I parametri globali del tipo 'Ottimizzazione' sono definiti finora. Ora apri le impostazioni di ottimizzazione tramite il menu 'Calcola'.
Impostare l'ottimizzazione tramite la corrispondente casella di controllo Attivo . Come mostrato nell'immagine image033236 Impostazioni di ottimizzazione , i valori da ottimizzare sono praticamente i parametri globali. Il numero di stati dipende dal numero di step che sono stati assegnati nei parametri di ottimizzazione. Ad esempio, quattro passaggi significano che il processo di ottimizzazione termina dopo cinque stati. Date le due variabili, ci sono quindi 25 variazioni di ottimizzazione - le cosiddette mutazioni . In altre parole: Il programma modifica i valori delle due variabili entro l'intervallo definito. Queste combinazioni portano al calcolo di 25 modelli, ciascuno con una geometria diversa.
Possono esserci molte mutazioni di ottimizzazione. Pertanto, è possibile decidere autonomamente quante varianti di modello si desiderano generare "al meglio" definendo le priorità come base per l'ottimizzazione. Ad esempio, è possibile impostare l' ottimizzazione sul peso totale minimo, sullo spostamento vettoriale, sulla deformazione dell'asta o della superficie, sui costi o sulle emissioni di CO2.
Ora possono essere calcolate tutte le mutazioni di ottimizzazione. Dopo aver avviato il calcolo , verranno visualizzati in successione i risultati delle singole varianti.
Metodi di ottimizzazione
Tuttavia, il programma offre metodi di ottimizzazione ancora più efficienti.
Il metodo da utilizzare in questo esempio è la cosiddetta ottimizzazione dello sciame di particelle (PSO) . Si basa sulla natura e rappresenta un metodo molto efficiente per trovare buoni valori dei parametri utilizzando poco tempo di calcolo. Questa tecnologia di intelligenza artificiale (AI) ha una forte analogia con il comportamento di branchi di animali in cerca di un luogo di riposo. In questi sciami ci sono molti individui (vedi soluzione di ottimizzazione, ad esempio peso) a cui piace stare in un gruppo e seguire il movimento del gruppo. Con l'assunzione che ogni singola asta dello sciame ha bisogno di riposare in un luogo di riposo ottimale (vedi soluzione migliore, ad esempio peso più basso) e che questa necessità aumenta man mano che ci si avvicina al luogo di riposo, il comportamento dello sciame è determinato anche dalle proprietà delle influenze dell'area (vedi diagramma dei risultati ).
Il processo PSO in RFEM o RSTAB procede in modo simile. La corsa di calcolo inizia con un risultato di ottimizzazione da un'assegnazione casuale dei parametri da ottimizzare e determina ripetutamente nuovi risultati di ottimizzazione con valori dei parametri variegati, che si basano sull'esperienza delle mutazioni del modello effettuate in precedenza. Questo processo termina quando è stato raggiunto il numero specificato di possibili mutazioni del modello. In questo esempio, il numero di mutazioni casuali è impostato su 30% . Ciò significa che viene considerato il 30% di tutte le possibili mutazioni (25).