Do tej pory zdefiniowano globalne parametry typu 'Optymalizacja'. Teraz otwórz ustawienia optymalizacji za pomocą menu 'Oblicz'.
Optymalizację należy ustawić za pomocą odpowiedniego pola wyboru Aktywne . Jak pokazano na rysunku image033236 Ustawienia optymalizacji , wartości, które mają zostać zoptymalizowane, są praktycznie parametrami globalnymi. Liczba stanów zależy od liczby kroków, które zostały przypisane w parametrach optymalizacji. Na przykład cztery kroki oznaczają, że proces optymalizacji kończy się po pięciu stanach. Biorąc pod uwagę te dwie zmienne, istnieje 25 wariantów optymalizacji - tak zwanych mutacji . Innymi słowy: Program zmienia wartości obu zmiennych w zdefiniowanym zakresie. Wynikiem tych kombinacji jest obliczenie 25 modeli, każdy o innej geometrii.
Mutacji optymalizacyjnych może być wiele. Dzięki temu można samodzielnie zdecydować, ile wariantów modelu chcesz "najlepiej" wygenerować, definiując priorytety jako podstawę optymalizacji. Na przykład, można ustawić optymalizację na minimalny ciężar całkowity, przemieszczenie wektorowe, odkształcenie pręta lub powierzchni, koszty lub emisje CO2.
Teraz można obliczyć wszystkie mutacje optymalizacyjne. Po rozpoczęciu obliczeń wyświetlane są kolejno wyniki dla poszczególnych wariantów.
Metody optymalizacji
Program oferuje jednak jeszcze wydajniejsze metody optymalizacji.
Metodą, którą należy zastosować w tym przykładzie, jest tak zwana optymalizacja rojem cząstek (PSO) . Jest ona oparta na naturze i stanowi bardzo wydajną metodę znajdowania dobrych wartości parametrów przy użyciu krótkiego czasu obliczeń. Ta technologia sztucznej inteligencji (AI) ma silną analogię do zachowania stad zwierząt szukających miejsca do odpoczynku. W takich rojach jest wiele osobników (patrz rozwiązanie optymalizacyjne, np. waga), które lubią przebywać w grupie i podążać za jej ruchem. Przy założeniu, że każdy członek roju ma potrzebę odpoczynku w optymalnym miejscu spoczynku (patrz najlepsze rozwiązanie, np. najniższa waga) oraz że potrzeba ta wzrasta w miarę zbliżania się do miejsca spoczynku, o zachowaniu roju decydują również właściwości powierzchni (patrz wykres wyników ).
W podobny sposób przebiega proces PSO w programie RFEM lub RSTAB. Proces obliczeniowy rozpoczyna się od wyniku optymalizacji z losowego przypisania parametrów, które mają zostać zoptymalizowane, i wielokrotnie wyznacza nowe wyniki optymalizacji o różnych wartościach parametrów, które są oparte na doświadczeniach z wcześniej dokonanymi mutacjami modelu. Proces ten kończy się po osiągnięciu określonej liczby możliwych mutacji modelu. W tym przykładzie liczba losowych mutacji jest ustawiona na 30% . Oznacza to, że uwzględniono 30% wszystkich możliwych mutacji (25).