В вашем распоряжении имеются два метода оптимизации, которые позволяют найти оптимальные значения параметров по критериям веса или деформации.
Наиболее эффективным методом с наименьшим временем расчета является естественная оптимизация рой частиц (PSO). Вы уже слышали или читали об этом? Эта технология искусственного интеллекта (ИИ) имеет сильную аналогию с поведением роя животных, находящихся в поиске места для отдыха. В таких роях вы найдете множество индивидуумов (сравните с решением оптимизации – например, вес), которые предпочитают оставаться в группе и следовать групповому движению. Предположим, что каждый отдельный член роя имеет потребность в отдыхе на оптимальной площадке для отдыха (сравните с наилучшим решением – например, наименьший вес). Эта потребность увеличивается по мере приближения к площадке для отдыха. Таким образом, поведение роя также влияет на свойства пространства (сравните с диаграммой результатов).
Почему экскурсия в биологию? Просто – процесс PSO в RFEM или RSTAB действует аналогично. Процесс расчета начинается с результата оптимизации от случайной компоновки параметров, подлежащих оптимизации. Он постоянно определяет новые результаты оптимизации с варьированными значениями параметров, основываясь на опыте предыдущих модельных мутаций. Этот процесс продолжается до тех пор, пока не будет достигнуто заданное количество возможных модельных мутаций.
В дополнение к этому методу в программе доступен метод пакетной обработки. Этот метод пытается проверить все возможные мутации моделей путем случайного задания значений для параметров оптимизации до достижения заданного количества возможных модельных мутаций.
Обе варианта проверяют, после расчета мутации модели, активированные результаты расчета аддонов. Кроме того, они сохраняют вариант при нагрузке < 1 с соответствующим результатом оптимизации и значениями параметров оптимизации.
