Pro proces optimalizace máte k dispozici dvě metody pro nalezení optimálních hodnot parametrů podle kritéria hmotnosti nebo deformace.
Nejúčinnější metodou při krátké době výpočtu je přírodou inspirovaná optimalizace rojem částic (PSO). Už jste o ní slyšeli nebo četli? Tato technika umělé inteligence (AI) vychází z analogie s chováním rojů nebo hejn zvířat při hledání místa odpočinku. V takových rojích najdete mnoho jedinců (v optimalizaci např. hmotnost), kteří rádi zůstávají ve skupině a následují skupinu. Předpokládejme, že každý jednotlivý člen roje má potřebu odpočívat na optimálním místě (nejlepší řešení - např. nejnižší hmotnost). Tato potřeba se s přiblížením k místu odpočinku zvyšuje. Chování roje je tak ovlivněno také vlastnostmi prostoru (viz diagram výsledků).
Proč zrovna exkurze do biologie? Je to prosté - proces PSO v programu RFEM nebo RSTAB probíhá podobně. Průběh výpočtu začíná optimalizačním výsledkem náhodného přiřazení optimalizovaných parametrů. Přitom se opakovaně stanovují nové optimalizační výsledky s různými hodnotami parametrů, které vycházejí ze zkušeností s dřívějšími modelovými mutacemi. Tento proces pokračuje, dokud není dosaženo zadaného počtu možných mutací modelu.
Kromě této metody máte v programu k dispozici metodu dávkového zpracování. Tato metoda se pokouší zkontrolovat všechny možné modelové mutace náhodným zadáním hodnot pro optimalizační parametry, dokud není dosaženo stanoveného počtu možných modelových mutací.
Obě metody kontrolují po výpočtu mutace modelu také pokaždé aktualizované výsledky posouzení z addonů. Dále uloží variantu s příslušným výsledkem optimalizace a přiřazením hodnot optimalizačních parametrů, pokud je využití <1.
Odhadované celkové náklady a emise můžete stanovit z příslušných součtů jednotlivých materiálů. Součty materiálů se skládají z dílčích součtů prutových, plošných a objemových prvků na základě hmotnosti, objemu a plochy.
.png?mw=600&hash=49b6a289915d28aa461360f7308b092631b1446e)
