Tối ưu đa mục tiêu giàn thép phi tuyến có biến thiết kế liên tục bằng thuật toán NSGA-II

Từ khóa:

Giàn thép
Phân tích trực tiếp
Tối ưu
NSGA-II
Đa mục tiêu.

https://doi.org/10.59382/j-ibst.2022.v.vol4-3

Tóm tắt:

Cùng sự phát triển nhanh chóng của kỹ thuật máy tính, thiết kế tối ưu ngày càng được ứng dụng rộng rãi trong mọi lĩnh vực của cuộc sống. Trong bài toán tối ưu công trình, do sự đa dạng và thậm chí là mâu thuẫn lẫn nhau giữa các mục tiêu mong muốn của kỹ sư thiết kế, tối ưu đa mục tiêu thu hút ngày càng nhiều sự quan tâm của các nhà khoa học. Trong bài báo này, tác giả trình bày bài toán thiết kế tối ưu đa mục tiêu cho giàn thép với 2 mục tiêu cơ bản là khối lượng giàn và chuyển vị ngang của đỉnh giàn là nhỏ nhất. Biến thiết kế là diện tích tiết diện các thanh giàn trong một khoảng giá trị cho trước. Phân tích trực tiếp được sử dụng để mô tả ứng xử phi tuyến cũng như tính toán khả năng chịu tải lớn nhất của công trình. Bài toán tối ưu được thiết lập ở trên được giải quyết bằng thuật toán di truyền NSGA-II (Non-dominated sorting GA-II). Một giàn phẳng 47 thanh được nghiên cứu nhằm minh họa cho bài toán thiết kế tối ưu được xây dựng. Kết quả cho thấy thuật toán NSGA-II rất hiệu quả trong việc giải quyết bài toán tối ưu được đặt ra.  

Nội dung:

Tài liệu tham khảo:

[1] M.H. Ha, Q.V. Vu, V.H. Truong (2020). Optimization of nonlinear inelastic steel frames considering panel zones. Advances in Engineering Software; 142: 102771.

[2] V. H. Truong, S.E. Kim (2017). An efficient method for reliability-based design optimization of nonlinear inelastic steel space frames. Struct Multidisc Optim; 56: 331-351.

[3] M.H. Ha, Q.A. Vu, V.H. Truong (2018). Optimum Design of Stay Cables of Steel Cable-stayed Bridges Using Nonlinear Inelastic Analysis and Genetic Algorithm. Structures; 16: 288-302.

[4] V.H. Truong, Q.V. Vu, V.T. Dinh (2019). A deep learning-based procedure for estimation of ultimate load carrying of steel trusses using advanced analysis. Journal of Science and Technology in Civil Engineering (STCE)-NUCE; 13(3): 113-123.

[5] S.E. Kim, V.H. Truong (2020). Reliability Evaluation of Semirigid Steel Frames Using Advanced Analysis. Journal of Structural Engineering; 146(5): 04020064.

[6] V.H. Truong, S.E. Kim (2018). A robust method for optimization of semi-rigid steel frames subject to seismic loading. Journal of Constructional Steel Research; 145C: 184-195.

[7] V.H. Truong, S.E. Kim (2018). Reliability-based design optimization of nonlinear inelastic trusses using improved differential evolution algorithm. Advances in Engineering Software; 121: 59-74.

[8] A. Kaveh, A. Zolghadr (2018). Meta-heuristic methods for optimization of truss structures with vibration frequency constraints. Acta Mechanica; 229: 3971–3992.

[9] T. Vo-Duy, D. Duong-Gia, V. Ho-Huu and T. Nguyen-Thoi (2020). An Effective Couple Method for Reliability-Based Multi-Objective Optimization of Truss Structures with Static and Dynamic Constraints. International Journal of Computational Methods; 17(06): 1950016.

[10] H. F. Eid, L. Garcia-Hernandez, A.h Abraham (2022). Spiral water cycle algorithm for solving multi-objective optimization and truss optimization problems. Engineering with Computers; 38: 963–973.

[11] B. Nan, Y. Bai,Y. Wu (2020). Multi-Objective Optimization of Spatially Truss Structures Based on Node Movement. Applied Sciences; 10(6): 1964.

[12] K. Deb, A. Pratap, S. Agarwal, T. Meyarivan (2002). A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II, IEEE Trans. Evol. Computation; 6(2):182-197.

[13] V.H. Truong, P.C. Nguyen, S.E. Kim (2017). An efficient method for optimizing space steel frames with semi-rigid joints using practical advanced analysis and the micro-genetic algorithm. Journal of Constructional steel research; 128: 416-427.

[14] V.H. Truong, H.M. Hung, P.H. Anh, T.D. Hoc. Optimization of steel moment frames with panel-zone design using an adaptive differential evolution. Journal of Science and Technology in Civil Engineering (STCE)-HUCE 14 (2), 65-75.