全局参数的定义方法参见知识库文章 'Parameterizing Models in RFEM 6/RSTAB 9'. 本文将向您展示如何根据不同的方面对定义的参数进行优化。
为此，您必须激活模块'优化和成本/CO2排放估算'，如图 1 所示。 该模块的第一部分允许您通过粒子群优化 (PSO) 的人工智能 (AI) 技术为参数化模型和块找到合适的参数，以符合常见的优化准则。
上述文章介绍了使用'编辑'菜单可以创建全局参数。 为了确定支撑单元相对于上弦杆和下弦杆的位置，我们定义了两个参数，如图 2 所示。
最初，参数被定义为数值。 要对其进行优化，您必须将其定义类型更改为'优化'，并定义优化参数，例如最小值和最大值、增量和步长（图 3）。
通过'计算'菜单可以访问优化设置。 如图 4 所示，要优化的值实际上是全局参数。 状态的数目取决于在优化参数中分配的步数。
例如，4 步表示优化过程以 5 种状态结束。 给定这两个变量，优化突变的数量为 25。 换句话说，程序在定义的范围内更改两个变量的值。通过这些组合，可以计算出 25 个具有不同几何形状的模型。
因为我们感兴趣的是找到最佳的几何形状（即本例中支撑单元的位置），所以应该将优化设置为'主动'。 可能会出现很多优化突变；因此，您可以自己定义要保留的最佳模型突变数量。
术语 'best' 与您选择的优化基础有关。 例如，您可以选择对最小总重量、矢量位移、杆件或面变形、成本或 CO2排放进行优化。
接下来，您可以选择计算所有突变，一旦开始计算，程序将开始显示所有单个突变的结果（图5）。
但是，程序中还提供了更有效的优化方法（见图4）。 例如，您可以使用近乎自然的粒子群优化 (PSO)，通过随机分配要优化的参数得出的优化结果开始计算。然后使用不同的参数值重复确定新的优化结果。
这些结果是基于以前进行的模型突变的经验，直到达到指定的可能突变数量。 此外，您还可以使用批处理方法，该方法通过随机指定优化参数的值来尝试检查所有可能的模型突变，直到达到预先确定的可能的模型突变数量。
所有优化方法都会在处理结束时从存储的数据中提供一个模型突变列表，其中显示了控制的优化结果以及相应的优化参数的值分配（图 6）。
该列表按降序排列，并在顶部显示假定的最佳解，其中根据确定的赋值，优化结果最接近优化准则。 此外，一旦分析完成，程序会将全局参数列表中的优化参数的赋值调整为最优解的赋值。
.png?mw=512&hash=4e74affa9ad0c7b703151c5085ac9b8e59171c23)
.jpg?mw=350&hash=8f312d6c75a747d88bf9d0f5b1038595900b96c1)
