Глобальные параметры типа 'Оптимизация' пока определены. Теперь откройте настройки оптимизации через меню ' Рассчитать '.
Установите оптимизацию с помощью соответствующего флажка Активно . Как показано на изображении image033236 Optimization Settings , значения, которые необходимо оптимизировать, являются практически глобальными параметрами. Количество состояний зависит от количества шагов, заданных в параметрах оптимизации. Например, четыре шага означают, что процесс оптимизации завершается после пяти состояний. Таким образом, с учетом этих двух переменных существует 25 вариантов оптимизации - так называемых мутаций . Другими словами: Программа изменяет значения двух переменных в заданном диапазоне. Эти комбинации приводят к расчету 25 моделей, каждая из которых имеет различную геометрию.
Оптимизационных мутаций может быть много. Таким образом, вы можете решить для себя, сколько вариантов модели вы хотели бы сгенерировать «наилучшим образом», задав приоритеты в качестве основы для оптимизации. Например, вы можете настроить оптимизацию на минимальный общий вес, векторное смещение, деформацию стержня или поверхности, затраты или выбросы CO2.
Теперь можно рассчитать все оптимизационные мутации. После запуска расчета последовательно отображаются результаты отдельных вариантов.
Методы оптимизации
Однако программа предлагает еще более эффективные методы оптимизации.
В этом примере будет использоваться так называемая оптимизация роя частиц (PSO) . Он основан на природе и представляет собой очень эффективный метод поиска хороших значений параметров с минимальным временем расчета. Эта технология искусственного интеллекта (ИИ) имеет четкую аналогию с поведением стай животных, ищущих место для отдыха. В таких стаях есть много особей (см. Решение по оптимизации, например, вес), которым нравится оставаться в группе и следить за движением группы. Исходя из предположения, что каждый член роя нуждается в оптимальном месте отдыха (см. Лучшее решение, например, наименьший вес) и что эта потребность возрастает по мере приближения к месту отдыха, поведение роя также определяется свойствами площади (см. диаграмму результатов).
Процесс PSO в RFEM или RSTAB выполняется аналогичным образом. Расчетный прогон начинается с результата оптимизации из случайного назначения параметров, которые необходимо оптимизировать, и многократно определяет новые результаты оптимизации с различными значениями параметров, которые основаны на опыте ранее сделанных изменений модели. Этот процесс заканчивается, когда будет достигнуто заданное количество возможных мутаций модели. В этом примере количество случайных мутаций установлено на уровне 30% . Это означает, что учитывается 30% всех возможных мутаций (25).