علوم تربیتی
محمود قضاوی؛ سعید بزازیان بناب
چکیده
: In the present paper, lessons are learnt from ant society so that humankind can optimize his engineering issues. As an example of such issues, a reinforced concrete retaining wall for which the application of optimization can reduce the costs involved is considered. Traditional design procedure for reinforced concrete retaining walls is unable to design an optimized wall unless a large trial effort is undertaken. This paper introduces a learning procedure from ants, which is a general search technique for the solution of difficult combinatorial problems with its theoretical roots based on the ...
بیشتر
: In the present paper, lessons are learnt from ant society so that humankind can optimize his engineering issues. As an example of such issues, a reinforced concrete retaining wall for which the application of optimization can reduce the costs involved is considered. Traditional design procedure for reinforced concrete retaining walls is unable to design an optimized wall unless a large trial effort is undertaken. This paper introduces a learning procedure from ants, which is a general search technique for the solution of difficult combinatorial problems with its theoretical roots based on the foraging behavior of ants. This methodology arrives at an optimal design for concrete retaining walls due to its capability to explore and exploit the solution space effectively. The basis of analysis in this paper is to determine the minimum weight and costs in the design of concrete retaining walls following a computation of lateral total thrust on the wall due to backfill pressures, bearing capacity consideration, settlement analysis, stability analysis, and application of design of reinforced concrete principles. The results clearly indicate that ant colony can educate engineers comprehensively to reach a minimum cost justified retaining wall through an optimization approach.
فناوری آموزش- ارزشیابی و آزمون سازی
مرتضی صادق عمل نیک
چکیده
در این مقاله یک سیستم آموزش هوشمند در محیط مهندسی همزمانی براساس تکنیک شی مدار جهت بهینه سازی و ارزیابی قابلیت ساخت طراحی و ایجاد تمام فرایندهای ممکن طراحی و ساخته شده است. در این سیستم آموزش هوشمند مشخصات هندسی قطعه طراحی شده و فیچرهای آن از نظر قابلیت ساخت با فرایندهای سنتی (مانند سوراخکاری، برقوکاری، بورینگ، فرزکاری و رزوه زنی) ...
بیشتر
در این مقاله یک سیستم آموزش هوشمند در محیط مهندسی همزمانی براساس تکنیک شی مدار جهت بهینه سازی و ارزیابی قابلیت ساخت طراحی و ایجاد تمام فرایندهای ممکن طراحی و ساخته شده است. در این سیستم آموزش هوشمند مشخصات هندسی قطعه طراحی شده و فیچرهای آن از نظر قابلیت ساخت با فرایندهای سنتی (مانند سوراخکاری، برقوکاری، بورینگ، فرزکاری و رزوه زنی) و فرایندهای غیر سنتی (مانند ماشینکاری الکترو شیمیایی، تخلیه الکتریکی، اولتراسونیک، فرایندهای ترکیبی الکترو شیمیایی و تخلیه الکتریکی، و فرایند ترکیبی وایرکات مورد ارزیابی قرار میگیرد. در این سیستم تمام فرایندهایی که میشود فیچرهای طراحی را ساخت، در سیستم ایجاد میشود و سیستم قادر است زمان و هزینههای ماشینکاری و نرخ ماشینکاری را محاسبه نموده و مشخص کند که کدام یک از فرایندها از نظر زمان و هزینه و نرخ ماشینکاری مناسبتر است. سیستم این امکان را بهئ طراح میدهد تا با تغییر پارامترها و ابعاد و تلرانسهای طراحی زمان ماشینکاری و هزینههای آن را بهینه نماید. این سیستم میتواند ظرف کمتر از 30 ثانیه قابلیت ساخت طراحی را ارزیابی نموده و بازخوردها و توصیههای لازم را برای اصلاح و بهبود پارامترهای طراحی به طراح بدهد و به این صورت طراح بتواند طرح خود را از نظر زمان و هزینه و کیفیت و راندمان تولید بهینه نماید. همچنین سیستم توصیههای لازم را به مهندس ساخت برای انتخاب بهینه پارامترهای ماشینکاری مانند سرعت، میزان تغذیه، نرخ پیشروی ابزار، سیکل زمان و هزینه ماشینکاری و راههایی که میشود هزینههای ماشینکاری را کاهش داد برای هر یک از فرایندهای فوقالذکر مینماید تا بین کیفیت مورد نیاز و راندمان تولید بتواند بالانسی بر قرار نماید. این سیستم آموزشی هوشمند میتواند جهت بهینه کردن پارامترهای طراحی و ساخت استفاده نمود. همچنین میتوان به عنوان یک سیستم مشاوره هوشمند مورد استفاده طراحان و مهندسان تولید قرار گیرد. همچنین با استفاده از سیستم اموزشی هوشمند ساخته شده میتوان نیروهای جدید تازه کار در بخش طراحی و ساخت را آموزش داد. جهت ارزیابی کارایی سیستم آموزشی هوشمند، خروجی این سیستم با روش تجربی مقایسه شده و صحت پیشبینی آن از نظر زمان و هزینه ماشینکاری و نرخ پیشروی ابرار در مقاله نشان داده شده است.
فناوری آموزش- آموزش عالی
امیر حسن منجمی؛ سولماز مسعودیان؛ افسانه استکی؛ ناصر نعمت بخش
چکیده
طراحی جدول زمانبندی، اساساً از وظایف پیچیده و وقت گیر برای پرسنل مسئول میباشد که از طرفی انجام خودکار آن گامی در جهت کاهش بار کاری پرسنل و از سوی دیگر یک نمونه مطلوب برای امتحان روشهای برنامهریزی و ارضای محدودیتها در هوش مصنوعی است. در این پژوهش، ابتدا الگوریتمهای ژنتیک مطالعه و بررسی شده، سپس در مسأله بهینه ...
بیشتر
طراحی جدول زمانبندی، اساساً از وظایف پیچیده و وقت گیر برای پرسنل مسئول میباشد که از طرفی انجام خودکار آن گامی در جهت کاهش بار کاری پرسنل و از سوی دیگر یک نمونه مطلوب برای امتحان روشهای برنامهریزی و ارضای محدودیتها در هوش مصنوعی است. در این پژوهش، ابتدا الگوریتمهای ژنتیک مطالعه و بررسی شده، سپس در مسأله بهینه سازی جدول زمانی دروس برای یک دانشکده فرضی مورد استفاده قرار گرفته است. در این رویکرد روند تکاملی پاسخها طی تکرار نسلها در یک الگوریتم ژنتیک، نهایتاً منجر به تولید یک جدول زمانبندی دروس خوش کیفیت خواهد گردید. در مرحله پیاده سازی، به کمک تغییراتی که در روند معمول الگوریتمهای ژنتیک صورت داده شد، نتایج بسیار خوبی در زمینه طراحی جداول زمانبندی دروس دانشگاهی حاصل گردیده است. اساس کار الگوریتم طراحی شده، حفظ کروموزومهای بهتر جمعیت و اعمال عملگرهای ژنتیکی بر روی بقیه کروموزومها به منظور بهبود آنها میباشد. در آزمونها، مقایسه بین الگوریتم ژنتیک عادی و الگوریتم پیشنهادی، طی چند مرحله، نقاط قوت الگوریتم پیشنهادی را مشخص کرد. ایدههای مطرح شده در این تحقیق قابل تسری به کاربردهای مشابه نیز خواهد بود.
معماری
سعید علی محمدی؛ فخرالدین علی مرادی؛ ابراهیم جباری
چکیده
یکی از مهمترین ارکان مدلهای بهینه‌سازی بهره‌برداری از مخازن چند منظوره، تعریف یک تابع جریمه یا خسارت میباشد. بدلیل تنوع اهداف بهره‌برداری و پیچیدگی سیستم، اغلب بجای استفاده از توابع سود و هزینه، که تنها برخی اهداف را مدنظر قرار می‌دهند، از توابع جایگزین استفاده می‌نمایند. این توابع بصورت مجموع چند عبارت می‌باشند که جریمه یا ...
بیشتر
یکی از مهمترین ارکان مدلهای بهینه‌سازی بهره‌برداری از مخازن چند منظوره، تعریف یک تابع جریمه یا خسارت میباشد. بدلیل تنوع اهداف بهره‌برداری و پیچیدگی سیستم، اغلب بجای استفاده از توابع سود و هزینه، که تنها برخی اهداف را مدنظر قرار می‌دهند، از توابع جایگزین استفاده می‌نمایند. این توابع بصورت مجموع چند عبارت می‌باشند که جریمه یا خسارت متناظر با انحراف از مقادیر مطلوب (نیازها) را منعکس می‌نمایند. در اینصورت یکی از مهمترین مراحل تدوین مدل بهینه‌سازی، تعیین ضرایب و توانهای (پارامترهای) این توابع است. در این مقاله از یک مدل برنامهریزی پویای استوکستیک (SDP) جهت بهینه‌سازی بهره‌برداری از یک مخزن چند منظوره استفاده شده است. بکمک این مدل، پارامترهای تابع خسارت از طریق تحلیل حساسیت مورد ارزیابی قرار گرفتهاند. بدین منظور معیارهای اعتمادپذیری، برگشتپذیری، و آسیبپذیری بکار گرفته شدهاند. بررسیها نشان میدهد که حساسیت این پارامترها به تغییرات توان توابع به مراتب بیشتر از ضرایب توابع است.
آموزش فنی حرفه ای
عباس افشار؛ مهیار شفیعی؛ امید بزرگ حداد
چکیده
با ساخت سدهای بزرگ در کشورهای متفاوت دنیا، بالا بردن بازده و کارایی این سیستم های مخزنی و حداکثر سازی منافع ناشی از آنها از مهم ترین مباحث مورد بررسی در سال های اخیر است. الگوریتم های تکاملی (Evolutionary Algorithms) از قبیل الگوریتم ژنتیک(GA) در بسیاری از مقوله های علمی و مهندسی به عنوان ابزارهای جستجو و بهینه سازی مورد استفاده قرار می گیرند. ...
بیشتر
با ساخت سدهای بزرگ در کشورهای متفاوت دنیا، بالا بردن بازده و کارایی این سیستم های مخزنی و حداکثر سازی منافع ناشی از آنها از مهم ترین مباحث مورد بررسی در سال های اخیر است. الگوریتم های تکاملی (Evolutionary Algorithms) از قبیل الگوریتم ژنتیک(GA) در بسیاری از مقوله های علمی و مهندسی به عنوان ابزارهای جستجو و بهینه سازی مورد استفاده قرار می گیرند. کاربردهای بسیاری از این روشها در مورد مساله بهره برداری بهینه از مخازن گزارش شده است. در این تحقیق سعی بر آن ست تا با ارزیابی پتانسیل فرمول بندی های جدید و کاربردی الگوریتم ژنتیک در حل مسایل مهندسی، ساختاری نوین به منظور بهینه سازی بهره برداری از مخازن با استفاده از GA تهیه و ارزیابی شود. در این مطالعه ساختارهای جدید از الگوریتم ژنتیک با انجام آنالیزهای متفاوت حساسیت مورد بررسی قرار گرفته و بهترین آنها برای تعیین آزاد سازی های بهینه از خروجی مخازن مورد استفاده قرار خواهد گرفت. نتیجه های به دست آمده حاکی این مطلب است که GA قابلیت ارایه پاسخ های خوبی در زمینه بهره برداری بهینه از مخازن را داراست. بر اساس این نتیجه ها، الگوریتم ژنتیک با نخبه گرایی به همراه عملگرهای جا به جایی برش دو نقطه ای و جهش با احتمال پایین، بهترین جواب را تولید می کند. این نتیجه ها دلالت بر پتانسیل نسبتا مناسب الگوریتم های ژنتیک در حل مسایل بزرگ مقیاس که دارای تابع های هدف پیچیده هستند دارد.
