استفاده از الگوريتم ژنتيك و شبكههاي عصبي مصنوعي در بهينهيابي وزني گنبدهاي مشبك تك لايه فولادي با پيكربنديهاي مختلف

Optimum Design (Minimum Weight) of Sigle-layer-lattice Domes with Different Topologies using Genetic Algorithm and Artificial Neural Networks

در اين مقاله از الگوريتم ژنتيك و شبكههاي عصبي مصنوعي براي بهينهيابي وزني (حداقل) گنبدهاي مشبك تك لايه فولادي تحت اثر بارهاي ثقلي يكنواخت استفاده شده است. براي اين كار، 378 نمونه گنبد با شش نوع پيكربندي مختلف و با دهانههايي از 10 تا 50 متر و نسبتهاي ارتفاع به دهانه از8/1تا2/1 تحليل و طراحي شده و در هر مورد وزن و پيكربندي بهينه سازه توسط الگوريتم ژنتيك تعيين گرديده است. در ادامه، از نتايج حاصل براي آموزش و طراحي شبكه هاي عصبي مصنوعي براي تخمين وزن بهينه سازه استفاده شده است. بدين ترتيب مي توان با توجه به قطر يك ساختمان مدور، مناسب ترين پوشش از نوع گنبد مشبك تك لايه فولادي را با يك پيكربندي مشخص و با وزن بهينه بدست آورد.

In this paper, the two methods of genetic algorithm and neural networks have been combined to achieve the optimum design (minimum weight) of single-layer-lattice domes subjected to uniform gravitational loading. Herein, 378 models with six topologies, spans between 10 and 50 m and different span-to-height ratio from 1/8 to 1/2 have been analyzed and designed for the optimum weight and configuration using genetic algorithm. Furthermore, the results were being used to train the artificial neural networks to predict the optimum weight of the space domes. Thus, for a circular site plan with a specific diameter, an optimum single-layer-lattice dome with specific configuration could be proposed by using the neuro-genetic system.