• Steel and Composite Structures
• /
• 제15권4호
• /
• pp.451-466
• /
• 2013

This paper deals with the multi-objective optimization of tire reinforcement structures such as the tread belt and the carcass path. The multi-objective functions are defined in terms of the discrete-type design variables and approximated by artificial neutral network, and the sensitivity analyses of these functions are replaced with the iterative genetic evolution. The multi-objective optimization algorithm introduced in this paper is not only highly CPU-time-efficient but it can also be applicable to other multi-objective optimization problems in which the objective function, the design variables and the constraints are not continuous but discrete. Through the illustrative numerical experiments, the fiber-reinforced tire belt structure is optimally tailored. The proposed multi-objective optimization algorithm is not limited to the tire reinforcement structure, but it can be applicable to the generalized multi-objective structural optimization problems in various engineering applications.

• Structural Engineering and Mechanics
• /
• 제7권5호
• /
• pp.447-456
• /
• 1999

This paper presents a solution method, which can be regarded as the further extension of the generalized evolutionary method (Zhao et al. 1998a), for the simultaneous optimization of several different natural frequencies of a structure in general and a two dimensional structure in particular. The main function of the present method is to optimize the topology of a structure so as to simultaneously make several different natural frequencies of interest to be of the corresponding different desired values for the target structure. In order to develop the present method, the new contribution factor of an element is proposed to consider the contribution of an element to the gaps between the currently calculated values for the different natural frequencies of interest and their corresponding desired values in a weighted manner. Using this new contribution factor of an element, the most inefficiently used material can be detected and removed gradually from the design domain of a structure. Through applying the present method to optimize two and three different natural frequencies of a two dimensional structure, it has been demonstrated that it is possible and applicable to use the generalized evolutionary method for tackling the simultaneous optimization of several different natural frequencies of a structure in the structural design.

• 정보처리학회논문지B
• /
• 제11B권7호
• /
• pp.841-848
• /
• 2004

진화 알고리즘은 여러 개의 상충하는 목적을 갖는 다목적 최적화 문제를 해결하기에 적합한 방법이다. 특히, 파레토 지배관계에 기초하여 개체의 적합도를 평가하는 파레토 기반 진화알고리즘들은 그 성능에 있어서 비교적 우수한 평가를 받고 있다. 그러나 일반화된 다목적 최적화 진화알고리즘은 복잡한 문제들에서 찾아진 해들의 분포가 전체 파레토 경계면에 대하여 균일하지 못하고 특정 지역에서 집중적으로 해를 생성하는 문제점을 가지고 있다. 본 논문에서 우리는 이러한 문제점을 보완하기 위한 다목적 최적화 진화알고리즘을 제안한다. 제안한 알고리즘은 현재까지 찾아진 최적해들 중 특정 지역에 관중되지 않은 해를 우수 종자로 복제 연산에 참여시킨다. 따라서 특별한 지역탐색 기법을 사용하지 않아도 종자가 되는 개체 주위에 새로운 개체를 생성할 확률이 높기 때문에 지역탐색의 효과를 가질 수 있고, 비교적 고른 분포의 파레토 최적 해를 생성한 수 있다. 5개의 테스트 함수에 대한 실험 결과, 제안한 알고리즘은 모든 문제에서 전체 파레토 경계면에 균일한 분포의 해들을 생성할 수 있었으며, 많은 지역해를 가지는 문제를 제외한 모든 문제에서 NSGA-II보다 우수한 수렴 결과를 보였다.

• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.62-68
• /
• 2009

수정된 PCX(parent-centric recombination) 연산자와 결합한 두 가지 새로운 세대차 모델이 제안된다. 첫째, 자가적응 세대차 모델(SGG, self-adaptation generation gap)은 자손에 의한 부모의 대치 확률을 일정한 수준으로 유지하는 제어 방식이다. 둘째, 가상 클러스터 세대차(VCGG, virtual cluster generation gap)는 클러스터링을 통해 부모간의 거리를 조정해 주며, 이로 인해 개체들이 다양화 될 수 있다. 이 모델에서 부모간의 거리는 클러스터의 크기로 조절된다. 제안된 두 가지 접근법의 효용성을 입증하기 위해서 3 가지 표준적인 문제에 대한 실험이 수행되었다. 가장 최근의 경쟁력 있는 접근법인 CMA-ES와 G3-PCX와 비교한 결과, 제안된 두 기법 모두 기존의 접근법들 보다 우수함을 보여준다.

• Smart Structures and Systems
• /
• 제15권3호
• /
• pp.897-911
• /
• 2015

This study presents a novel approach based on advancements in Evolutionary Computation for data-driven modeling of complex multi-dimensional memory-dependent systems. The investigated example is a benchmark coupled three-dimensional system that incorporates 6 Bouc-Wen elements, and is subjected to external excitations at three points. The proposed technique of this research adapts Genetic Programming for discovering the optimum structure of the differential equation of an auxiliary variable associated with every specific degree-of-freedom of this system that integrates the imposed effect of vibrations at all other degrees-of-freedom. After the termination of the first phase of the optimization process, a system of differential equations is formed that represent the multi-dimensional hysteretic system. Then, the parameters of this system of differential equations are optimized in the second phase using Genetic Algorithms to yield accurate response estimates globally, because the separately obtained differential equations are coupled essentially, and their true performance can be assessed only when the entire system of coupled differential equations is solved. The resultant model after the second phase of optimization is a low-order low-complexity surrogate computational model that represents the investigated three-dimensional memory-dependent system. Hence, this research presents a promising data-driven modeling technique for obtaining optimized representative models for multi-dimensional hysteretic systems that yield reasonably accurate results, and can be generalized to many problems, in various fields, ranging from engineering to economics as well as biology.