کاربرد روش های بهبود الگوریتم بهینه سازی فراکاوشی برای طراحی پل های بتنی مسلح در مقیاس واقعی: مطالعه موردی تقاطع انهر کمربندی ارومیه

یادگیری مبتنی بر تضاد (OBL) یک رویکرد موثر برای بهبود عملکرد الگوریتم های بهینه سازی فراکاوشی است که معمولا برای حل مسائل مهندسی پیچیده استفاده می شود. در این مقاله استراتژی یادگیری متضاد برای ترکیب با الگوریتم بهینه سازی ملخ (GOA) ارائه می شود. در این الگوریتم پیشنهادی، راه حل های تولید شده توسط الگوریتم GOA مرتب شده و به دو راه حل خوب و بد تقسیم می شوند، سپس راه حل های بد انتخاب می شوند تا با استفاده از آموزش برمبنای تضاد، راه حل های جدید تولید شود. برای تایید قابلیت الگوریتم پیشنهادی، برخی از توابع ریاضیاتی معیار آزمایش شدند. علاوه بر این، عملکرد الگوریتم OGOA با اجرای یک طراحی بهینه از یک پل بتن مسلح با مقیاس واقعی ارزیابی شد. برای شناسایی پارامترهای موثر در طراحی اجزای سازه ای پل های بتن مسلح، تحلیل حساسیت انجام شده است. علاوه بر این، هزینه کل مصالح در ستون های پایه ها و عرشه پل به عنوان یک تابع هدف تعریف شد. همچنین ابعاد مقاطع و میلگردهای فولادی طولی به عنوان متغیرهای طراحی انتخاب می شوند. نتایج شبیه سازی ها پایداری و استحکام روش OGOA پیشنهادی را در مقایسه با GOA استاندارد نشان می دهد. همچنین الگوریتم پیشنهادی OGOA در طراحی بهینه ستون های و عرشه پل های بتنی مسلح یک روش کارآمد می باشد.

کلیدواژه ها:

پل های بتنی مسلح ، بهینه سازی ، الگوریتم بهینه سازی ملخ ، آموزش برمبنای تضاد