Optimal design of RC frames using a modified hybrid PSOGSA algorithm

• Autorzy: Chutani S. , Singh J.

Identyfikatory

DOI

10.1515/ace-2017-0044

Warianty tytułu

PL

Optymalny projekt ramy RC z wykorzystaniem zmodyfikowanego algorytmu hybrydowego PSOGSA

• Języki publikacji: EN

Abstrakty

EN

The present study has been taken up to emphasize the role of the hybridization process for optimizing a given reinforced concrete (RC) frame. Although various primary techniques have been hybrid in the past with varying degree of success, the effect of hybridization of enhanced versions of standard optimization techniques has found little attention. The focus of the current study is to see if it is possible to maintain and carry the positive effects of enhanced versions of two different techniques while using their hybrid algorithms. For this purpose, enhanced versions of standard particle swarm optimization (PSO) and a standard gravitational search algorithm (GSA), were considered for optimizing an RC frame. The enhanced version of PSO involves its democratization by considering all good and bad experiences of the particles, whereas the enhanced version of the GSA is made self-adaptive by considering a specific range for certain parameters, like the gravitational constant and a set of agents with the best fitness values. The optimization process, being iterative in nature, has been coded in C++. The analysis and design procedure is based on the specifications of Indian codes. Two distinct advantages of enhanced versions of standard PSO and GSA, namely, better capability to escape from local optima and a faster convergence rate, have been tested for the hybrid algorithm. The entire formulation for optimal cost design of a frame includes the cost of beams and columns. The variables of each element of structural frame have been considered as continuous and rounded off appropriately to consider practical limitations. An example has also been considered to emphasize the validity of this optimum design procedure.

PL

W niniejszym artykule przedstawiono bardziej realistyczny i optymalny projekt żlbetowych ram konstrukcyjnych (RC) poprzez hybrydyzację ulepszonych wersji standardowej optymalizacji roju cząsteczek (PSO) oraz standardowy algorytm wyszukiwania grawitacyjnego (GSA). Podejście proponowane w niniejszej pracy koncentruje się na hybrydyzacji ulepszonych wersji standardowej optymalizacji roju cząsteczek (PSO) oraz standardowym algorytmie wyszukiwania grawitacyjnego (GSA). PSO została zdemokratyzowana poprzez uwzględnienie wszystkich dobrych i złych doświadczeń w zakresie cząsteczek, podczas gdy GSA został zmieniony na samodostosowujący, uwzględniając określony zakres dla niektórych parametrów, takich jak np. stała grawitacyjna i zestaw czynników o najlepszych wartościach sprawności. Optymalny rozmiar i wzmocnienie elementów zostały określone dzięki zastosowaniu techniki w środowisku komputerowym, w którym cały proces analizy, projektowania i optymalizacji został zakodowany w C++. Procedura analizy i projektowania przebiega zgodnie ze specyfikacjami kodów indyjskich. Okazało się, że zastosowanie samodostosowującego algorytmu wyszukiwania grawitacyjnego wraz z demokratyczną techniką optymalizacji roju cząsteczek zapewnia dwie wyraźne przewagi nad standardową PSO i GSA, a mianowicie lepszą zdolność do ucieczki od lokalnej optymalności i szybszy współczynnik konwergencji. Całe sformułowanie dla optymalnego projektu kosztów ramy obejmuje zarówno koszt belek i słupów. W tym podejściu, zmienne każdego elementu ramy konstrukcyjnej zostały uznane za funkcje ciągłe i zaokrąglone odpowiednio do zastosowania praktycznego znaczenia niniejszego badania. Rozważono kilka przykładów, które podkreślają ważność optymalnej procedury projektowania, a wyniki porównano z wcześniejszymi badaniami, w celu sprawdzenia ich skuteczności i efektywności. Proponowany algorytm pokonuje ograniczenia dwóch indywidualnych algorytmów, biorąc pod uwagę ich hybrydę, a tym samym poprawia ogólną wydajność. Wprowadzono niezbędne zmiany, aby badanie było zgodne z wcześniejszymi badaniami. Porównanie z innymi wcześniej stosowanymi technikami hybrydowymi pokazuje, że czas potrzebny na przeprowadzenie procesu optymalizacji w niniejszym badaniu – z wykorzystaniem techniki MPSOGSA – został znacznie zmniejszony. Ponadto, podczas projektowania ram RC obniżono całkowity koszt za pomocą techniki MPSOGSA. Obniżenie kosztów w obszarze stali odgrywa większą rolę w optymalizacji, w porównaniu do redukcji kosztów w przekroju poprzecznym elementów ramy, co zostało szczegółowo przeanalizowane na przykładzie.

Słowa kluczowe

EN

optimum design; reinforced concrete structure; democratic particle swarm optimization; selfadaptive gravitational search algorithm; design; Indian standard

PL

projekt optymalny; konstrukcja żelbetowa; optymalizacja demokratyczna roju cząstek; projektowanie; Indie; norma indyjska; samoadaptacyjny algorytm grawitacyjnego wyszukiwania

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2017
• Tom: Vol. 63, nr 4
• Strony: 123--134
• Opis fizyczny: Bibliogr. 22 poz., il., tab.

Twórcy

autor

Chutani S.

• IKG Punjab Technical University, Kapurthala, Punjab, India

autor

Singh J.

• Faculty of Civil Engineering, Guru Nanak Dev Engineering College, Ludhiana, Punjab, India

Bibliografia

• [1] C.V. Camp, S. Pezeshk and H. Hansson,“Flexural Design of Reinforced Concrete Frames Using a Genetic Algorithm.” Journal of Structural Engineering ASCE, vol. 129, No.1, pp.105–115, 2003.
• [2] H.Kwak and J. Kim, “Optimum design of reinforced concrete plane frames based on predetermined section database.” Computer-Aided Design, vol.40, pp.396–408, 2008.
• [3] H.Kwak and J. Kim, “Design An integrated genetic algorithm complemented with direct search for optimum design of RC frames.” Computer-Aided Design, vol.41, No.7, pp.490–500, 2009. Available at: http://dx.doi.org/10.1016/j.cad.2009.03.005.
• [4] C.Lee and J.Ahn,“Flexural Design of Reinforced Concrete Frames by Genetic Algorithm.” Journal of Structural Engineering ASCE, pp.762–774, 2003.
• [5] V. Govindaraj and J. V. Ramasamy, “Optimum detailed design of reinforced concrete frames using genetic algorithms.” Engineering Optimization, vol.39, No.4, pp.471–494, 2007. DOI:10:1080/03052150601180767.
• [6] S. Rajeev and C.S. Krishnamoorthy, "Genetic Algorithm – Based Methodology for Design Optimization of Reinforced Concrete Frames." Computer Aided Civil and Infrastructure Engineering, vol.13, pp.63–74, 1998.
• [7] S.Gholizadeh, “Layout optimization of truss structures by hybridizing cellular automata and particle swarm optimization.”Computers and Structures, vol.125, pp.86–99, 2013. Available at: http://dx.doi.org/10.1016/j.compstruc.2013.04.024.
• [8] A. Kaveh, S. Talatahari, “A hybrid particle swarm and ant colony optimization for design of truss structures.” Asian journal of Civil Engineering.vol.9, No.4, pp.329-348, 2008.
• [9] E.G. Talbi, "A Taxonomy of Hybrid Metaheuristic." Journal of Heuristics, vol. 8, No. 5, pp. 541-546, 2002.
• [10] J. Kennedy and R. C. Eberhart, "Particle swarm optimization" in Proceedings of IEEE international conference on neural networks, vol. 4, 1995, pp.1942–1948, 1995.
• [11] I.C. Trelea, “The particle swarm optimization algorithm: Convergence analysis and parameter selection” Information Processing Letters. vol. 85, pp. 317–325, 2003.
• [12] A. Kaveh and S. Talatahari,“Particle swarm optimizer, ant colony strategy and harmony search scheme hybridized for optimization of truss structures.” Computer and Structures. vol. 87, No. 5-6, pp. 267-283, 2009.
• [13] A. Kaveh and O. Sabji, “Optimum Design of Reinforced Frames using a Heuristic Particle Swarm –Ant Colony Optimization” Proceedings of second International Conference on Soft Computing Technology, Civil-comp Press. Stirbngshire, Scotland. 2011.
• [14] A. Kaveh and O. Sabji, “A comparative study of two meta-heuristic algorithms for optimum design of reinforced concreteframes” International Journal of Optimization in Civil Engineering, vol. 9, No.3, pp.193-206, 2011.
• [15] M.J. Esfandiary, S. Sheikholarefin and H.A.R. Bondarabadi, “ A combination of particle swarm optimization and multi-criterion decision-making for optimum design of reinforced concrete frames.” International Journal of Optimization in Civil Engineering, vol.6, No.2, pp. 245–268, 2016
• [16] E. Rashedi, H. Nezamabadi-pour and S. Saryazdi, “GSA: A gravitational search algorithm.” Information Sciences, vol.179, pp. 2232-2248, 2009.
• [17] S. Mirjalili, S.M. Hashim, “A new hybrid PSOGSA algorithm for function optimization.”IEEE International conference on computer and information application (ICCIA’2010), pp.374-377, 2010.
• [18] Code of Practice for Plain and Reinforced Concrete, IS: 456:2000 (fourth revision), (Bureau of Indian Standards: New Delhi, India) 2000.
• [19] P.C. Vergese, “Limit state design of Reinforced Concrete.” PHI Learning Private Limited, Delhi, 2013.
• [20] SP: 16-1980, “Design Aids for Reinforced Concrete to IS: 456:1978”, Bureau of Indian Standards, Manak Bhavan, New Delhi.
• [21] E. Rashedi, H. Nezamabadi-pour, “Improving the Precision of CBIR Systems by Feature Selection Using Binary Gravitational Search Algorithm.” The 16th CSI International Symposium on Artificial Intelligence and Signal Processing (AISP 2012) IEEE, pp.039-042, 2012.
• [22] T. Niknam et al., "Multiobjective Optimal Reactive Power Dispatch and Voltage Control: A New Opposition-Based Self-Adaptive Modified Gravitational Search Algorithm." IEEE Systems journal.vol.7, No.4, pp.742:753, 2013.