بهینه سازی سازه های فضاکار چلیک با استفاده از الگوریتم های بهینه سازی و مقایسه الگوریتم ها

با توجه به استفاده روزافزون از سازه های فضاکار و با پیدایش نرم افزارهای متعدد در عرصه مهندسی عمران (سازه)، نوآوری هایی در زمینه طراحی، ساخت و اجرای سازه های فضاکار صورت گرفته، به نحوی که امروزه در دنیا شاهد محبوبیت روزافزون این نوع سازه ها هستیم. این محبوبیت ناشی از قابلیت منحصر بفرد این سازه هاست که عبارت است از: پوشش دهانه های بزرگ با جلوه های زیبا، وزن کم، سادگی تولید، سرعت نصب و غیره ... با توجه به وجود تعدد زیاد عضو دراین سازه ها انتخاب شکل مناسب تر، تاثیر زیادی در کاهش وزن، کاهش مصالح و در نتیجه کاهش هزینه سازه خواهد داشت. متغیرهای طراحی مشخصات هندسی اعضا و قیود طراحی شامل محدودیت های تنش در اعضا، جابجایی گره ای و قیود هندسی می باشند. از طرفی با پیشرفت علم و تکنولوژی نیازها و خواسته های جدیدی در زمینه مهندسی سازه رخ داده، که عامل زمان اهمیت بیشتری یافته و باعث گرایش به ساخت سازه های مدرن پیش ساخته شده است. برداشتن گامهای موثر درجهت کاهش وقت و هزینه برای اجرای این سازه ها یکی از ملزومات اساسی می باشد که با روش های بهینه سازی می توان به این مهم دست یافت. تقریباً در بسیاری از مسائل واقعی بهینه سازی، نیازمندیم از الگوریتم های ریاضی که در آنها جستجوی تکراری مورد استفاده قرار میگیرد استفاده کنیم، زیرا راه حل های تحلیلی برای این توابع به ندرت در دسترس، یا تحلیل آنها بسیار پیچیده می باشد. بیشتر این روش های بهینه سازی مبتنی بر محاسبه مشتقات تابع هدف هستند که این مساله موجب افزایش حجم محاسبات ریاضی می شود به منظور رفع این نقیصه روش هایی مبتنی بر تقریب سازی تصادفی گرادیان بوجود آمده اند. به منظور بهینه سازی سازه ها در این مقاله، سازه فضاکار چلیک با چهار روش بهینه سازی مورد مقایسه قرار گرفته و براساس نتایج بدست آمده بهترین الگوی بهینه سازی از بین این الگوها معرفی گردیده است. این روش ها و الگوریتم های بهینه سازی از قرار زیراست:1- الگوریتم ژنتیک 2- الگوریتم تقریب سازی تصادفی مبتنی بر آشفته سازی همزمان ( (spsa3- الگوریتم حرکت پرندگان (pso) 4- الگوریتم حاصل از ترکیب (spsa-pso) از جمله ویژگی های این روشها این است که در هر تکرار، بهینه سازی، مستقل از تعداد متغیرهای طراحی می باشد و تنها به دو بار ارزیابی تابع هدف یا تحلیل سازه نیازمند است بنابراین استفاده از این الگوریتم ها به شدت موجب کاهش حجم محاسبات و کاهش زمان بهینه سازی می شود.