Deneme yanılma metotları ile kısıtları sağlayan ekonomik taşıyıcı sistem tasarımları sunmak neredeyse imkânsız olduğundan yapısal optimizasyona ihtiyaç duyulur. Yapısal optimizasyon problemlerinin çoğu doğrusal değildir ve ayrık tasarım değişkenleri kullanır; dahası, tasarım değişkenleri ile amaç ve kısıt fonksiyonları arasında açık bir matematiksel model çoğunlukla kurulamaz. Bu tür problemlerin klasik yöntemler ile çözülmesi son derece güçtür. Neyse ki geleneksel yöntemlerle modellenmesi ve çözülmesi zor olan optimizasyon problemleri için metasezgisel algoritmalar ile optimuma yakın çözümler elde edilebilmektedir. Metasezgisel algoritmaların en önemli dezavantajı ise optimize edilecek yapının büyüklüğüne ve karmaşıklığına bağlı olarak optimizasyon sürecinin günler, haftalar hatta aylar sürebilmesidir. Optimum sonuca ulaşmak amacıyla bir tasarım sürecinde uzun zaman harcanması optimizasyonun tanımı gereği optimizasyon ilkelerinden uzaklaşılmasına sebep olur. Bu çalışmada yazarlar, yapay sinir ağları (YSA) ve gözetimli (denetimli) öğrenme kullanarak yapısal optimizasyon süreçlerini hızlandırmaya çalışmışlardır. Gözetimli öğrenme ile eğitilmiş YSA problem çözmek için önceden alınan kararlardan veya tecrübelerden faydalanarak görev yapmaktadır ve toplanan veri doğrultusunda sonuçlar vermektedir. Çalışmada tasarım adaylarının gerilme ve şekil değiştirme bilgisini tahmin etmek yerine doğrudan ceza değerlerini tahmin etme yoluna gidilmiştir. Bu şekilde tahmin mekanizması karmaşıklıktan kurtarılarak, modelin daha doğru tahminler yapacağı düşünülmüştür. Sunulan yöntemin başarısı basit bir yapısal optimizasyon problemi üzerinde tartışılmıştır. Elde edilen taşıyıcı sistem tasarımları incelendiğinde, sunulan yöntemin sonuçlarda iyileşme sağladığı gözlenmiştir.
Anahtar Kelimeler: Yapısal Optimizasyon, Yapay Sinir Ağları, Vekil Model, Metasezgisel Algoritmalar, Kafes Sistem
|
