GRİD ALTYAPISI ÜZERİNDE

Benzer belgeler
GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

SES-ÜSTÜ KANARD KONTROLLÜ FÜZELER İÇİN SERBEST DÖNEN KUYRUĞUN ŞEKİL OPTİMİZASYONU

Prof. Dr. Yavuz YAMAN, Prof. Dr. Serkan ÖZGEN, Doç. Dr. Melin ŞAHİN Y. Doç. Dr. Güçlü SEBER, Evren SAKARYA, Levent ÜNLÜSOY, E.

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

Şekil 1:Havacılık tarihinin farklı dönemlerinde geliştirilmiş kanat profilleri

SES ALTI ve SES CİVARI HIZ REJİMLERİNDE UÇAN JENERIK BIR SEYİR FÜZESİ İÇİN YARI GÖMÜLÜ HAVA-ALIĞI TASARIMI

İNSANSIZ HAVA ARACI PERVANELERİNİN TASARIM, ANALİZ VE TEST YETENEKLERİNİN GELİŞTİRİLMESİ

Fonksiyon Optimizasyonunda Genetik Algoritmalar

GENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA

Esnek Hesaplamaya Giriş

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı

YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR

Dikey İniş Kalkış Yapabilen Sabit Kanatlı İnsansız Hava Aracı Çalışmaları

GENETİK ALGORİTMALARA GİRİŞ

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

SOME-Bus Mimarisi Üzerinde Mesaj Geçişi Protokolünün Başarımını Artırmaya Yönelik Bir Algoritma

2000 ÖSS Soruları 2,3 0, ,1 işleminin sonucu kaçtır? 13 E) 11 A) 2 B) 3 C) 4 D) 5 E) 6 O O 2. 3

BENZERSİZ SORUNLARA BENZERSİZ ÇÖZÜMLER

HİBRİT (TURBOFAN/GÜNEŞ ENERJİLİ) İTKİ SİSTEMLİ YÜKSEK İRTİFA İNSANSIZ HAVA ARACI KAVRAMSAL TASARIMI ÖZET

GENETİK ALGORİTMALARA GİRİŞ (I)

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

DGridSim Gerçek Zamanlı Veri Grid Simülatörü. Yazılım Tasarımı Dokümanı v Mustafa Atanak Sefai Tandoğan Doç. Dr.

Zeki Optimizasyon Teknikleri

NX Motion Simulation:

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI

Sistem Temel. Genel Fonksiyonlar. Sistemleri. Tam Adaptif Trafik Kontrol Sistemi ( j\iti'1)

Zeki Optimizasyon Teknikleri

TMMOB Makina Mühendisleri Odası VIII. Ulusal Uçak, Havacılık ve Uzay Mühendisliği Kurultayı Mayıs 2015 / ESKİŞEHİR

ÜÇ BOYUTLU SINIR TABAKA AKIŞLARININ KARARLILIK ÖZELLİKLERİNİN DOĞRUSAL KARARLILIK TEORİSİ YAKLAŞIMI İLE BELİRLENMESİ

Zeki Optimizasyon Teknikleri

ALÜMİNYUM BİR HELİKOPTER YATAY KUYRUK KANADININ YAPISAL TASARIMI VE OPTİMİZASYONU

YER HİZMETLERİ VE RAMP - I. Öğr. Gör. Gülaçtı ŞEN

1. Giriş. 2. Dört Rotorlu Hava Aracı Dinamiği 3. Kontrolör Tasarımı 4. Deneyler ve Sonuçları. 5. Sonuç

B = 2 f ρ. a 2. x A' σ =

GENETİK ALGORİTMALAR BÜŞRA GÜRACAR

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME

VIERO ARAÇ SAYIM SİSTEMİ

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

vii TABLOLAR LİSTESİ

ortalama ve ˆ ˆ, j 0,1,..., k

PANEL YAPI PANEL YAPI

2 1 fonksiyonu veriliyor. olacak şekilde ortalama değer teoremini sağlayacak bir c sayısının var olup olmadığını araştırınız. Eğer var ise bulunuz.

... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI

TrizSOFT. S.P.A.C Altı Sigma Danışmanlık

Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden

Geniş Bantlı Log-Periyodik Anten Dizgelerinin Genetik Algoritmalar Kullanılarak Tasarlanması

Bu çagda İŞLER ÇOK DEĞİŞTİ

Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama Paradigmaları

3. İzmir Rüzgar Sempozyumu Ekim 2015, İzmir

SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

P-GRADE Portalı. Cevat Şener Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye. Peter Kacsuk un sunumundan alıntılarla

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

P-GRADE Portalı. Cevat Şener Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye. Peter Kacsuk un sunumundan alıntılarla

Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)

1.1 Metodolojiyi Gerçeklemek Üzere Geliştirilen Altyapı

GEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ

Genel Graf Üzerinde Mutlak 1-merkez

KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü

ANADOLU ÜNİVERSİTESİ HAVACILIK VE UZAY BİLİMLERİ FAKÜLTESİ. Prof. Dr. Mustafa Cavcar 8 Mayıs 2013

CBS ve Coğrafi Hesaplama

ERP Uygulama Öncesi Değerlendirme

Omron Sysmac ailesi ile gerçek makina otomasyonu. Nurcan Konak, Mayıs 2012

HAVACILIK VE UZAY MÜHENDİSLİĞİ LABORATUVAR CİHAZLARI ALIM İŞİ TEKNİK ŞARTNAME. Genel Çalışma Koşulları: 0-40 C. Sıcaklık

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon

EKOEDGE. Plastik Sınırlama Sistemleri.

w Güneşe dön TR - Issue V006 Trifold - EU - BC - D170e - DUAL A ÇİFT XIS SOLAR EKSENLİ TRACKING SY GÜNEŞ TAKİP STEM SİSTEMİ

OPTİMİZASYON TEKNİKLERİ-2. Hafta

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri

YÖNEYLEM ARAŞTIRMASI - III

Yetenekler Ve Mühendislik/Danışmanlık Hizmetleri. Ağustos 2014

2000 ÖSS. 7. Üç basamaklı 9KM sayısı iki basamaklı KM sayısının 31 katıdır. Buna göre, K+M toplamı. İşleminin sonucu kaçtır? kaçtır?

UÇUŞ SIRASINDA BUZLANMA ANALİZLERİNDE DAMLACIK YÖRÜNGELERİNİN PARALEL HESAPLAMA YÖNTEMİYLE BELİRLENMESİ

MATLAB A GİRİŞ. EE-346 Hafta-1 Dr. Ayşe DEMİRHAN

OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI

TS EN ISO KONTROL LİSTESİ ŞABLONU

ATLAS-SAHA VE ARAZİ GÖREVLERİNE YÖNELİK, MODÜLER VE YÜKSEK FAYDALI YÜK ORANLI MİKRO SINIFI BİR İHA TASARIMI, ÜRETİMİ VE TESTLERİ

Endüstriyel Yatık Tip Redüktör Seçim Kriterleri

UZAKTAN OKUMA EDM/MDM SİSTEMLERİ IDSPECTO, ENERJİ MARKETİNİN MEVCUT VE GELECEKTEKİ TÜM UYGULAMALARI İÇİN EKSİKSİZ BİR YAZILIM ÇÖZÜMÜDÜR

NComputing Erişim Cihazları Maksimum Esneklik ve Tasarruf

Online teknik sayfa FLOWSIC60 AKIŞ HIZI ÖLÇÜM CIHAZI

TC KİMLİK NO SMS GÖNDERİM XML API

Dr. Erdal Oktay ın Kısa Özgeçmişi:

Türbin Kanatlarında Eğilme-Burulma Etkileşimi Kullanarak Rüzgâr Türbinlerinde Yük Azalımı Sağlanması

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS

DENEYSEL SPORTİF AMAÇLI İKİ KİŞİLİK HAFİF HAVA ARACI TASARIMI OKTAY DÖNMEZ

Zeki Optimizasyon Teknikleri

AERODİNAMİK KUVVETLER

Yaşanmış Tecrübe Paylaşımı Önce Test Et Sonra Kodla XP Pratiği

Gaz Türbinli Uçak Motorları

4. ÜRÜN GELİSTİRME İŞLEMİ

25. f: R { 4} R 28. ( ) 3 2 ( ) 26. a ve b reel sayılar olmak üzere, 27. ( ) eğrisinin dönüm noktasının ordinatı 10 olduğuna göre, m kaçtır?

NComputing Erişim Cihazları Maksimum Esneklik ve Tasarruf Eylül 2010

PARAMETRİK OLMAYAN TESTLER

BÜYÜK ORANDA ŞEKİL DEĞİŞTİREBİLEN KANAT YÜZEYLERİNİN AERODİNAMİK YÜKLER ALTINDAKİ DAVRANIŞLARI

Transkript:

GRİD ALTYAPISI ÜZERİNDE BİR FÜZENİN PARALEL ŞEKİL OPTİMİZA ZASYONU Erdal Oktay EDA Tasarım Analiz Mühendislik Ltd. ODTÜ Teknokent, Ankara mail@eda-ltd.com.tr Osman Merttopcuoglu ROKETSAN Roket Sanayi ve Ticaret A.Ş. Elmadağ, Ankara omerttopcuoglu@roketsan.com.tr Cevat Sener, Ahmet Ketenci Bilgisayar Mühendisliği Bölümü ODTÜ, Ankara sener@ceng.metu.edu.tr, ketenci@ceng.metu.edu.tr Hasan U. Akay Department of Mechanical Engineering Indiana University - Purdue University Indianapolis Indianapolis, Indiana, USA hakay@iupui.edu Sayfa: 1 / 21

Kapsam: Giriş Optimizasyon Problemi Seyir Uçuşu Şekil Optimizasyonu Genetik Algoritma (GA) Yaklaşım Tarzı Özellikleri Paralel Genetik Algoritma Uygulama Paralel GA nın Grid altyapısında uygulanması Test problemi için kullanılan tasarım parametreleri Test problemi için kullanılan sabit parametreler Optimizasyon sonuçları Yakınsama Geçmişi Sonuç Sayfa: 2 / 21

Giriş Bu çalışmada bir roket geometrisinin ön tasarımında kullanılmak üzere grid üzerinde çalışan bir tasarım aracı geliştirilmiştir. Bu tasarım aracı roket dış geometrisinin aerodinamik olarak optimizasyonunu yapmaktadır. Bütün çözüm uzayını tamamıyla araştırabilmek için genetik algoritma kullanılmıştır. Gerçekçi bir roket geometrisinin dış şeklini iyileştirme süresini kısaltmak için tasarım yazılımı paralelleştirilmiş; grid alt yapısı kullanılarak uygun geometri arama kolaylaştırılmıştır. Çalışma için jenerik bir roket geometrisi seçilmiştir. Amacımız roketin menzilini arttırmaya çalışmaktır. Bunun için verilen kütle ve itki için kaldırma/sürükleme oranının seyahat boyunca alınan ortalaması arttırılmıştır. Sayfa: 3 / 21

Optimizasyon Problemi Seyahat uçuşu x& = V z& = 0 V& = ( F + F )cos( α) / m A T V & γ = ( F cos( α) F sin( α)) / m g = 0 N T F = ρv S C 1 2 A 2 ref A F = ρv S C C = f ( α, M ) 1 2 N 2 ref N C = f ( α, M ) A N Amaç Fonksiyonu: en uzun menzil x f Başlangıç şartları: x = 0, z = z, V = V 0 0 Bitiş şartları: V = V f Sayfa: 4 / 21

Şekil Optimizasyonu Kabuller: İtki, burun ve gövde geometrisi veriliyor ve değişmiyor Kanat bölgesi 2 kanatçıktan oluşacak Kuyruk bölgesi kontrollü 4 kanatçıktan oluşacak Kanat ve Kuyruk Tasarım Parametreleri: Hücum kenarının burundan uzaklığı Gövde veter uzunluğu Hücum kenarı ok açısı Açıklık oranı Sivrilik oranı Alt ve üst kama profillerinin kalınlık/veter oranı Alt ve üst kama profil açıları Sayfa: 5 / 21

Jenerik roket geometrisi l w l t c t Λ l b/2 Λ t γ ul t u γ ut γ ll tl γ lt c r c r Kanat ve kuyruk bölgesindeki kanatçık yatay kesiti Kanat ve kuyruk bölgesindeki Kanatçık dikey kesiti Sayfa: 6 / 21

Genetik Algoritma Doğrusal olmayan ve kısıtlamalı optimizasyon problemleri için uygundur. Yaklaşım tarzı: Verilen bir problem için GA bir aday çözüm popülasyonu oluşturduktan sonra, bu çözümlerin uyum miktarlarını belirlemek için değerlendirme yapar. Yeni nesil aday çözümler adayların uyum değerlerine göre üretilir. Bunun için kalıtım, mutasyon, ayıklanma, ve çaprazlanma gibi biyolojik evrimden esinlenilen işlemler kullanılır. Üreme süreci, daha iyi olan adayları (uyumlu olanın hayatta kalması prensibi) koruyacak; böylece yeni nesilde, uyum sağlamayan çözümlerin görülme olasılıklarını azaltmış olacaktır. İşlemler, çözüm en iyi uyum değerine yakınsayana kadar devam eder. GA çok fazla sayıda değerlendirme yapmayı gerektiren bir uyum değerlendirme işlemidir. Sayfa: 7 / 21

GA özellikleri Global optimizasyon (lokal min-max a takılmaz) Farklı tipteki optimizasyon değişkenleriyle aynı anda çalışabilir. Değersiz ve uygulaması zor çözüm noktalarından kolayca uzaklaşabilir. Çok fazla parametresi olan problemlerin üstesinden gelebilir. Çözüm yaptığı sisteme ait özelliklerin avantajlarından faydalanabilir. Kuralsız, süreksiz, hatta bağımsız çözüm seti içinde çalışabilir. Öğrenen sistemler gibi ileri tekniklerle birlikte kullanılmaya yatkındır. Zahmetli olmakla birlikte paralelleştirmeye çok uygundur. Sayfa: 8 / 21

Paralel GA (Usta-İşçi Modeli) Usta modülü (ana işlemci) önce bireyleri oluşturup gruplayarak bu grupları (alt-popülasyon) işçi modüllerine (diğer işlemciler) gönderir. Her bir işçi modülü, aerodinamik etkilerin dikkate alınmasıyla tasarlanan uyum fonksiyonlarını çalıştırır ve ilgili alt-popülasyona karşılık gelen bir uyum listesi oluşturarak ustaya gönderir. Usta modülü ise işçilerden gelen listeleri değerlendirir; kalıtım, mutasyon, ayıklanma ve çaprazlanma işlemlerini kullanarak yeni bir nesil oluşturur; bu işlemlere ait parametreler kullanıcı tarafından seçilmektedir. Bu süreç istenen uyuma sahip bireyler elde edilinceye kadar tekrarlanır. Sayfa: 9 / 21

Paralel GA Usta Birey Grupları İşci... İşci İşci Uyum değer listesi İşci İşci İşçi işleri Birey Geometri Parametreleri Simülasyon Aerodinamik C D, C L Uyum Amaç & Ceza Belirleme X f, V f Sayfa: 10 / 21

Bilgisayar Hesaplamalı Grid Uygulamaları Bu çalışmada, yapay evrim uygulamaları için ODTÜ Bilgisayar Mühendisliği tarafından geliştirilmiş olan GridAE çatısı kullanılmaktadır. Bu çatı, merkezi Macaristan da bulunan SEE-GRID e ait P-Grade Portal ın Türkiye de bulunan bir ayağı üzerinden ulaşılabilecek şekilde tasarlanmıştır. GA parametreleri ve hedeflenen optimizasyon problemine özel uyum fonksiyonu tanımlaması kolaydır. Usta ve işçi modüller üretilir, derlenir ve GridAE çatısındaki grid altyapısına ait düğümler üzerine uygulanır. Tüm işlem tamamlandığında, sonuçlar indirilir. Bu uygulamanın Avrupa merkezli pek çok Grid Altyapısında kullanılması mümkündür. 1: http://gridae.ceng.metu.edu.tr 2: http://www.lpds.sztaki.hu/pgportal 3: http://www.see-grid.eu Sayfa: 11 / 21

SEE-GRID Altyapısı Güney-Doğu Avrupa Gridi mevcut altyapısı 12 ülke ~40 bilgisayar kümesi (cluster/grid siteleri) ~2500 CPU ~70 Terabyte stoklama yeteneği Son iki yıl içinde 6 milyondan fazla CPU saati tüketimi Sayfa: 12 / 21

GridAE Çatısı ODTÜ Bilgisayar Mühendisliği tarafından geliştirilmiştir. Çoklu site grid uygulamasının desteklenmesi için ölçeklendirilebilir. Kontrol noktaları ile aksaklığa dayanıklıdır. Yerleşik GA kütüphanesi (kendi algoritmanızı tanımlama imkanı) Kaynak kullanıcıları arasında yük paylaşımı sağlayabilir. Parametre çalışmalarını destekler. Sayfa: 13 / 21

TEST PROBLEMİ Nesil = 77; Popülasyon = 120 Kullanılan Tasarım Parametreleri: Kanat bölgesi için tasarım parametre sayısı :11 değer Kuyruk bölgesi için tasarım parametre sayısı : 11 değer Kullanılan sabit parametreler: z0 Dolu Kütle 500 kg Roket boyu 3.8 m 1000 m Boş Kütle 350 kg Roket çapı 0.3 m 800 m/s Kütle Mrkz(dolu) 2.1 m Lüle çıkış çapı 0.15 m 240 m/s Kütle Mrkz(boş) 1.7 m Burun boyu 0.9 m γ 0 deg İtki 20 KN Burun şekli Ogive Yanma süresi 20 s z 0 V 0 V f Sayfa: 14 / 21

Optimizasyon Sonuçları Kanat bölümü için Kuyruk bölümü için t c u γ ul γ ut t l w c r / c r b 2 / 2S Λ l = tl = γ ll = γ lt Üst sınır Alt sınır sonuç Üst sınır Alt sınır sonuç 1.60 m 0.90 m 1.36 m 1.20 m 0.70 m 0.85 m 0.60 m 0.40 m 0.48 m 60.0 deg 30.0 deg 54.5 deg c / c 45.0 deg 15.0 deg 36.0 deg 0.70 0.185 0.020 b 2 / 2S 1.05 0.35 0.92 0.80 0.60 0.072 0.80 0.60 0.62 t u = t l 0.04 0.02 0.040 0.04 0.02 0.030 γ ul 9.0 deg 7.0 deg 7.9 deg 10.0 deg 8.0 deg 9.9 deg γ ut 11.0 deg 9.0 deg 9.0 deg = γ lt 11.0 deg 9.0 deg 9.3 deg c r t Λ l r = γ ll Sayfa: 15 / 21

Yakınsama Geçmişi (Popülasyona göre kanadın yeri) Sayfa: 16 / 21

Yakınsama Geçmişi (Popülasyona göre kanadın açıklık oranı) Sayfa: 17 / 21

Yakınsama Geçmişi (Uyum değeri = Menzil [km]) Sayfa: 18 / 21

Geometri değişim süreci Sayfa: 19 / 21

Linux bilgisayar kümesindeki performans Hız artışı İdeal Gerçek İşlemci sayısı Sayfa: 20 / 21

Sonuç Bu çalışmada GA bir kavramsal tasarım probleminin çözümü için kullanılmakla birlikte, tasarım işleminin herhangi bir aşamasında da yararlanılabilecek bir araçtır. Çok yüksek serbestlik derecesine sahip sistemlerin söz konusu olduğu ve global optimumum çözüm arandığı kompleks sistemler için değerli bir tasarım aracıdır. GA paralelleştirme için son derece uygundur; ve bu özelliği onu güncel teknolojilerde kullanılabilecek eşsiz ve vazgeçilmez bir araç haline getirmiştir. Paralel GA uygulamaları Grid altyapılarının gevşek bağlı (looselycoupled) doğasına çok iyi uyum sağlamakta; böylece GA uygulamalarının binlerce işlemcinin bağladığı çoklu sitelerden oluşan Grid ortamlarına sunulması mümkün olabilmektedir. Sayfa: 21 / 21