Abstract

Il Big Bang–Big Crunch (BBBC) riproduce l'evoluzione dell'universo generando in maniera casuale una popolazione di design (fase di esplosione) e determinandone poi il centro di massa (fase di contrazione). Se il centro di massa migliore l’ottimo corrente si effettua nuova esplosione generando così una nuova popolazione per cui si valuta nuovamente il centro di massa. Tale processo si reitera fino a che non si arriva al design ottimo. Benché il BBBC sia uno degli algoritmi meta-euristici meglio formulati in assoluto, richiede un notevole sforzo computazionale. Per ovviare a tale limitazione, il presente lavoro propone una formulazione avanzata dell’algoritmo BBBC incorporando nel processo di generazione dei design candidati informazioni sui gradienti della funzione obiettivo. Il nuovo algoritmo è quindi un BBBC con esplosioni infrequenti. I risultati ottenuti in problemi di ottimizzazione di travature reticolari comprendenti sino a 3586 elementi e 280 variabili di sizing dimostrano la bontà dell'approccio proposto

Autore Pugliese

• Lamberti Luciano , Pappalettere Carmine

Tutti gli autori

• Lamberti L , Pappalettere C

Titolo volume/Rivista

Non Disponibile

Anno di pubblicazione

2013

ISSN

Non Disponibile

ISBN

Non Disponibile

Numero di citazioni Wos

Nessuna citazione

Ultimo Aggiornamento Citazioni

Non Disponibile

Numero di citazioni Scopus

Non Disponibile

Ultimo Aggiornamento Citazioni

Non Disponibile

Settori ERC

Non Disponibile

Codici ASJC

Non Disponibile