Optymalizacja kratownicy z zastosowaniem algorytmu genetycznego

• Autorzy: Grzywiński M.

Warianty tytułu

EN

Optimization of truss using genetic algorithm

• Języki publikacji: PL

Abstrakty

PL

W artykule zaproponowano algorytm genetyczny do rozwiązania problemu minimalizacji masy płaskiej kratownicy, biorąc pod uwagę zmienność pola przekroju. Minimalna masa konstrukcji stalowej to też niska emisja CO2. Konstrukcja jest zoptymalizowana za pomocą wydajnego algorytmu zwanego Teaching Learning Based Optimization. Proces TLBO jest podzielony na dwie części: pierwsza składa się z "fazy nauczyciela", a druga składa się z "fazy ucznia". Obliczenia wykonywane są z pomocą programu metody elementów skończonych zakodowanym w MATLAB-ie.

EN

The article proposes a genetic algorithm for solving the problem of minimizing the mass of a plane truss, taking into account the variability of the cross-sectional area. The minimum mass of the steel structure is also low CO2 emission. The design is optimized using an efficient algorithm called Teaching Learning Based Optimization. The TLBO process is divided into two parts: the first consists of the "teacher phase" and the second consists of the "student phase". The calculations are performed with the help of the finite element method program coded in MATLAB.

Słowa kluczowe

PL

algorytm genetyczny; optymalizacja przekroju; zmienne dyskretne; minimum masy; emisja CO2

EN

genetic algorithm; size optimization; discrete variables; mass minimum

• Wydawca: Wydawnictwo Politechniki Częstochowskiej
• Czasopismo: Budownictwo o Zoptymalizowanym Potencjale Energetycznym
• Rocznik: 2018
• Tom: Vol. 7 Nr 2
• Strony: 117--122
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Grzywiński M.

• Politechnika Częstochowska, Wydział Budownictwa

Bibliografia

• [1] Goldberg, D.E., Genetic algorithms in search, optimization, and machine learning. Addison Wesley, 1989.
• [2] Coelle. C.A., Christiansen, A.D., Multiobjective optimization of trusses using genetic algorithms. Computers and Structures, 2000, Vol. 75, p. 647-660.
• [3] Degertekin, S.O., Saka, M.P., and Hayalioglu, M.S. Optimal load and resistance factor design of geometrically nonlinear steel space frames via tabu search and genetic algorithm. Engineering Structures, 2008, Vol. 30, p. 197-205.
• [4] Grzywiński, M., Optimization of Single-Layer Braced Domes. Transactions of the VŠB - Technical University of Ostrava, Civil Engineering Series, 2017, Vol. 17(1), p. 45-50.
• [5] Rao, R.V., Savsani, V.J and Vakharia, D.P., Teaching-learning-based optimization: A novel method for constrained mechanical design optimization problems. Computer-Aided Design, 2011, Vol. 43(3), p. 303-315.
• [6] Rao, R.V., Teaching Learning Based Optimization Algorithm And Its Engineering Applications. Springer, 2016.
• [7] Dede, T., Application of Teaching-Learning-based-Optimization Algorithm for the Discrete Optimization of Truss Structures. KSCE Journal of Civil Engineering, 2014, Vol. 18(6), p. 1759-1767.
• [8] Toğan, V., Design of planar steel frames using teaching–learning based optimization. Eng Struct, 2012, Vol. 34, p. 225-232.
• [9] Cheng, W., Liu, F., and Li, L.J., Size and geometry optimization of trusses using teachinglearning-based optimization. Int. J. Optim. Civil Eng., 2013, Vol. 3(3), p. 431-444.
• [10] Rao, R.V., Savsani, V.J., and Vakharia, D.P., Teaching-learning-based optimization: An optimization method for continuous non-linear large scale problems. Information Sciences, 2012, Vol. 183, p. 1-15.
• [11] Zhang, Y.N., Liu, J.P., Liu, B., Zhu, C.Y., and Li, Y., Application of improved hybrid genetic algorithm to optimize. J. South China Univ. Technol., 2003, Vol. 33(3), p. 69-72.
• [12] Li, L.J., Huang, Z.B., and Liu, F.A., A heuristic particle swarm optimization method for truss structures with discrete variables. Computers and Structures, 2009, Vol. 87(7-8), p. 435-443.
• [13] Sabour, M.H., Eskandar, H., and Salehi, P., Imperialist Competitive Ant Colony Algorithm for Truss Structures. World Applied Sciences Journal, 2011, Vol. 12(1), p. 94-105.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).