بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر برای طراحی مسیر لوله کشتی

چکیده

کلمات کلیدی

1.مقدمه

2- تکنیک کلیدی رویکرد بهینه¬سازی SPRD مبتنی بر همکاری انسان و کامپیوتر

2-1 دسترسی به افراد مصنوعی

2-2 ساخت مجموعه مرجع فرد مصنوعی

2-3 روش های ترکیبی بین فرد مصنوعی و فرد الگوریتم 

شکل 1. نمودار ساخت مجموعه مرجع فرد مصنوعی.

3- مدل بهینه سازی SPRD

3-1 مدل ساختار داده

شکل 2. چارچوب مکانیزم همکاری انسان و کامپیوتر SPRD.

3-2 مدل مانع

شکل 3. رسم فضای مش بندی (شبکه بندی) معمولی.

3-3 مکانیزم راهنمایی جهت

3-4 مدل بهینه سازی طرح

4- تحقق الگوریتم

شکل 4. منطقه انرژی در اطراف موانع برای مسیر لوله برای (الف) میل و (ب) رد.

شکل 5. موقعیت های نسبی نقطه شروع و نقطه هدف.

4-1 مقداردهی اولیه جمعیت و اطلاعات اکتشافی

جدول 1. موقعیت مختصات نسبی نقطه شروع و نقطه هدف SPR.

جدول 2. احتمالات جهت متناظر مختلف.

4-2 تعیین احتمال جهت

4-3 ساخت فرد الگوریتم 

4-4 جستجوی محلی و عملیات اکتشافی

شکل 6. عملیات جهش اکتشافی.

4-5  قوانین بروزرسانی فرومون

4-6 معیار توقف

شکل 7. نمودار جریان الگوریتم HCCIACO در SPRD.

5-  شبیه سازی و نتایج

جدول 3. مجموعه پارامترها برای دو آزمایش شبیه سازی.

 شکل 8. مدل فضای جستجو

جدول 4. نتایج شبیه سازی الگوریتم های مختلف آزمایش شده.

شکل 9. نمای جلویی (a) و نمای بالایی (b) طرح لوله با الگوریتم کامپیوتری خالص.

شکل 10. نمای جلویی (a) و نمای بالایی (b) طرح لوله با روش همکاری انسان و کامپیوتر.

6-1 زمان پیوستن

جدول 5. نتایج شبیه سازی برای زمان های مختلف پیوستن.

6-2 تعداد پیوستن

شکل 11. تأثیر نسبت های مختلف افراد مصنوعی بر نتایج.

6-3 ویژگی پیوستن

شکل 12. تاثیر ویژگی های مختلف افراد مصنوعی بر نتایج.

7- نتیجه گیری

این مقاله الگوریتم بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر (HCCIACO) برای طراحی مسیر لوله کشتی (SPRD) را ارائه می دهد.. SPRD یک مسئله بهینه سازی ترکیبی با محدودیت های عملکردی مختلف است، که یافتن یک راه حل موثر صرفاً با کامپیوتر سخت است. بر اساس نظریه همکاری انسان و کامپیوتر، الگوریتم HCCIACO به طور کامل از تخصص و تجربه طراحان و همچنین توانایی محاسبه کامپیوتری بهره می برد. این روش راه حل مصنوعی و الگوریتم را طبق ژنتیک الگوریتم بهینه سازی کلونی مورچگان بهبود یافته (IACO) ترکیب می کند به طوری که رویکرد بهینه سازی برای SPRD در فضای سه بعدی می تواند به دست آید. بهینه سازی کلونی مورچگان بهبودیافته، با کاهش پیچیدگی در محاسبه و مهندسی تا حدودی، مسئله را ساده می کند. در همین حال، این امر الگوریتم را برای جستجوی موثر راه حل پایدار هدایت می کند تا الزامات مهندسی را برآورده کند. در این مقاله، ساختار و روش بروز رسانی راه حل مصنوعی (ساختگی) و همچنین حالت ترکیبی راه حل مصنوعی و راه حل الگوریتمی مورد بررسی قرار گرفته است. در مقایسه با روش معمولی، الگوریتم HCCIACO، نه تنها سرعت همگرایی را بهبود می بخشد بلکه کیفیت راه حل را نیز بهبود می بخشد. در نهایت، نتایج شبیه سازی امکان پذیری و کارایی الگوریتم پیشنهادی را نشان می دهد.

طراحی مسیر لوله (PRD) برای کشف مسیرهای بهینه ی اتصال محل شروع و مکان پایان در یک محیط با انواع مختلف موانع، از جمله هندسه، توپولوژی، تکنیک، کدها و مقررات است. PRD نقش مهمی در صنعت به ویژه در طراحی کشتی بازی می کند. تحقیق PRD از محدودیت های ساده در دو بعد تا محدودیت های چند هدفه در فضای سه بعدی از دهه 1970 توسعه یافته است. روشهای متعارف عبارتند از الگوریتم اجرای هزارتو (ماز) (لی، 1961)، بهینه سازی شبکه (نیکلسون، 1966)، الگوریتم فرار (هایتوور، 1969)، الگوریتم بهینه سازی شبکه (وانگدال و همکاران، 1974)، روش برنامه نویسی پویا (وان در تاک و کوپمانز، 1976)، الگوریتم ژو (ژو و لاتوم، 1991)، سیستم هوشمند (متخصص) (ضرغام و وکیل، 1988)، نظریه مجموعه فازی (وو و همکاران، 1998)، الگوریتم ژنتیک (ایتو، 1999)، الگوریتم کلونی مورچگان ( ACO) (فن و همکاران، 2006). این تحقیقات برای تحقیق بیشتر در مورد PRD بسیار مفید و ارزشمند هستند. با این حال، به دلیل محیط های طراحی مختلف و محدودیت های پیچیده، تا به حال هیچ نظریه ی بالغ و روش ایده آلی وجود نداشته است. PRD یکی از مضمون های اصلی طراحی کشتی است. طراحی مناسب مسیر لوله کشتی برای ایمنی، اقتصاد، مانورپذیری ، نگهداری، عقلانیت طراحی کلی، ناوبری امن و تضمین کارکرد عادی انواع ماشین آلات بسیار مهم است. SPRD همیشه جزء مسائل داغ و دشوار در طراحی کشتی بوده است. برخی از الگوریتم های هوشمند برای حل آن استفاده شده اند. کانگ و همکاران (1999) یک سیستم هوشمند طراحی برای مسیریابی خودکار لوله های کشتی را معرفی کردند. فن و همکاران (2007a, b) یک الگوریتم ژنتیک کدگذاری با طول متغیر مناسب برای SPRD را در فضای سه بعدی اتخاذ کردند. جیانگ و همکاران (2014) از الگوریتم ژنتیک کلونی مورچگان بهبود یافته برای حل مسئله بهینه سازی مسیریابی تک لوله کشتی استفاده کردند. فن و همکاران، 2006، الگوریتم کلونی مورچگان را در طرح بهینه سازی طراحی لوله کشی کشتی را معرفی کردند. کو و جیانگ (2011) یک الگوریتم کلونی مورچگان پویا (دینامیکی) را پیشنهاد دادند و اطلاعات مکاشفه ای پویا را با فضای مدل سازی و تغییر مکان مورچه ایجاد کردند. فنگ و همکاران (2010) یک الگوریتم مسیریابی لوله خودکار بر اساس تجزیه و تحلیل تداخل حرارتی ایجاد کردند. لیو و همکاران (2009) روش طراحی خط لوله مبتنی بر الگوریتم ازدحام ذرات معرفی کرده و مکانیزم کدگذاری ذرات مبتنی بر شبکه را طراحی کردند. فن و همکاران (2009, 2007a, b) الگوریتم کلونی مورچگان را با الگوریتم مشارکتی برای ایجاد مدل الگوریتم هم- تکاملی مشارکتی کلونی چند مورچه ای برای نصب موازی لوله های کشتی، ترکیب کردند که می تواند نتایج مسیریابی بهتری را در نصب موازی لوله فراهم کند. وو و همکاران (2008) طراحی لوله های انشعاب کشتی با الگوریتم کلونی مورچگان هم تکاملی را بهینه کردند. جیانگ و همکاران (2015) الگوریتم بهینه سازی کلونی چند مورچه ای بهبود یافته هم تکاملی برای طراحی مسیر لوله انشعابی و چندگانه کشتی ارائه کردند. هر دو نظریه همکاری انسان و ماشین از لانات و فایگنبوم (1988) و همکاری انسان و کامپیوتر از کیان و همکاران (1990) ایده ای را مطرح کردند که روابط همکاری بین کامپیوتر و انسان وجود داشت. با تکمیل وظایفی که به ترتیب انسان و کامپیوتر به خوبی انجام دادند، نتیجه نهایی همکاری حاصل شد. این ایده، سهم هوش انسان و هوش ماشین را دوباره ارزیابی کرد و مسیر فنی را از MI- محور تغییر داد. از آن به بعد، بسیاری از محققان، روش همکاری کامپیوتر و انسان را مطالعه کردند و نتایج زیادی به دست آوردند. وودز و همکاران (1990)، جونز (1995)، لوکاس و همکاران. (2010) سیستم های انسان و ماشین را بررسی کردند. دای (1994) یک توصیف سیستماتیک (نظام مند) از دیدگاه همکاری کامپیوتر و انسان و ایده خرد فرانحوی همکاری بین کامپیوتر و انسان ارائه کرد. دای (1994) یک سیستم هوشمند با همکاری انسان و کامپیوتر بزرگ را برای مواجه با مسئله پیچیده ایجاد کرد. ژانگ و همکاران (2012)، هئو و همکاران (2010) و لیو و تنگ (2008) از روش همکاری کامپیوتر و انسان برای طرح بهینه سازی طراحی مدوله ماهواره استفاده کرده و نتایج خوبی به دست آوردند. از محصول تحقیقاتی به دست آمده برای بهینه سازی PRD، می توانیم بیشتر تحقیقاتی را که بر خود الگوریتم تمرکز دارند پیدا کنیم. در این مورد، تجارب و تخصص طراحان به طور کامل مورد استفاده قرار نمی گیرند و فرآیند بهینه سازی PRD فاقد ابزار هدایت موثر است. به دست آوردن راه حل پایدار که می تواند الزامات مهندسی را برآورده کند دشوار است. در حال حاضر، برای SPRD دو مسئله اصلی باید حل شود: یکی چگونگی ساخت الگوریتم موثر است؛ دیگری چگونگی استفاده کامل از دانش و تجربه کارشناسان طراحی لوله کشی است. در این مقاله الگوریتم HCCIACO برای حل مسئله SPRD در فضای 3D ارائه شده است. نظریه همکاری کامپیوتر و انسان در کل روش حل در نظر گرفته شده است. این مقاله مکانیسم ترکیبی از راه حل مصنوعی و راه حل الگوریتمی و قوانین ساخت و بروزرسانی راه حل مصنوعی را مورد بررسی قرار داده است. الگوریتم ACO در برخی موارد برای غلبه بر نقایص همگرایی پیش رس و نرخ همگرایی آهسته در این مقاله، با افزایش عملکرد الگوریتم پیشنهادی را بهبود می یابد. مکانیسم هدایت جهت برای بهبود بیشتر سرعت همگرایی ایجاد می شود. با ایجاد ارتباط همکاری مؤثر بین راه حل مصنوعی (افراد مصنوعی ) و راه حل الگوریتم (افراد الگوریتم )، مدل محیط مرتبط و مدل بهینه سازی SPRD مبتنی بر همکاری انسان و کامپیوتر ساخته شده است. افزون بر این، الگوریتم HCCIACO را می توان به دست آورد. این مقاله به شرح زیر است: بخش 2 تکنیک اصلی رویکرد بهینه سازی SPRD مبتنی بر همکاری کامپیوتر و انسان را معرفی می کند؛ بخش 3 مدل بهینه سازی SPRD را معرفی می کند؛ بخش 4 پردازش الگوریتم HCCIACO را برای حل مسائل SPRD توصیف می کند؛ بخش 5 نتایج شبیه سازی را برای اثبات امکان-پذیری و کارایی الگوریتم پیشنهادی نشان می دهد؛ بخش 6، اصول اضافی افراد مصنوعی را مورد بحث قرار می دهد؛ در نهایت، بخش 7 شامل نتیجه گیری این مقاله و تحقیقات بیشتر است.