بهینه سازی توپولوژی سازه های پیوسته با استفاده از الگوریتم geso

یکی از روش های بهینه سازی سازه ها، evolutionary structural optimizaton (eso) می باشد. این روش، به منظور استفاده بهینه از مصالح، مصالح سازه را باز توزیع می کند. در این روش، حرکت تدریجی از سازه اولیه به سمت سازه بهینه صورت می گیرد و با در نظر گرفتن کلیه شرایط حاکم بر سازه از قبیل شرایط ساختگاهی، تکیه گاهی، بارگذاری و... با حذف یا انتفال تدریجی مصالح غیر لازم، شکل نهایی آن، ارایه و سازه به سمت بهترین نوع توزیع(مثل توزیع تنش یا ابعاد) سوق داده می شود. به عبارتی این توزیع به نحوی انجام می گیرد که مصالح از نقاط قوی تر با کارایی کمتر به نقاط ضعیف تر با کارایی بیشتر انتقال یافته وسازه با توجه به عملکرد مورد نظر، قابلیت بالاتری نسبت به طراحی اولیه داشته باشد. تاکنون دیدگاه ها و نظریات مختلفی در مورد روش بهینه سازی تکاملی سازه ها ابراز شده است. در این میان بعضی از پژوهشگران به انتقاد از این روش پرداخته و آن را در تولید ساختار بهینه ناکارا معرفی می کنند و ادعا می کنند روش بهینه سازی تکاملی سازه ها همیشه به جواب مطلوب منجر نمی شود و بعضی مواقع جواب های فوق العاده غیربهینه و محلی تولید می کند. زیرا حذف مواد بدون در نظر گرفتن پتانسیل آن ها در مراحل بعد صورت می گیرد به عبارتی المان هایی که شاید نیاز داشته باشند در تکرارهای بعدی معیارهای بهینگی برای آن ها کنترل گردد، دائما حذف می شوند. برای غلبه بر این مشکل، در این تحقیق مفهوم اساسی احتمال و بقاء بهترین در الگوریتم ژنتیک با روش esoترکیب شده و عملکرد این روش را در جستجوی پاسخ های کلی بهبود بخشیده است. این عمل با اضافه کردن عملگرهای الگوریتم ژنتیک، نظیر selection، crossover و mutation به eso انجام می گیرد. در واقع با این کار، الگوریتم تکاملی جدیدی به نام geso بوجود می آید که قدرت و سرعت آن در جستجوی پاسخ های کلی، به مراتب بالاتر از eso می باشد. در مثال های بررسی شده در فصل چهارم مشاهده می شود که توپولوژی های حاصل از روش geso هم از نظر هندسه و هم از نظر معیارهای مورد طراحی(نظیر وزن وکامپلیانس) تنوع بیشتری نسبت به توپولوژی های به دست آمده از روش eso و beso دارند. همچنین مقادیر بدست آمده از روش geso برای وزن و کامپلیانس بهتر از مقادیر حاصل از روش های eso و beso می باشند.