کتاب آموزش کاربردی مطلب MATLAB برای مهندسی عمران نوآور

درباره‌ی کتاب آموزش کاربردی مطلب MATLAB برای مهندسی عمران نوآور

MATLAB، در واقع یک زبان برنامه نویسی نسل چهار و از پرکاربردترین نرم افزار برنامه نویسی در رشته مهندسی عمران است؛ چرا که محاسبات طاقت فرسا در رشته ی عمران با استفاده از این نرم افزار به راحتی انجام می شود. حال کتاب "آموزش کاربردی MATLAB برای مهندسی عمران" به کمک دانشجویان و مهندسین عزیز آمده است تا با زبانی ساده و روان و با ارائه ی مثال های متعدد، مطالب کاربردی و کلیدی این نرم افزار را آموزش دهد.

کتاب مذکور متشکل از 5 فصل می باشد که عبارتند از: 1- مبانی، مفاهیم و کلیات 2- مقدماتی بر برنامه های عمرانی 3- برنامه های دینامیک سازی 4- برنامه های مهندسی زلزله 5- جعبه ابزارهای متلب

در فصل اول محیط متلب را با تمامی پنجره ها، دستور ها و فرامین به طور جامع و کلی توضیح می دهد و سپس در فصل دوم کاربرد دستور های بیان شده در فصل یک را در برنامه های عمرانی به صورت جامع  شرح می دهد. ضرورت برنامه نویسی برای درس دینامیک سازه استفاده از مفاهیم ماتریس است، که در فصل سوم به بررسی دسته ای از مسائل دینامیک و حل آن ها با متلب  می پردازد. در فصل چهارم مهندسی زلزله را به همراه طیف 2800 شرح می دهد و نهایتاً در فصل پنجم جعبه ابزار بهینه سازی الگوریتم (ژنتیک) را به طور مختصر توضیح می دهد.

فهرست

 1- مبانی، مفاهیم و کلیات  2- مقدماتی بر برنامه های عمرانی 3- برنامه های دینامیک سازی  4- برنامه های مهندسی زلزله  5- جعبه ابزارهای متلب

برشی از متن کتاب

فصل پنجم: جعبه ابزارهای متلب الگوریتم ژنتیک روش الگوریتم ژنتیک  یکی از روش های فرا ابتکاری می باشد که برای بهینه سازی مسائل از آن استفاده می شود. الگوریتم ژنتیک، الهامی از علم ژنتیک و نظریه تکامل داروین است که بر اساس بقای برترین ها یا انتخاب طبیعی استوار است. یک کاربرد متداول الگوریتم ژنتیک ابزار سودمند در بازشناسی الگو، انتخاب ویژگی، درک تصویر و یادگیری ماشینی می باشد. در الگوریتم های ژنتیکی، نحوه تکامل ژنتیکی موجودات زنده شبیه سازی می شود.

اگرچه کارهایی توسط یک زیست شناس به نام fraser در زمینه مدل سازی تکامل در سیستم های بیولوژیک در دهه 60 میلادی صورت گرفت ولی الگوریتم ژنتیک برای کاربرد های مهندسی و به صورت امروزی آن نخستین بار توسط John Holland متخصص علوم کامپیوتر دانشگاه میشیگان در سال 1975 پیشنهاد گردید.

کار وی آغاز تمامی کوشش ها برای کاربرد الگوریتم ژنتیک در مهندسی است. پس از آن کار های Dejong  در سال 1975 در زمینه بررسی و مقایسه چندین روش الگوریتم ژنتیک پایه های نطری بحث را فراهم آورد. این الگوریتم با ابهام از طبیعت بر پایه اصل تکاملی (پایداری بهترین) (Survival of the fittest) استوار است.

الگوریتم ژنتیک اگرچه پس از الگوریتم استراتژی تکاملی پیشنهاد گردید ولی مشهورترین روص از بین الگوریتم های تکاملی است. در یک الگوریتم ژنتیک یک جمعیت از افراد طبق مطلوبیت آن ها در محیط بقا می یابند. افرادی با قابلیت های برتر، شانس ازدواج و تولید مثل بیشتری را خواهند یافت‌.

بنابراین بعد از چند نسل فرزندانی با کارایی بهتر به وجود می آیند. در الگوریتم ژنتیک هر فرد از جمعیت به صورت یک کروموزوم معرفی می شود. کروموزوم ها در طول چندین نسل کامل تر می شوند. در هر نسل کروموزوم ها ارزیابی می شوند و متناسب با ارزش خود امکان بقا و تکثیر می یابند. تولید نسل در بحث الگوریتم های ژنتیک با عملگر های همبری و جهش صورت می گیرد.

والدین برتر بر اساس یک تابع برآزندگی انتخاب می شوند. در هر مرحله از اجرای الگوریتم ژنتیکی، یک دسته از نقاط جستجو مورد پردازش های تصادفی قرارمی گیرند. به این صورت که به هر نقطه دنباله ای از کاراکتر ها نسبت داده می شود و برروی این دنباله ها، عملگر های ژنتیکی اعمال می شود‌. سپس دنباله های بدست آمده دیکد می گردد تا نقاط جدیدی در فضای جستجو به دست آید.

در آخر براساس این که تابع هدف در هریک از نقاط چه مقدار باشد، احتمال شرکت نمودن آن ها در مرحله بعد تعیین می گردد. الگوریتم های ژنتیکی را می توان یک روش بهینه سازی تصادفی جهت دار دانست که به تدریج به سمت نقطه بهینه حرکت می کند.

در مورد ویژگی های الگوریتم ژنتیک در مقایسه با دیگر روش های بهینه سازی، توانایی این روش در حل مسائل پیچیده بهینه سازی است، که روش های کلاسیک یا قابل اعمال نیستند و یا دریافتن بهینه کلی قابل اطمینان نیستند. عملگر های ژنتیکی در الگوریتم های ژنتیکی، در طی مرحله تولید مثل از عملگر های ژنتیکی استفاده می شود.

با تاثیر این عملگر ها بر روی یک جمعیت، نسل بعدی آن جمعیت تولید می شود. عملگر های انتخاب، آمیزش و جهش معمولاً بیشترین کاربرد را در الگوریتم های ژنتیک دارند. ....

نویسندگان: هومان بابا احمدی میلانی - حمیدرضا روانشادنیا

انتشارات: نوآور