مقايسه كاركرد الگوريتمهاي PSO و ACO در طراحي بهينه عملكردي سازه‌هاي بتن آرمه با استفاده از شبكه هاي عصبي

كاهش هزينه هاي ساخت در طراحي هر سازه ي جديد از اهداف اصلي طراحان سازه است. در تحقيق حاضر تلاش كرديم تا مساله طراحي بهينه با در نظر گرفتن هزينه ساخت و عملكرد لرزه‌اي را در قابهاي بتن ارمه براساس الگوريتم PSO و با استفاده از شبكه هاي عصبي انجام دهيم. طراحي سازه ها تحت بار ثقلي بر اساس آئين نامه ACI318-08 انجام شد. بهينه سازي سازه هاي بتن ارمه بسيار پيچيده تر از سازه هاي فولادي مي باشد،كه علت اين امر، وجود ابعاد مختلف براي اعضا و ارايش هاي مختلف براي ارماتور گذاري مي‌باشد. در سازه هاي فولادي فقط يك ماده مورد استفاده قرار گرفته و هزينه ي سازه مستقيماً با وزن سازه در ارتباط است، اين در حاليست كه در سازه هاي بتن ارمه،به دليل وجود مواد مختلف سه هزينه ي مختلف شامل بتن، آرماتور و قالب بندي لحاظ مي گردد و هر يك از اين پارامترها بر روي هزينه ي ساخت سازه اثرگذار است.بنابراين مساله بهينه سازي وابسته به اندازه ي مقاطع و كميت ارماتورها مي تواند باعت كمينه شدن هزينه ي ساخت سازه باشد. از طرفي عملكرد لرزه اي سازه نيز وابسته به اندازه ي مقاطع و كميت ارماتورها است و دو مقولۀ حصول عملكرد لرزه اي مناسب و هزينه ساخت كمينه در جهت مخالف هم هستند. روش بهينه سازي دسته ذرات(PSO) و كلوني مورچگان (ACO) روشهاي نسبتا جديد براي حل مسايل بهينه سازي است. هردو الگوريتم بهينه سازي به دليل پتانسيل بالا در مدل سازي مسايل مهندسي و برنامه نويسي كامپيوتري ساده، از محبوبيت بالايي برخوردارند. اين الگوريتمها از نظر اصول رسيدن به جواب بهينه شباهت هاي زيادي با هم دارند. تمامي اين الگوريتم ها بوسيله ي عملگرهاي شبيه سازي شده‌ي تكاملي كه بصورت تصادفي انتخاب مي شوند،بر روي فضاي طراحي جستجو مي كنند.بعضي تفاوت ها نيز در نوع عملگرهاي مورد استفاده جهت بدست اوردن راه حل هاي جديد و مكانيزم انتخاب جمعيت اوليه،وجود دارد. ايراد اصلي اين نوع الگوريتم‌ها،سرعت همگرايي كند آنهاست كه بار محاسباتي روند بهينه سازي را افزايش ميدهد. با توجه به زمانبر بودن ارزيابي عملكرد لرزه اي سازه‌ها، در اين تحقيق به منظور افزايش سرعت محاسبات و كاهش زمان عمليات براي تقريب نسبتاً دقيق ميزان عملكرد لرزه‌اي سازه‌ها طي الگوريتم بهينه سازي از الگوريتم شبكه هاي عصبي استفاده شده است