Evolutionary algorithms for optimizing engineering problems
Mühendislik problemlerinin optimizasyonu için evrimsel algoritmalar
- Tez No: 959056
- Danışmanlar: YRD. DOÇ. FABIO STROPPA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üç boyutlu yumuşak büyüyen robotik manipülatörlerin tasarımını gerçekleştirmeyi amaçlayan çok amaçlı sürekli evrimsel bir çerçeve öneriyoruz. Ulaşılabilirlik, malzeme kullanımı, eğrilik düzgünlüğü ve çarpışmasız alanı tek bir optimizasyon problemine dahil ederek, ağırlık ayarlamasını ve karmaşık Pareto ön yüzü hesaplamalarını ortadan kaldırmak için Sıralama Bölme (Rank Partitioning) ve hayatta kalma stratejilerinden faydalanıyoruz. Dört algoritmayı, Genetik Algoritma (GA), Parçacık Sürüsü Optimizasyonu (PSO), Diferansiyel Evrim (DE) ve Büyük Patlama–Büyük Çöküş (BB–BC), aynı koşullar altında, farklı hedefler ve engeller ile karşılaştırdık. Sonuçlar, bu mühendislik problemi için en iyi algoritmaların sırasıyla GA ve PSO olduğunu, ardından DE'nin geldiğini göstermektedir; ayrıca BB–BC'nin ortalama olarak PSO ve DE'ye kıyasla daha tutarlı olduğunu iddia ediyoruz. Yaklaşımımız, sürekli robot tasarımı için ölçeklenebilir bir çözümdür ve karmaşık, yapısal olmayan alanlar için en uygun algoritmanın seçilmesine yardımcı olur.
Özet (Çeviri)
The 3D design of soft growing robotic manipulators is a demanding task due to theirbuilt-in compliance and the need to optimize several, typically conflicting, objec-tives. This thesis presents a novel multi-objective continuous evolutionary methodfor 3D design of such manipulators. Our approach integrates key factors such asreachability, material efficiency, curvature smoothness, and collision avoidance into asingle optimization problem. By leveraging Rank Partitioning and effective survivalmethods, our approach avoids manual weight tuning and expensive Pareto-front cal-culations. We performed an extensive comparative study of four evolutionary algo-rithms, Genetic Algorithm (GA), Particle Swarm Optimization (PSO), DifferentialEvolution (DE), and Big Bang-Big Crunch (BB-BC), under the same conditionson different targets and obstacles. Results show that GA and PSO always providesuperior performance for this design problem, while BB-BC is illustrated as beingvery consistent relative to PSO and DE. Scalable solution significantly advancescontinuum robot design since it enables the selection of the optimal algorithm forthis engineering problem.
Benzer Tezler
- Optimization of chemical engineering processes by genetic algorithms
Kimya mühendisliği süreçlerinin genetik algoritmalarla optimizasyonu
BARIŞ GÜNDÜZ AKMANSOY
Yüksek Lisans
İngilizce
2002
Kimya MühendisliğiEge ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. BENO KURYEL
- Robotik süreç otomasyonu için iş çizelgeleme algoritması
Job scheduling algorithm for robotic process automation
GÜLŞAH DORUK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN KAAN EROL
- Viskoelastik katmanlı kompozit kabukların sonlu elemanlar ve diferansiyel kuadratür yöntemleri entegre edilmiş genetik algoritmalar ile optimal tasarımı
Optimal design of viscoelastic-layered composite shells using finite elements and differential quadrature methods integrated with genetic algorithms
UFUK KOL
Doktora
Türkçe
2024
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT ZİYA DOĞAN
- Particle based topology optimization methods foradditive manufacturing technologies
Eklemeli imalat teknolojileri için parçacık tabanlı topoloji optimizasyon yöntemleri
ABDULLAH KENDİBİLİR
Doktora
İngilizce
2024
Mühendislik BilimleriSabancı ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN KEFAL
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL