بهینه سازی سازه ها در مهندسی عمران یعنی طراحی آنها بصورتی که هم مسایل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشند. سازه های فضاکار گنبدی یکی از انواع سازه هایی است که در مهندسی عمران کاربرد روز افزونی دارد. بنابراین بهینه سازی این نوع سازه ها که از عضوهای زیادی تشکیل شده است کمک بزرگی از نظر اقتصادی خواهد نمود. در سازه های گبنددی شکل با قطر دهانه ثابت، یافتن وزن حداقل سازه بستگی به موقعیت گره ها و بارگذازی آنها دارد. یکی از مشکلات موجود در مسئله بهینه سازی همگرایی موضعی می باشد. لذا استفاده از ابزاری که بتواند بر مشکل مذکور غلبه کند، ضروری به نظر می رسد. الگوریتم وراثتی که یکی از روش‌های بهینه سازی الهام گرفته از طبیعت است، بر این مشکل فائق امده است. در این تحقیق هدف، بهینه سازی سازه های فضاکار گنبدی شکل با در نظر گرفتن کمانش کلیه اعضاء و تعیین مناسب‌ترین ارتفاع لایه ها می باشد. بدیهی است با تغییر موقعیت گره ها، سطح بارگیر گره ها نیز متغیر خواهد بود لذا تعیین بهترین موقعیت گره ها با در نظر گرفتن انحنای گنبد، به منظور دستیابی به حداقل وزن سازه بعنوان هدف اصلی این نوشتار منظور گردیده است. به منظور نیل به اهداف فوق اقدام به تهیه نرم افزاری شده که کلیه مراحل تحلیل و طراحی و بهینه سازی سازه های مذکور را با در نظر گرفتن شرایط اخیر بوسیله الگوریتم وراثتی انجام می دهد. پرونده مقاله

شبکه‌های عصبی چند لایه پیش خور از دیرباز به طور وسیعی مورد توجه محققان بوده است. این شبکه‌ها علی‌رغم موفقیت چشم‌گیر در برقراری ارتباط بین ورودی و خروجی، دارای چندین نقطه ضعف بوده‌اند. به عنوان مثال زمان آموزش این شبکه‌ها نسبتاً طولانی است و گاهی ممکن است این شبکه‌ها آموزش نبینند. دلیل طولانی بودن زمان آموزش را می‌توان به انتخاب نامناسب پارامترهای شبکه نسبت داد. روش به دست آوردن پارامترهای وزن وبایاس شبکه، استفاده از گرادیان تابع انرژی شبکه می‌باشد. همان طور که می‌دانیم تابع خطای شبکه دارای سطح ناهمواری بوده لذا شبکه در نقاط بهینه محلی متوقف شده و آموزش نمی‌بیند. برای جبران اشکال‌های وارد به الگوریتم بازگشتی، جهت بالا بردن سرعت آموزش از نرخ یادگیری متغیر تطبیقی و برای جلوگیری از به دام افتادن شبکه در نقاط بهینه محلی از روش الگوریتم اتوماتان استفاده می‌نماییم. با استفاده از این روش‌ها می‌توان نرخ یادگیری بهینه برای شبکه‌های مختلف به دست آورد. پرونده مقاله