[[alternative]]Structural Optimal Design Using Generalized Hopfield Neural Network and Finite Element Method

[[abstract]]在結構最佳化設計的工程問題，設計限制條件通常是結構物受載力後，所造成的系統反應及材料本身能承受的負荷；一般而言其數學函數的推導與取得是相當複雜的，其數值解法又需專業的學習與訓練。為了能使最佳化設計的過程具有最大的實用性而不需要推導出限制條件的顯性數學式。為了設計工程師僅需具備基礎的最佳化設計原理，不需深入暸解程式化及其專業的數值解法，而只需一般的數值分析方法即可求得最佳設計結果。本文即是應用通用型式的霍普菲爾神經網路原理及結合處罰函數法，以發展將非線性結構最佳化的設計題目轉換為解聯立之常微分方程型式的結構最佳化設計方法與程序技術。本文中將說明上述之設計法則和有限元素程式結合演算的過程，並以簡單的結構設計例來解說其過程與可用性。[[abstract]]This paper presents ·a structural optimum design process using generalized Hopfield Neural Network (GHN) as the basis combining finite element analysis. The penalty function method has been applied to deal with the constrained functions in the GHN optimization. The advantage of the presenting method are: (I) The optimum design problem can be transformed to a set of ordinary differential equations and can solved it by general numerical method. (2) The finite element analysis can simplify the complicate analytical design constraints. The nonlinear design problem works well by the illustrative design example.[[sponsorship]]淡江大學兩岸學術合作專案小組[[notice]]補正完畢[[conferencetype]]兩岸[[conferencetkucampus]]淡水校園[[conferencedate]]20010529~20010530[[booktype]]紙本[[iscallforpapers]]Y[[conferencelocation]]臺北縣, 臺