Os parâmetros globais do tipo 'Optimization' estão definidos até agora. Agora abra as configurações de otimização através do menu 'Calcular'.
Defina a otimização através da caixa de seleção correspondente Ativa . Conforme apresentado na imagem image033236 Configuração de otimização , os valores a serem otimizados são praticamente os parâmetros globais. O número de estados depende do número de passos que foram atribuídos nos parâmetros de otimização. Por exemplo, quatro passos significam que o processo de otimização termina após cinco estados. Dadas as duas variáveis, existem, portanto, 25 variações de otimização - as chamadas mutações . Por outras palavras: O programa altera os valores das duas variáveis dentro do intervalo definido. Estas combinações resultam no cálculo de 25 modelos, cada um com uma geometria diferente.
Pode haver muitas mutações de otimização. Por isso, pode decidir por si próprio quantas variantes de modelo gostaria de gerar "melhor" definindo as prioridades como base para a otimização. Por exemplo, é possível definir a otimização para um peso total, deslocamento vetorial, deformação de barra ou superfície, custos ou emissões de CO2 mínimos.
Agora, todas as mutações de otimização podem ser calculadas. Após iniciar o cálculo , os resultados das variantes individuais são exibidos sucessivamente.
Métodos de otimização
No entanto, o programa oferece métodos de otimização ainda mais eficientes.
O método a ser utilizado neste exemplo é a chamada otimização por enxame de partículas (PSO) . Baseia-se na natureza e representa um método muito eficiente para encontrar bons valores de parâmetros utilizando pouco tempo de cálculo. Esta tecnologia de inteligência artificial (IA) tem uma forte analogia com o comportamento de bandos de animais à procura de um lugar de descanso. Em tais enxames, existem muitos indivíduos (ver solução de otimização, por exemplo, peso) que gostam de permanecer em um grupo e seguir o movimento do grupo. Assumindo que cada barra do enxame tem a necessidade de descansar num local de repouso ótimo (ver melhor solução, por exemplo, peso mais baixo) e que esta necessidade aumenta à medida que se aproxima do local de repouso, o comportamento do enxame também é determinado pelas propriedades das influências da área (ver diagrama de resultados ).
O processo PSO no RFEM ou RSTAB decorre de forma semelhante. O ciclo de cálculo começa com um resultado de otimização de uma atribuição aleatória dos parâmetros a serem otimizados e determina repetidamente novos resultados de otimização com valores de parâmetros variados, os quais são baseados na experiência das mutações do modelo anteriormente feitas. Este processo termina quando o número especificado de possíveis mutações de modelo é alcançado. Neste exemplo, o número de mutações aleatórias é definido como 30% . Isto significa que 30% de todas as mutações possíveis (25) são consideradas.