Determınatıon the Number of Ants Used in Aco Algorıthm Vıa Grıllage Optımızatıon

Abstract

Karınca koloni optimizasyon algoritması, yapısal optimizasyonda kullanılan yapay zekaya dayalı yöntemlerden biridir. Yapay zekaya dayalı optimizasyon algoritmalarının çoğunda bazı optimizasyon parametrelerinin değerleri optimizasyon sürecinin öncesinde belirlenmesi gerekmektedir. Bu optimizasyon parametrelerinin değerlerinin belirlenmesi özellikle optimizasyonun işlemi için gerekli süre ve ulaşılan sonuçların niteliği açısından önemlidir. Feromon güncelleme katsayısı, kolonideki karınca sayısı, feromon bırakacak karınca sayısı, ceza katsayısı karınca koloni algoritmasındaki başlıca optimizasyon parametreleridir. Bu çalışma ise kolonideki karınca sayısına odaklanmaktadır. Bu araştırma, literatürde sıkça ele alınan optimizasyon problemlerinden biri olan, ızgara sistemlerin optimizasyonu üzerinden gerçekleştirilmiştir. Yapı ağırlığının minimum değerinin belirlenmesi optimizasyon probleminin amaç fonksiyonu ve ızgara sitemin oluşturan elemanların enkesit ebatları ise ayrık tasarım değişkenleri olarak dikkate alınmıştır. Yerdeğiştirme ve dayanım limitleri "LRFD-AISC" yönetmeliğine göre sınırlayıcılar olarak alınmıştır. Yapısal tasarım ve optimizasyon süreci için gerekli işlemleri yapmak üzere "BASIC" dilinde bir bilgisayar programı kodlanmıştır. Karınca sayısının optimizasyon süreci üzerindeki etkisini belirlemek için literatürden seçilen sayısal örnekler farklı karınca sayıları kullanılarak optimize edilmiştir. Çalışmanın sonucunda, kolonide kullanılması gereken karınca sayısına ilişkin bazı çıkarımlar sunulmuştur

Ant colony optimization (ACO) algorithm is one of the artificial intelligence methods used in structural optimization. Values of some optimization parameters must be determined before the optimization process in most of the artificial intelligence based optimization algorithms. Determination of the values of these optimization parameters is essential especially for the time required for the optimization process and the quality of results achieved. Pheromone update coefficient, number of ants in the colony, number of depositing ants, penalty coefficient are the main optimization parameters in ACO algorithm. This study is focused on the number of ants in the ant colony. This research is realized using the optimization of grillage structure which is one of the well-known optimization problems in the literature. Minimization of the weight of structure is the objective function of the optimization problem, and the member sizes of grillages are considered as discrete design variables. Displacement and strength restrictions are considered as constraints according to manual of LRFD-AISC. A computer program is coded in BASIC to accomplish the structural design and optimization procedures. Numerical examples from literature are optimized using different number of ants to determine the effect of the number of ants on the optimization process. At the end of the study, some inferences are presented on the number of ants to be used in the colony