکامل تفاضلی و جستجوی هارمونی، پایان نامه کارشناسی ارشد دانشگاه آزاد اسلامی واحد ملایر، دانشکده فنی، گروه کامپیوتر.

    R.Storn, Differential Evolution - A simple and efficient adaptive scheme for global optimization over continuous spaces, International Computer Science Institute, 1947 Center Street, Berkeley, CA 94704,

    A. K. Qin, V.L.Huang, and P.N.Suganthan, Differential Evolution Algorithm with strategy Adaptation for Global Numerical Optimization, IEEE Transactions on Evolutionary Computation, vol. 13, No. 2, 2009.

    A. K. Qin, V.L.Huang, and P.N.Suganthan, Self-Adaptive Differential Evolution Algorithm for Constrained Real-Parameter Optimization, Congress on Evolutionary Computation, pp. 16-21, 2006.

    A. Musrrat, P.Millie, A.Ajith, Simplex Differential Evolution, Acta Polytechnica Hungarica, vol. 6,No. 5, 2009.

    C. W. Reynolds, Flocks, birds and schools: a distributed behavioral model, Computer Graphics 2 1 (4) (1987) 28-34.

    F. Heppner, U. Grenander, A Stochastic Nonlinear Model For Coordinated Bird Flocks, The Ubiquity of Chaose, AAAs Publications, Washington, DC, 1990.

    C. F. Lu, C. F. Juang, Evolutionary fuzzy control of flexible AC transmission system, IEEE Proc-Gener. Transm. Istrib., vol. 152, No. 4, July 2005.

    A. P. Engelbrecht, Computational Intelligence: An Introduction, John Wiley & Sons, Chichester, 2002.

    Y. Shi, R. C. Eberhart, A modified particle swarm optimizer, In: Proceeding of IEEE Congress on Evolutionary Computation, 1998, pp. 69-73.

    Y. Shi, R. C. Eberhart, Parameter selection in particle swarm optimization. In: Proceedingof the 7th Conference on Evolutionary Programming, New York,1998, pp. 591-600.

    F.V.D. Bergh, An analysis of particle swarm optimizers, Ph.D. thesis, Department of Computer science, University of Pretoria, South Africa, 2001.

    M. Clerc, J. Kennedy, The Particle Swarm-Explosion, Stability, and Convergence in a Multidimensional Complex Space, IEEE Transaction on Evolutionary Computation, Vol. 6, No. 1, February 2002.

    C. F. Lu, C. F. Juang, Evolutionary fuzzy control of flexible AC transmission system, IEEE Proc.-Gener. Transm. Distrib., Vol. 152, No. 4, July 2005.

    K. Premalatha, A. M. Natarajan, Hybrid PSO and GA for Global Maximization, Int. J. Open Problems Compt. Math, vol. 2, No. 4, December 2009 ISSN 1998-6262.

    C. A. Coello Coello, G. T. Pulido, M. S. Lechuga, Handling Multiple Objectives With Particle Swarm Optimization, IEEE Transactions on Evolutionary Computation, vol.8, no. 3, June 2004.

    R. C. Eberhart, Y. Shi, Comparison between genetic Algorithms and particle swarm optimization, in: Proceedings of the IEEE Congress on Evolutionary Computation, Anchorage, AK, May 1998, pp. 611-616.

    علی پور محمدی، بهینه سازی پارتوئی مکانیزم جنوا با تعداد شیار­های مختلف، پایان نامه کارشناسی ارشد، دانشگاه گیلان، دانشکده فنی، گروه مهندسی مکانیک، 1392

    K. Deb, A. Pratap, S. Agarwal, T. Meyarivan, A fast and elist multi-objective genetic algorithm: NSGA-II Transactions on Evolutionary Computation 6 (2) (2002) 182-197.

    D. E. Goldberg, Genetic Algorithms in search, Optimization, and Machine Learning, Addison Wesley, (1989).



تحقیق در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, مقاله در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, پروژه دانشجویی در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, پروپوزال در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, تز دکترا در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, تحقیقات دانشجویی درباره پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, مقالات دانشجویی درباره پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, پروژه درباره پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, گزارش سمینار در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, پروژه دانشجویی در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, تحقیق دانش آموزی در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, مقاله دانش آموزی در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی, رساله دکترا در مورد پایان نامه طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های تکاملی

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس