ب: کنترل سیستمهای فازی[۷۱]
پ: باز شناسی الگو[۷۲]
ت: انتخاب ویژگی
ج: خوشه بندی اطلاعات
د: مسیر یابی
و: دیگر کاربرد­ها….
که در این پایان نامه از کاربرد این الگوریتم برای مبحث مسیر یابی که در قسمت دال در بالا بیان شده است استفاده می­گردد. در بحث شبکه های مصنوعی، PSO در زمینه ­های: ۱- تنظیم وزن اتصالات شبکه[۷۳]، ۲- معماری شبکه[۷۴] (تابع تبدیل، وضعیت شبکه[۷۵]) و۳- آموزش شبکه[۷۶] کاربرد دارد. بیشتر فعالیتها حول محور آموزش شبکه با بهره گرفتن از PSO به جای روش پس انتشار خطا[۷۷] معطوف شده و نشان داده شده است که PSO در اغلب موارد با سرعت بالاتر به جوابهای بهتری در رسیده است. در بخش ۴-۳ این فصل اشاره شد که ذره­ها بعنوان جواب مسئله در نظر گرفته می­شوند و در طی مراحل الگوریتم نسبت به تابعی که باید بهینه شوند، ارزیابی شده و به سمت جواب بهینه هدایت می­شوند در آموزش شبکه عصبی، وزن­های شبکه همان جواب مسئله هستند و خطای حاصل نیز به عنوان تابعی است که مینیمم آن باید پیدا شود. اگر شبکه عصبی، دو لایه شامل D گره ورودی، M نرون در لایه میانی و C گره در لایه خروجی در نظر گرفته شود بعد هر ذره در جمعیت برابر W است که[۲۸]:
پایان نامه - مقاله - پروژه
W = (D+1)*M + (M+1)*C (۴-۳)
البته در مواردی به منظور بالا بردن سرعت پردازش این بردار به دو بردار تقسیم می­ شود و هر کدام بصورت مجزا بهینه شده ­اند. مرجع در مورد خوشه بندی، مرجع راجع به انتخاب ویژگی، مراجع در زمینه شبکه ها ها عصبی و مراجع در مورد مسائل مسیریابی به بحث پرداخته اند.
جهت توضیح بیشتر در مورد الگوریتم PSO که در بخش(۴-۳) آورد شده است بهتر است روند کامل برنامه تهیه شده در این تحقیق را در این قسمت آورده شود.
۴-۶- آشنایی با برنامه PSOSLOPE
برنامه کامپیوتری تهیه شده دراین پایان نامه به زبان MATLAB7 نوشته شده است. در این برنامه برای محاسبه ضریب اطمینان پایداری در برابر لغزش از روش بیشاپ اصلاح شده استفاده می­گردد و جهت بهینه یابی سطح لغزش بحرانی شیروانی­ها از الگوریتم جامعه پرندگان استفاده شده است. در برنامه فوق تابع ضریب اطمینان Fs مطابق روابط (۲-۲۴)و(۲-۲۶) که در فصل دوم این پایان نامه آمده است، به عنوان تابع هدف در نظر گرفته می­ شود. هدف این تحقیق جستجوی کمترین مقدار برای FS به عنوان تابع هدف در شیروانی­های خاکی است یا به عبارتی یافتن محتمل­ترین سطح لغزش در شیروانی­ها می­باشد. برای تحلیل شیروانی­ها متغییرهای تحلیل برنامه را مشخصات هندسی دایره لغزش شیروانی (Xo,Yo,Xtc) در نظر گفته می­ شود کهXo فاصله مرکز دایره لغزش از محور Yها در جهت محور Xها می­باشد، Yo موقعیت مرکز دایره لغزش نسبت به محور Xها در راستای محور Yها است،Xtc مقدار فاصله نقطه شروع دایره لغزش در بالای شیب شیروانی از محور Yها در جهت محورXها می­باشد. این نقاط در شکل (۴-۳) قابل مشاهده می­باشد.
شکل(۴-۳) مشخصات هندسی دایره لغزش در برنامه PSOSLOPE
با توجه به تمهیداتی که در این برنامه به کار گرفته شده است، کاربر به راحتی می تواند اطلاعات ورودی مورد نیاز مساله خود را وارد نموده. پنجره درخواست اطلاعات برای برنامه فوق مطابق شکل (۴-۴) می­باشد.
شکل(۴-۴) نحوه وارد نمودن ورودی­های برنامه PSOSLOPE
بعد از اجرای برنامه برای شیروانی موردنظر، کاربر می ­تواند در مدت زمان کوتاه به جواب مورد نظر خود یعنی حداقل ضریب اطمینان(Fs) را بدست آورد، در شکل (۴-۵) پنجره خروجی اطلاعات نتیجه شده، قابل مشاهده می­باشد. در ادامه نحوه انجام عملیات برنامه و هم چنین نحوه عملکرد آن ارائه شده است.
شکل(۴-۵) خروجی نتایج برنامه PSOSLOPE
۴-۷- مراحل اجرای برنامه PSOSLOPE
مراحل اجرای برنامه تهیه شده برای جستجوی سطح لغزش شیروانی­های خاکی در این تحقیق به صورت زیر می باشد:
۱- تعیین مشخصات هندسی شیروانی ( ارتفاع شیروانی H و شیب شیروانی با β ارتفاع آب از بالای شیروانی H1w و H2w ) و مشخصات فیزیکی خاک ( زاویه اصطکاک داخلی  ، چسبندگی خاک c، وزن مخصوص خاک  و وزن مخصوص اشباع  )، که تمامی پارامترهای ذکر شده در اشکال(۴-۳) و (۴-۴) قابل مشاهده است، کاربر آنها را برای برنامه تعریف می­ کند.
۲- ورودی های الگوریتم مطابق عبارات زیر برای برنامه تعریف می­ شود:
number_ particle :الف
number_variable :ب
max_iteration :پ
i_converge :ج
عبارت قسمت(الف) بیان گر تعداد ذرات تعریف شده در الگوریتم فوق برای توزیع در فضای مسئله در بازه متغییرها برای محاسبه تابع هدف است، عبارتی که در بخش(ب) آورده شده تعداد متغیرهای مسئله­ای که قرار است بهینه شود را مشخص می­نماید، در این تحقیق متغییرهای مسئله پایداری شیروانی مشخصات هندسی دایره لغزش(Xo,Yo,Xtc) می­باشند که در شکل (۴-۳) قابل مشاهده است.عبارت(پ)یکی از شرایط خروج مسئله و از ورودی­های برنامه می­باشد، که نشان دهنده حداکثر تعداد تکرار مسئله جهت بهینه سازی است. قسمت (ج) این بخش عبارتی است که جهت همگرایی برنامه و از شروط خاتمه بهینه سازی می­باشد که با رابطه (۴-۴) در یکی از زیر برنامه ­های PSOSLOPE آورده شده است.
x_converge = x_converge+(xi(ip,iv)-xi_old(ip,iv))^2(4-4)
در رابطه بالا xi(ip,iv) موقعیت فعلی ذره iام ، xi_old(ip,iv) موقعیت قبلی ذره iام.
۳- جهت تعیین دامنه متغیرها، برنامه تهیه شده را برای چندین حالت از شیروانی­های خاکی اجرا نموده و برای حداکثر و حداقل بازه متغیرها شیروانی­ها را تحلیل نموده و یک دامنه مناسب، وابسته به پارامترهای هندسی شیروانی برای برنامه تعریف کرده، که به نکته فوق در فصل بعد به طور مفصل پرداخته می­ شود. این عمل باعث افزایش چشمگیری در سرعت همگرایی الگوریتم دارد.
۴- برنامه تهیه شده با توجه به تعداد ذرات که از پیش برای آن تعریف شده و با توجه به تعداد متغییرهای مسئله شروع به تعیین موقعیت ذرات طبق روابط (۴-۵) و (۴-۶) در دامنه متغییرها کرده و تابع هدف(در این تحقیق مقدار Fs) را برای تک تک ذرات محاسبه می­ کند.
(۴-۵) delta = xi_max(iv,1)-xi_min(iv,1)
(۴-۶) xi(ip,iv) = xi_min(iv,1)+rand*delta
در روابط فوق delta میزان جابجایی برای هر ذره در هر مرحله می­باشد و xi(ip,iv) موقعیت هر ذره در هر مرحله است.
۵- برنامه به تعیین بهترین مقدار تابع هدف که تا کنون بدست آمده می ­پردازد و آن را بهg_best نسبت می­دهیم و بهترین موقعیت هر ذره نسبت به موقعیتی که تا کنون داشته را محاسبه نموده وآن را p_best ذره می­نامد.
۶- در این مرحله موقعیت هر ذره با توجه به سرعت (میزان جابجایی) بدست آمده از روابط (۴-۷) الی (۴-۹) موجود در یکی از زیربرنامه­های برنامه PSOSLOPE است بروز می­ شود. بعد از تعیین موقعیت جدید ذرات مجدداً تابع هدف را برای تمامی ذرات محاسبه شده، مقدار p_best برای هر ذره وg_best برای کل ذرات را تعیین گردیده و در حافظه برنامه ذخیره می­ شود.
delta=xi_max(iv,1)-xi_min(iv,1) (۴-۷)
v_min=-gama*delta (۴-۸) v_max=gama*delta(4-9)
vi(ip,iv)=v_min+rand*(v_max-v_min (۴-۱۰)
vi_new(ip,iv)=omega*vi(ip,iv) + c1*r1*delta1 + c2*r2*delta2 (۴-۱۱)
xi_new(ip,iv)=xi_max(iv,1) (۴-۱۲)
در روابط فوق delta میزان جابجایی، v_max حداکثر جابجایی(سرعت)، v_min حداقل جابجایی(سرعت) و vi(ip,iv) جابجایی(سرعت) هر ذره در هر مرحله، vi_new سرعت جدید ذره iام ، xi_new موقعیت ذره iام می­باشد.
۷- مرحله (۶) آنقدر تکرار می­ شود تا یکی از دو شرط همگرایی بالا(max­_ iteration ( i_converge ، ارضا گردد.
بعد از اتمام عملیات جستجو برای حداقل تابع هدف، در خروجی برنامه مطابق شکل (۴-۵) میزان Fs و مشخصات هندسی دایره لغزش(Xo, Yo, Xtc) چاپ می­ شود.

فصل پنجم

بحث و نتیجه گیری

۵-۱- مقدمه

در این فصل به تحلیل و بررسی نتایج حاصل از برنامه تهیه شده جهت جستجوی سطح لغزش بحرانی شیروانی­های خاکی در قالب چند شیروانی پرداخته شده است. از آنجا که پارامتر­های موجود در الگوریتم جامعه پرندگان در سرعت همگرایی الگوریتم پیشنهادی تعیین کننده هستند، ابتدا نیاز به تعیین پارامترهای آن می­باشد. این پارامترها عبارت است از تعداد پرندگان الگوریتم، مقدار تابع وزن اینرسی، عوامل یادگیری و محدوده متغیرهای شیروانی خاکی. برای تعیین این پارامترها انجام آنالیز حساسیت ضروری است. جهت آنالیز حساسیت باید تعداد پرندگان (ذره) ، پارامترهای رابطه همگرایی و محدوده متغیرهای شیروانی خاکی تعیین شود. با تعیین مقدار موارد فوق، برنامه تهیه شده باعث افزایش چشم گیری در سرعت همگرایی آن می­ شود.
جهت تعیین پارامتر های موجود در الگوریتم جامعه پرندگان برای تحلیل شیروانی­های خاکی باید تمامی متغیرهای تاثیر گذار را بصورت مستقل از هم تغییر داده و برنامه را برای هر تغییر اجرای نمود و نمودارهای سرعت همگرایی را نسبت به هر تغییر بدست آورد. با توجه به نمودارهای بدست آمده که در بخش­های دیگر این فصل آورده شده می­توان مقادیر متغییرها را تعیین نمود. طبق تحقیق انجام شده و با توجه به مساله پایداری شیروانی­های خاکی و روند حل آن، می­توان پارامترهای الگویتم را برای یک شیروانی خاکی در یک حالت نسبتاً ساده که در شکل(۱-۵) آورده شده تحلیل را انجام داد. سپس متغیرهای ذکر شده را برای این حالت یافت. نتایج بدست آمده را می­توان برای شیروانی­های خاکی با شرایط متفاوت هندسی استفاده نمود. در نتیجه با تعیین مناسب این متغیر­ها می­توان به تحلیل و آنالیز شیروانی­های خاکی با سرعت همگرایی بالا دست یافت.
شکل (۵-۱٫الف)شیروانی با مشخصات هندسی
۵-۲- تعیین پارامترهای تاثیر گذار در سرعت همگرائی الگوریتم PSO

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...