Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Politechnika Poznańska Zastosowanie algorytmów genetycznych do ... Politechnika Poznańska Zastosowanie algorytmów genetycznych do ...
Rysunek 6.12 Geometria i warunki brzegowe w zagadnieniu Motza 6.3.2 Rozwiązanie Rozwiązanie problemu Motza składa się z dwóch części, co jest spowodowane przez osobliwość występującą na jednym z brzegów. Pierwszy człon to liniowa kombinacja rozwiązań podstawowych, podczas gdy drugi opisuje osobliwość. W związku z powyższym rozwiązanie tego zagadnienia jest w postaci[Geo1996]: a po uproszczeniu N N u n (x) = c j lnr 2 j + α k r 2k−1 2 cos 2k − 1 Θ, (6.10) 2 i=1 k=1 N N u n (x) = c j log r 2 j + α k r β kcos[β k Θ] , (6.11) i=1 k=1 gdzie c j , α k , β k to nieznane współczynniki, r j = (x − x j ) 2 + (y − y j ) 2 , x i y to współrzędne dowolnego punktu wewnątrz rozważanego obszaru, xj i yj oznaczają współrzędne punktów źródłowych, w których występują osobliwości rozwiązań podstawowych. Obliczenia przeprowadzono dla 60 punktów kollokacji NC=60 oraz 12 punktów źródłowych NS=12. Również w tym przypadku przeprowadzono obliczenia zarówno dla punktów źródłowych rozmieszczonych na konturze podobnym do rozważanego obszaru oraz dla punktów rozmieszczonych przez algorytm genetyczny, a następnie wyniki zestawiono w celu porównania. 69
Występująca na brzegu osobliwość to oczywiście problem z punktu widzenia obliczeń numerycznych. W trakcie obliczeń okazało się, że niektóre warunki łatwiej spełnić, podczas gdy spełnienie innych jest znacznie trudniejsze. Z tego powodu wprowadzono modyfikację w algorytmie genetycznym i zaimplementowano optymalizację wielokryterialną stosując metodę ważonych sum (2.6), która przypisywała różne wagi błędom spełnienia poszczególnych warunków brzegowych. Dzięki temu algorytm genetyczny stał się wrażliwszy na błędy pojawiające się na brzegach w wyniku nieciągłości i pozwolił na skuteczniejszą optymalizację. 6.3.3 Wyniki numeryczne W tabeli 6.2 zestawiono wyniki maksymalnych błędów spełnienia warunków brzegowych dla każdego rozważanego odcinka brzegu. Podobnie jak w poprzednim przypadku wyniki otrzymane w obydwu podejściach znacznie się różnią. Zastosowanie algorytmu genetycznego pozwoliło na rozmieszczenie punktów źródłowych w sposób pozwalający na znaczną poprawę jakości wyników – znacznie mniejszy błąd maksymalny spełnienia warunków na poszczególnych brzegach. Tabela 6.2 Maksymalne błędy spełnienia warunków brzegowych Brzeg Punkty źródłowe rozmieszczone przez AG Punkty źródłowe rozmieszczone na konturze podobnym do brzegu obszaru -1
- Page 19 and 20: z punktów w przestrzeni poszukiwa
- Page 21 and 22: osobniki co oznacza, że w wyniku r
- Page 23 and 24: manipulowanie wartościami poszczeg
- Page 25 and 26: twórcę programu znającego charak
- Page 27 and 28: metody jest liczność populacji ty
- Page 29 and 30: 3 Metoda rozwiązań podstawowych 3
- Page 31 and 32: a ij = Bφ i x j , j = 1, … , N,
- Page 33 and 34: Tabela 3.1 Przykładowe zbiory funk
- Page 35 and 36: najnowszych opublikowanych badań z
- Page 37 and 38: do obliczeń współrzędnych punkt
- Page 39 and 40: gdzie L i B oznaczają operator lin
- Page 41 and 42: 4.3 Rozwiązanie dwuwymiarowego ust
- Page 43 and 44: Uwzględniając warunki brzegowe ot
- Page 45 and 46: 5 Optymalizacja położenia źróde
- Page 47 and 48: Na brzegu Γ zadana jest stała tem
- Page 49 and 50: Ponieważ istnieje tak duża liczba
- Page 51 and 52: 5.5 Wyniki numeryczne Do obliczeń
- Page 53 and 54: Jak wspomniano wcześniej, w algory
- Page 55 and 56: W drugim cyklu obliczeń populacja
- Page 57 and 58: Rysunek 5.12 Konfiguracja 4 element
- Page 59 and 60: Zestawienie uzyskanych wyników dla
- Page 61 and 62: Rysunek 5.20 Rozwiązanie optymalne
- Page 63 and 64: W związku z tym, że położenie p
- Page 65 and 66: gdzie ∂ ∂n oznacza pochodną w
- Page 67 and 68: Tabela 6.1 Zestawienie wyników obl
- Page 69: Wykresy ilustrujące rozwiązanie i
- Page 73 and 74: odsunięta jest o 2 od brzegu obsza
- Page 75 and 76: 7 Wyznaczanie efektywnego współcz
- Page 77 and 78: 7.3 Równanie rządzące i warunki
- Page 79 and 80: T i = c ij ln r j 2 j dla i = M, F
- Page 81 and 82: 7.7 Wyniki numeryczne 7.7.1 Komórk
- Page 83 and 84: Rysunek 7.5 Układ włókien dla os
- Page 85 and 86: włókien. Parametry materiału prz
- Page 87 and 88: Rysunek 7.8 Układ włókien dla os
- Page 89 and 90: przedstawiono w tabeli 7.18. Wykorz
- Page 91 and 92: Rysunek 7.11 Układ włókien dla o
- Page 93 and 94: 7.7.5 Komórka zawierająca 3 włó
- Page 95 and 96: Rysunek 7.14 Układ włókien dla o
- Page 97 and 98: Tabela 7.32 Parametry metody rozwi
- Page 99 and 100: 8 Wnioski i podsumowanie Niniejsza
- Page 101 and 102: Literatura [Ake2000] Akella M. R.,
- Page 103 and 104: [Fai1998] Fairweather G., Karageorg
- Page 105 and 106: wykorzystaniem metody kollokacji br
- Page 107 and 108: [Pal2008] Paluch B., Grediac M., Fa
- Page 109 and 110: Załączniki W załącznikach zawie
- Page 111 and 112: wM(nw1,bw)=wM(nw1,bw)-2^(k); wM(nw2
- Page 113 and 114: end Temp=I1/I2; newline=NaN; plik='
- Page 115 and 116: Załącznik 2 - kod programu - rozw
- Page 117 and 118: dfu=dfu+X(i)*fln(xw,yw,XZ(j),YZ(j))
- Page 119 and 120: Załącznik 3 - kod programu - wyzn
Rysunek 6.12 Geometria i warunki brzegowe w zagadnieniu Motza<br />
6.3.2 Rozwiązanie<br />
Rozwiązanie problemu Motza składa się z dwóch części, co jest<br />
spowo<strong>do</strong>wane przez osobliwość występującą na jednym z brzegów. Pierwszy<br />
człon to liniowa kombinacja rozwiązań podstawowych, podczas gdy drugi opisuje<br />
osobliwość. W związku z powyższym rozwiązanie tego zagadnienia jest<br />
w postaci[Geo1996]:<br />
a po uproszczeniu<br />
N<br />
N<br />
u n (x) = c j lnr 2 j + α k r 2k−1 2 cos 2k − 1 Θ, (6.10)<br />
2<br />
i=1<br />
k=1<br />
N<br />
N<br />
u n (x) = c j log r 2 j + α k r β kcos[β k Θ] , (6.11)<br />
i=1<br />
k=1<br />
gdzie c j , α k , β k to nieznane współczynniki, r j = (x − x j ) 2 + (y − y j ) 2 , x i y to<br />
współrzędne <strong>do</strong>wolnego punktu wewnątrz rozważanego obszaru, xj i yj oznaczają<br />
współrzędne punktów źródłowych, w których występują osobliwości rozwiązań<br />
podstawowych.<br />
Obliczenia przeprowadzono dla 60 punktów kollokacji NC=60 oraz 12<br />
punktów źródłowych NS=12. Również w tym przypadku przeprowadzono<br />
obliczenia zarówno dla punktów źródłowych rozmieszczonych na konturze<br />
po<strong>do</strong>bnym <strong>do</strong> rozważanego obszaru oraz dla punktów rozmieszczonych przez<br />
algorytm genetyczny, a następnie wyniki zestawiono w celu porównania.<br />
69