Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Optimisation Métaheuristique et Applications
Univ Europeenne - EAN : 9783639622966
Édition papier
EAN : 9783639622966
Paru le : 10 mars 2017
55,90 €
52,99 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639622966
- Réf. fournisseur : 8037815
- Editeur : Univ Europeenne
- Date Parution : 10 mars 2017
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 144
- Format : H:229 mm L:152 mm E:9 mm
- Poids : 222gr
- Interdit de retour : Retour interdit
- Résumé : L'optimisation des structures est un processus essentiel dans la conception des systèmes mécaniques et électroniques. Cette étude s'intéresse à la résolution des problèmes mono-objectifs et multiobjectifs des structures mécaniques et mécatroniques. En effet, les industriels ne sont pas seulement préoccupés à améliorer les performances mécaniques des pièces qu'ils conçoivent, mais ils cherchent aussi à optimiser leurs poids, leurs tailles, ainsi que leurs couts de production. Pour résoudre ce type de problème, nous avons fait appel à des métaheuristiques robustes, qui nous permettent de minimiser le cout de production de la structure mécanique et de maximiser le cycle de vie de la structure. Alors que des méthodes inappropriées de l'évolution sont plus difficiles à appliquer à des modèles mécaniques complexes en raison de temps calcul exponentiel. Il est connu que les algorithmes génétiques sont très efficaces pour les problèmes NP-difficiles, mais ils sont très lourds et trop gourmands quant au temps de calcul, d'où l'idée d'hybridation de notre algorithme génétique (GA) par l'algorithme d'optimisation par essaim de particules (PSO) qui est plus rapide pour nos applications.
