Vous disposez de deux méthodes pour le processus d'optimisation, qui vous permettent de trouver des valeurs de paramètres optimales selon un critère de poids ou de déformation.
La méthode la plus efficace avec le temps de calcul le plus réduit est l'optimisation par essaims particulaires (PSO). En avez-vous déjà entendu parler ou lu ? Cette technologie d'intelligence artificielle (IA) présente une forte analogie avec le comportement des essaims d'animaux en quête d'un lieu de repos. Dans de tels essaims, vous trouvez de nombreux individus (cf. solution d'optimisation - par ex. poids) qui préfèrent rester en groupe et suivre le mouvement du groupe. Supposons que chaque membre de l'essaim ait le besoin de se reposer sur un lieu de repos optimal (cf. meilleure solution - par ex. poids le plus bas). Ce besoin augmente à mesure qu'on se rapproche du lieu de repos. Ainsi, le comportement de l'essaim est également influencé par les propriétés de l'espace (cf. diagramme de résultats).
Pourquoi cette excursion en biologie ? C'est simple - le processus PSO dans RFEM ou RSTAB procède de manière similaire. Le calcul commence par un résultat d'optimisation à partir d'une attribution aléatoire des paramètres à optimiser. Il détermine alors toujours de nouveaux résultats d'optimisation avec des valeurs de paramètres variées, basées sur l'expérience des mutations de modèle précédemment effectuées. Ce processus se poursuit jusqu'à ce que le nombre prédéfini de mutations de modèle possibles soit atteint.
En alternative à cette méthode, le programme propose également une méthode de traitement par lots. Cette méthode tente d'examiner toutes les mutations de modèle possibles par une attribution aléatoire des valeurs pour les paramètres d'optimisation jusqu'à atteindre un nombre prédéfini de mutations de modèle possibles.
Les deux variantes contrôlent également après le calcul d'une mutation de modèle les résultats de dimensionnement activés des modules complémentaires. De plus, elles enregistrent la variante avec une utilisation < 1 avec le résultat d'optimisation correspondant et l'attribution des valeurs des paramètres d'optimisation.
