دانلود مقاله کاربرد الگوریتم ژنتیک برای مدل سازی بسته بندی انبوه دانه های بتنی
تعداد صفحات فایل انگلیسی : 7 صفحه pdf
تعداد صفحات فایل ترجمه : 20 صفحه word
کنستانتین سوبولف، عادل امیرجانوف
چکیده
الگوریتم بسته بندی متوالی[3] (SPA) به منظور مدل کردن بسته بنده انبوه گروه بزرگی از ذرات (در حد میلیون دانه) توسعه پیدا کرده است. این گروه، سیستم دانه ای واقعی سیمان پورتلند یا بتن آسفالتی را ارائه میکنند. برای بهبود عمکرد SPA موتور برنامه ریزی با استفاده از مدول جستجوی الگوریتم ژنتیک[4] (GA) به روز شده است. روندهای بسته بندی چندسلولی، تنظیم مناسب پارامترهای الگوریتم، مانند پیاده سازی GA ابزارهای مناسبی برای بهینه سازی منابع محاسباتی بوده است، و می توانند برای سرعت بخشیدن به فرآیند SPA و بسته بندی حجم بسیار زیادی از موجودیتهای کروی به کار بیایند. الگوریتم توسعه یافته، بسته بندی انبوه را بر مبنای دانه های بتنی تولید و تجسم می کند. تأثیر متغیرهای مدل بر درجه ی بسته بندی و توزیع مرتبط ذرات مورد تحلیل قرار گرفت. بر مبنای نتایج شبیه سازی، توزیع های مختلف اندازه ی ذرات به درجه ی بسته بندیشان مرتبط گردید. این بسته بندی ها به خوبی با استانداردهای مورد نیاز و داده های تحقیقات در دسترس همخوان بوده اند. نتایج تحقیقات می تواند برای متناسب کردن بهینه ی ترکیب های بتنی مورد استفاده قرار گیرد.
Application of genetic algorithm for modeling of dense packing of concrete aggregates
Konstantin Soboleva,*, Adil Amirjanovb
ABSTRACT
Sequential Packing Algorithm (SPA) was developed to model the dense packing of large assemblies of par-ticulate materials (in the order of millions). These assemblies represent the real aggregate systems of portland cement or asphalt concrete. To improve the SPA performance, the program engine was updated with a genetic algorithm (GA) search module. Multi-cell packing procedures, fine adjustment of the algorithm’s parameters, as well as implementation of GA were effective tools to optimize the computational resources, to speed-up the SPA and to pack very large volumes of spherical entities.
The developed algorithm generates and visualizes dense packings corresponding to concrete aggregates. The influence of model variables on the degree of packing and the corresponding distribution of particles was analyzed. Based on the simulation results, different particle size distributions of particulate materials are correlated to their packing degree. These packings agreed well with the standard requirements and available research data. The results of the research can be applied to the optimal proportioning of concrete mixtures.
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله کاربرد الگوریتم ژنتیک برای مدل سازی بسته بندی انبوه دانه های بتنی
تعداد صفحات فایل انگلیسی : 7 صفحه pdf
تعداد صفحات فایل ترجمه : 20 صفحه word
کنستانتین سوبولف، عادل امیرجانوف
چکیده
الگوریتم بسته بندی متوالی[3] (SPA) به منظور مدل کردن بسته بنده انبوه گروه بزرگی از ذرات (در حد میلیون دانه) توسعه پیدا کرده است. این گروه، سیستم دانه ای واقعی سیمان پورتلند یا بتن آسفالتی را ارائه میکنند. برای بهبود عمکرد SPA موتور برنامه ریزی با استفاده از مدول جستجوی الگوریتم ژنتیک[4] (GA) به روز شده است. روندهای بسته بندی چندسلولی، تنظیم مناسب پارامترهای الگوریتم، مانند پیاده سازی GA ابزارهای مناسبی برای بهینه سازی منابع محاسباتی بوده است، و می توانند برای سرعت بخشیدن به فرآیند SPA و بسته بندی حجم بسیار زیادی از موجودیتهای کروی به کار بیایند. الگوریتم توسعه یافته، بسته بندی انبوه را بر مبنای دانه های بتنی تولید و تجسم می کند. تأثیر متغیرهای مدل بر درجه ی بسته بندی و توزیع مرتبط ذرات مورد تحلیل قرار گرفت. بر مبنای نتایج شبیه سازی، توزیع های مختلف اندازه ی ذرات به درجه ی بسته بندیشان مرتبط گردید. این بسته بندی ها به خوبی با استانداردهای مورد نیاز و داده های تحقیقات در دسترس همخوان بوده اند. نتایج تحقیقات می تواند برای متناسب کردن بهینه ی ترکیب های بتنی مورد استفاده قرار گیرد.
Application of genetic algorithm for modeling of dense packing of concrete aggregates
Konstantin Soboleva,*, Adil Amirjanovb
ABSTRACT
Sequential Packing Algorithm (SPA) was developed to model the dense packing of large assemblies of par-ticulate materials (in the order of millions). These assemblies represent the real aggregate systems of portland cement or asphalt concrete. To improve the SPA performance, the program engine was updated with a genetic algorithm (GA) search module. Multi-cell packing procedures, fine adjustment of the algorithm’s parameters, as well as implementation of GA were effective tools to optimize the computational resources, to speed-up the SPA and to pack very large volumes of spherical entities.
The developed algorithm generates and visualizes dense packings corresponding to concrete aggregates. The influence of model variables on the degree of packing and the corresponding distribution of particles was analyzed. Based on the simulation results, different particle size distributions of particulate materials are correlated to their packing degree. These packings agreed well with the standard requirements and available research data. The results of the research can be applied to the optimal proportioning of concrete mixtures.
دانلود رایگان مقاله انگلیسی