بهينه‌يابي سريع خرپا با استفاده از الگوريتم ژنتيك موازي تحت قيد قابليت اعتماد با بهبود روش جبري نيروها و هوش مصنوعي

Fast Reliability-Based Optimization Using Parallel Genetic Algorithm, Developed Force Method and Artificial Intelligence

در بيش‌تر تحقيق‌هاي انجام‌شده در زمينه‌ي بهينه‌يابي سازه‌ها براي پرهيز از محاسبه‌هاي طولاني، احتمال خرابي سيستم سازه‌اي مستقيماً به‌طور محافظه‌كارانه از روي اعضا محاسبه شده است. بديهي است كه استفاده از اين فرضيات محافظه‌كارانه در بهينه‌يابي منجر به نتايج نامطلوب اقتصادي مي‌شود. هدف اين مقاله ارايه‌ي چند راهكار براي تسريع بهينه‌يابي خرپا با استفاده از الگوريتم ژنتيك تحت قيد قابليت اعتماد سيستم سازه‌اي است. در راهكار اول در روش شاخه و كرانه با توجه به قوانين احتمال، معياري براي كنار گذاشتن تعدادي از مسيرها و عدم توليد آن‌ها تعيين مي‌شود. راهكار دوم بهبود روش جبري نيروها و استفاده از اين روش سريع به‌جاي روش مرسوم سختي است. راهكار سوم استفاده از عامل‌هاي هوش مصنوعي در شناسايي مسيرهاي خرابي تكراري در تحليل هر كروموزوم و هم‌چنين تعيين شايستگي به‌ترين كروموزوم‌هاي هر نسل است كه منجر به جلوگيري از محاسبات اضافي و كاهش چشم‌گير زمان محاسبات مي‌شود. با استفاده از راهكار چهارم كروموزوم‌هايي كه احتمال خرابي آن‌ها به مقدار قابل توجهي بيش‌تر يا كم‌تر از مقدار مجاز است، در حين تحليل شناسايي مي‌شوند و تحليل آن‌ها در همان مرحله و بسيار زودتر از موعد تمام مي‌شود. راهكارهاي اول، سوم و چهارم با اندكي تغيير قابل تعميم به قاب‌ها خواهد بود. در اين تحقيق به تحليل قابليت اعتماد و بهينه‌يابي خرپاي 25 ميله‌اي و گنبد 120 ميله‌اي پرداخته شد كه در نتيجه‌ي استفاده از راهكار اول، در زمان بسيار كوتاه كران احتمال خرابي باريك‌تري تعيين شد و هم‌چنين استفاده از هر يك از ساير راهكارها منجر به كاهش حجم و زمان محاسبات گرديد.

The aim of this paper is to present four strategies to increase the accuracy and speed of optimization of truss structures under the constraint of Structural System Failure Probability (SSFP). In the first strategy based on the probability rules, a criterion is defined to avoid producing many correlated paths and obtain more accurate upper bound of SSFP. In the second strategy, the force method formulation is improved and employed to analyze trusses with different topologies. In the third strategy two intelligent agents are utilized to identify the repeated paths and determine the fitness of the best chromosomes in each generation. Using the fourth strategy, the chromosomes, whose SSFP is much larger or smaller than the allowable value, are identified during the analysis and the analysis is terminated at that stage.