ارزیابی قابلیت اطمینان سازه ها بااستفاده ازالگوریتم های فرا اکتشافی

عموما در مسائل مهندسی عمران با پارامترها و متغیرهایی زیادی مواجه هستیم که دارای مقادیر ثابت و معین نبوده و ذاتا ماهیت تصادفی دارند که موجب می گردد ارزیابی این مسائل با نوعی عدم قطعیت صورت گیرد. بواسطه وجود این عدم اطمینان نیاز به یک روش علمی و سیستماتیک به منظور ارزیابی قابلیت اطمینان و پیش بینی احتمال خرابی سازه ها اجتناب ناپذیر می گردد. یک مهندس طراح اغلب در پی تعیین قابلیت اطمینان و احتمال خرابی سازه تحت قیودی همچون تنش، جابجایی و غیره به منظور پیش بینی کارایی و امنیت سازه می باشد. در دهه های اخیر روش های متعددی برای ارزیابی احتمال خرابی و شاخص قابلیت اطمینان ارائه شده است. از جمله این روش ها می توان به روش های بر پایه شبیه سازی همچون روش های زمانبر مونت کارلو و روش هایی بر اساس تکنیک قابلیت اطمینان مرتبه اول و دوم که لازمه آن وجود مشتق تابع شرایط حدی است، اشاره نمود. پیچیدگی، عدم پیوستگی و رفتار غیرخطی شدید تابع شرایط حدی باعث بروز مشکلاتی برای روش های مذکور در حل مسائل قابلیت اطمینان می گردد و ارایه روشی که این مشکلات را به نحوی حل نماید را اجتناب ناپذیر می نماید. یکی از این روش ها تبدیل مسئله قابلیت اطمینان به یک مسئله بهینه سازی مقید و استفاده از تکنیک های بهینه سازی به منظور تعیین شاخص قابلیت اطمینان است. لذا در این تحقیق به منظور ارزیابی شاخص قابلیت اطمینان و احتمال خرابی سازه ها از الگوریتم های بهینه-سازی فرا اکتشافی استفاده شده است. بدین منظور سه الگوریتم بهینه سازی فرا اکتشافی ژنتیک، اجتماع ذرات و جستجوی هارمونی بکار گرفته شده است. نتایج نشان داد که الگوریتم های پیشنهادی در مسائل مختلف با دقت مناسبی به جواب همگرا شده اند. از طرفی الگوریتم جستجوی هارمونی در بین الگوریتم های پیشنهادی سریعتر به جواب همگرا گردیده است. بررسی مسائل حاکی از این است که این الگوریتم ها، با مشکلاتی که در نظر گرفتن همبستگی و نوع تابع توزیع احتمال متغیرها برای دیگر روش های ارزیابی قابلیت اطمینان ایجاد می کند مواجه نمی گردند. به علاوه در این تحقیق برای ارزیابی قابلیت اطمینان مسائلی که شکل صریحی از تابع شرایط حدی در آن ها وجود ندارد، الگوریتم ترکیبی جدیدی بر پایه شبکه های عصبی و الگوریتم جستجوی هارمونی ارائه گردیده است. نتایج حاصل از بررسی های به عمل آمده نشان از دقت مناسب این الگوریتم در تعیین شاخص قابلیت اطمینان در مقایسه با روش های معمولی پاسخ سطح می باشد.