Deneme yanýlma metotlarý ile kýsýtlarý saðlayan ekonomik taþýyýcý sistem tasarýmlarý sunmak neredeyse imkânsýz olduðundan yapýsal optimizasyona ihtiyaç duyulur. Yapýsal optimizasyon problemlerinin çoðu doðrusal deðildir ve ayrýk tasarým deðiþkenleri kullanýr; dahasý, tasarým deðiþkenleri ile amaç ve kýsýt fonksiyonlarý arasýnda açýk bir matematiksel model çoðunlukla 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 yakýn çözümler elde edilebilmektedir. Metasezgisel algoritmalarýn en önemli dezavantajý ise optimize edilecek yapýnýn büyüklüðüne ve karmaþýklýðýna baðlý olarak optimizasyon sürecinin günler, haftalar hatta aylar sürebilmesidir. Optimum sonuca ulaþmak amacýyla bir tasarým sürecinde uzun zaman harcanmasý optimizasyonun tanýmý gereði optimizasyon ilkelerinden uzaklaþýlmasýna sebep olur. Bu çalýþmada yazarlar, yapay sinir aðlarý (YSA) ve gözetimli (denetimli) öðrenme kullanarak yapýsal optimizasyon süreçlerini hýzlandýrmaya çalýþmýþlardýr. Gözetimli öðrenme ile eðitilmiþ YSA problem çözmek için önceden alýnan kararlardan veya tecrübelerden faydalanarak görev yapmaktadýr ve toplanan veri doðrultusunda sonuçlar vermektedir. Çalýþmada tasarým adaylarýnýn gerilme ve þekil deðiþtirme bilgisini tahmin etmek yerine doðrudan ceza deðerlerini tahmin etme yoluna gidilmiþtir. Bu þekilde tahmin mekanizmasý karmaþýklýktan kurtarýlarak, modelin daha doðru tahminler yapacaðý düþünülmüþtür. Sunulan yöntemin baþarýsý basit bir yapýsal optimizasyon problemi üzerinde tartýþýlmýþtýr. Elde edilen taþýyýcý sistem tasarýmlarý incelendiðinde, sunulan yöntemin sonuçlarda iyileþme saðladýðý gözlenmiþtir.
Anahtar Kelimeler: Yapýsal Optimizasyon, Yapay Sinir Aðlarý, Vekil Model, Metasezgisel Algoritmalar, Kafes Sistem
|
