淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1702201410571100
中文論文名稱 應用蜂群演算法於結構最佳化設計之研究
英文論文名稱 Optimum Design of Structures by Artificial Bee Colony Algorithm
校院名稱 淡江大學
系所名稱(中) 航空太空工程學系碩士班
系所名稱(英) Department of Aerospace Engineering
學年度 102
學期 1
出版年 103
研究生中文姓名 周于文
研究生英文姓名 Yu-Wen Chou
學號 600430614
學位類別 碩士
語文別 中文
口試日期 2013-12-26
論文頁數 68頁
口試委員 指導教授-張永康
委員-陳步偉
委員-洪健君
中文關鍵字 蜂群演算法  最佳化設計 
英文關鍵字 Artificial Bee Colony Algorithm  Optimum Design 
學科別分類 學科別應用科學航空太空
中文摘要 本論文應用蜂群演算法於結構最佳化設計中。蜂群演算法是一種模仿自然界蜜蜂覓食行為進行問題求解之方法,該法為具有群體智慧的仿生演算法,其特點為收斂速度快、參數設定少及搜尋範圍廣。蜂群演算法利用其獨特的雇用蜂以及非雇用蜂的方式進行大範圍的搜尋以尋求全域最佳解。過程中藉由食物源採用機率判斷是否採用當前最佳解,如此反覆搜尋直到找到全域最佳解為止。本研究將ANSYS有限元素分析軟體中的APDL語法與FORTRAN程式結合成一系統程式,並以六種不同的範例執行結構最佳化設計。數值範例中將對各種結構做分析與討論,以結構輕量化為目的。範例中將結構最佳化問題轉為數學函數,再利用蜂群演算法對結構系統執行最佳化設計。由數值分析範例之結果,發現應用蜂群演算法於結構最佳化設計上可得到不錯的結果。
英文摘要 The Artificial Bee Colony (ABC) Algorithm was applied to the optimum design of structures in this study. The ABC algorithm is swarm intelligence based optimization technique inspired by the intelligent foraging behavior of honeybees. The advantage of ABC algorithm is quick convergence less settings of parameter, and extensive searching range. The employed bee and unemployed bee execute large range searching and the food source was chosen by the onlooker bee depending on the probability value associated with that food source.
The FORTRAN and APDL of ANSYS software are integrated into a systematic ABC optimization program. The optimization problem can be transformed into a mathematical function. Minimum weight design will be developed in six numerical examples. Then the optimum deign of structures can be obtained by ABC algorithm. The results of ABC algorithm are better than other reference in the examples.
論文目次 中文摘要 IV
英文摘要 II
目錄 III
圖目錄 V
表目錄 VI
第一章 緒論 1
1.1 研究動機 1
1.2 文獻回顧 3
1.3 研究方法 7
第二章 蜂群演算法 8
2.1 基礎理論 8
2.2 演算法因子 12
2.3 適存度 15
2.4 蜂群演算法流程 16
第三章 最佳化設計 17
3.1 最佳化概念 17
3.2 最佳化問題 18
3.4 程式執行流程 19
第四章 數值分析 21
4.1 範例一:十桿件桁架結構最佳化設計 22
4.2範例二:二十五桿件桁架結構輕量化設計 24
4.3範例三:七十二桿件桁架結構輕量化設計 26
4.4範例四:直升機尾桁結構輕量化設計 28
4.5範例五:無人飛行載具機翼主樑輕量化設計 30
4.6範例六:無人飛行載具機翼主樑承受扭矩之輕量化設計 33
第五章 結論 35
參考文獻 57
圖目錄
圖一 蜂群演算法流程圖 37
圖二 程式執行流程圖 38
圖三 範例一 十桿件桁架結構尺寸圖 39
圖四 範例二 二十五桿件桁架結構尺寸外型圖 40
圖五 範例三 七十二桿件桁架結構尺寸外型圖 41
圖六 範例四 直昇機尾桁結構外型及負載圖 42
圖七 範例五 無人飛行載具機翼主樑結構外形圖 43
圖八 範例六 受扭矩之無人飛行載具機翼主樑結構外形圖 44
表目錄
表一 範例一 有限元素分析初始值與文獻最佳值比較 45
表二 範例二 二十五桿件桁架結構各節點受力 46
表三 範例二 二十五桿件桁架結構節點座標 47
表四 範例二 各桿件分類及桿件與節點關係 48
表五 範例二 有限元素分析初始值與最佳值比較 49
表六 範例三 七十二桿件桁架結構節點受力情形 50
表七 範例三 各桿件分類及桿件與節點關係 51
表八 範例三 有限元素分析初始值與最佳值比較 52
表九 範例四 直升機尾桁之桿件分類 53
表十 範例四 有限元素分析初始值與最佳值比較 54
表十一 範例五 機翼主樑結構最佳值比較 55
表十二 範例六 受扭矩之機翼主樑結構最佳值比較 56

參考文獻 [1] Karaboga, D., “An Idea Based on Honey Bee Swarm for Numerical Optimization,” Technical Report-TR06, Erciyes University, Engineering Faculty Computer Engineering Department, Kayseri/Turkiye October, 2005.

[2] Karaboga, D. and Basturk, B., “A Powerful and Efficient algorithm for Numerical Function Optimization: Artificial Bee Colony (ABC) Algorithm,” J Glob Optim 39,pp.459–471, 2007

[3] Karaboga, D. and Basturk, B., “Artificial Bee Colony (ABC) Optimization Algorithm for Solving Constrained Optimization Problems, ”Erciyes University, Engineering Faculty, The Department of Computer Engineering, 2007.

[4] Karaboga, D. and Basturk, B., “On the Performance of Artificial Bee Colony (ABC) Algorithm,” Applied Soft Computing 8, pp. 687–697, 2008.

[5] Karaboga, D. and Akay, B., “A Comparative Study of Artificial Bee Colony Algorithm, ” Applied Mathematics and Computation 214, pp. 108–132, 2009.

[6] Alatas, B.,“Chaotic Bee Colony Algorithms for Global Numerical Optimization, ” Expert Systems with Applications 37, pp.5682–5687, 2010.

[7] Banharnsakun, A., Achalakul, T. and Sirinaovakul, B., “The Best-so-far Selection in Artificial Bee Colony Algorithm, ” Applied Soft Computing 11, pp.2888–2901, 2011.

[8] Ziarati, K., Akbari, R. and Zeighami, V., “On the Performance of Bee Algorithms for Resource-constrained Project Scheduling Problem,” Applied Soft Computing 11, pp.3720–3733, 2011.


[9] Gao, W. F. and Liu, S. Y., “ Improved Artificial Bee Colony Algorithm for global Optimization,” Information Processing Letters 111, pp.871–882, 2011.

[10] Derelia, T. and Sena Das, G., “ A Hybrid Bee Algorithm for Solving Container Loading Problems,” Applied Soft Computing 11 , pp.2854-2862, 2011.

[11] Karaboga, D. and Akay, B., “ A Modified Artificial Bee Colony (ABC) Algorithm for Constrained Optimization Problems, ” Applied Soft Computing 11, pp.3021–3031, 2011.

[12] Karaboga, D. and Akay, B., “ A Modified Artificial Bee Colony Algorithm for Real-parameter Optimization, ” Information Sciences 192, pp.120–142, 2012.

[13] Gao, W. F. and Liu, S. Y., “A Modified Artificial Bee Colony Algorithm, ” Computers & Operations Research 39, pp.687–697, 2012.

[14] Wu, B., Qian, C., Ni, W. H. and Fan, S. H., “ Hybrid Harmony Search and Artificial Bee Colony Algorithm for Global Optimization Problems, ” Computers and Mathematics with Applications 64, pp.2621–2634, 2012.

[15] Yan, X. H., Zhu, Y. L., Zou, W. P. and Wang, L., “ A New Approach for Data Clustering using Hybrid Artificial Bee Colony Algorithm, ” Neurocomputing 97, pp.241–250, 2012.

[16] Chen, S. M., Sarosh, A. and Dong, Y. F., “ Simulated Annealing Based Artificial Bee Colony Algorithm for Global Numerical Optimization, ” Applied Mathematics and Computation 219, pp.3575–3589,2012.

[17] Mezura-Montes, E. and Cetina-Dominguez, O., “ Empirical Analysis of a Modified Artificial Bee Colony for Constrained Numerical Optimization, ” Applied Mathematics and Computation 218, pp.10943–10973, 2012.


[18] Xiang, W. L. and An, M. Q., “An Efficient and Robust Artificial Bee Colony Algorithm for Numerical Optimization, ” Computers & Operations Research 40, pp.1256–1265, 2013.

[19] Omkar, S. N., Senthilnath, J., Khandelwal, R. and Narayana Naik, G., Gopalakrishnan, S., “Artificial Bee Colony (ABC) for Multi-objective Design Optimization, ” Applied Soft Computing 11, pp.489–499, 2011.

[20] Sonmez, M., “Artificial Bee Colony Algorithm for Optimization of Truss Structures, ” Applied Soft Computing 11, pp.2406–2418, 2011.

[21] Von Frisch, K., “Dancing Bees: An Account of the Life and Senses of the Honey Bee.The Flight Paths of Honeybees Recruited by the Waggle Dance, ” Nature 435, pp.205-207, 2005.

[22] 黃宗鴻,PSO-SA混合法於結構多目標最佳化之應用,淡江大學航空太空工程學系研究所碩士論文,2012。
[23] 劉敬文,結合基因演算法與線性規劃法於結構最佳化設計,淡江大學航空太空工程學系研究所,2010。
[24] 張維恩,應用雙演化法於結構最佳化設計之研究,淡江大學航空太空工程學系研究所,2013。
[25] Perez, R. E. and Behdinan, K., “Particle Swarm Approach for Structural Design Optimization,” Computers and Structures 85, pp.1579–1588, 2007.

[26] 柯星竹,應用遺傳演算法與類神經網路於結構最佳化設計之研究,淡江大學航空太空工程學系研究所,2006。


[27] 陳景文,改良式移動漸近線法於結構之最佳化設計,淡江大學航空太空工程學系研究所,2009。
[28] 王興正,應用粒子群演算法於無人飛行載具結構系統之最佳化設計,淡江大學航空太空工程學系研究所,2012。
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2014-02-18公開。
  • 同意授權瀏覽/列印電子全文服務,於2014-02-18起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信