مهندس امیر اسکندری دانشجوی دوره دکتری این دانشکده در رشته مهندسی عمران گرایش سازه، 22 آبان ماه سال 1403 از رساله خود تحت عنوان «کاربرد شبکه‌های عصبی مصنوعی در تنظیم پارامترهای الگوریتم‌های فراکاوشی برای طراحی بهینه سازه‌های اسکلتی» به صورت حضوری با راهنمایی جناب آقای پروفسور علی کاوه دفاع نمود.

چکیده این رساله به شرح زیر می‌باشد: "بهینه‌سازی یکی از موضوعات اساسی در علم و مهندسی بوده و الگوریتم‌های فراکاوشی به‌عنوان ابزارهای قدرتمند در حل مسائل پیچیده شناخته می‌شوند. با این حال، عملکرد این الگوریتم‌ها وابسته به تنظیم پارامترها می‌باشد. این پژوهش به بررسی کاربرد شبکه‌های عصبی مصنوعی در تنظیم پارامترهای الگوریتم‌های فراکاوشی برای طراحی بهینه سازه‌های اسکلتی و کاربرد آن‌ها در آموزش شبکه‌های عصبی می‌پردازد. در بخش نخست، چارچوبی تحت عنوان تنظیم چندمرحله‌ای پارامترها (MSPA) ارائه شده که با ترکیب الگوریتم‌های فراکاوشی، روش نمونه‌برداری ابرمکعب لاتین فراگیر (XLHS) و یادگیری ماشین، به تنظیم سیستماتیک پارامترها پرداخته و کارایی الگوریتم‌ها را بهبود می‌بخشد. این روش ابتدا برای الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و سپس الگوریتم بهینه‌سازی کرکس‌های آفریقایی (AVOA) در مسائل بهینه‌سازی خرپاها و قاب‌های سازه‌ای به‌کار گرفته شد. نتایج به‌خوبی موید آن است که روش MSPA نقش موثری در بهبود عملکرد الگوریتم‌های PSO و AVOA در مواجهه با مسائل متنوع بهینه‌سازی ایفا می‌کند. این تأثیر به‌ویژه در طراحی بهینه سازه‌های اسکلتی، از جمله مسائل پیوسته و گسسته، قابل مشاهده است. در بخش دوم، بار کمانش نهایی ستون‌های فولادی پرمقاومت (HSS)، به‌عنوان یکی از عوامل کلیدی در پایداری سازه‌ها، پیش‌بینی شد. در ابتدا 114 مدل از ستون‌های متفاوت مورد تحلیل غیرخطی قرار گرفته و سپس چهار الگوریتم فراکاوشی جهت بهینه‌سازی وزن‌ها و بایاس‌های ANN بکار برده شد. نتایج نشان‌دهنده دقت قابل قبول مدل ANN جهت بیش‌بینی بار نهایی کمانش می‌باشد." •    کلمات کلیدی پایان نامه: تنظیم چندمرحله‌ای پارامترها، الگوریتم‌های فراکاوشی، یادگیری ماشین، شبکه‌های عصبی مصنوعی، بهینه‌سازی سازه‌ها،  سازه‌های اسکلتی. •    آدرس ایمیل و شماره تماس: Amirima98gmail.com; Amir_eskandaricivileng.iust.ac.ir