Optymalizacja kratownicy z zastosowaniem algorytmu genetycznego

W artykule zaproponowano algorytm genetyczny do rozwiązania problemu minimalizacji masy płaskiej kratownicy, biorąc pod uwagę zmienność pola przekroju. Minimalna masa konstrukcji stalowej to też niska emisja CO2. Konstrukcja jest zoptymalizowana za pomocą wydajnego algorytmu zwanego Teaching Learning Based Optimization. Proces TLBO jest podzielony na dwie części: pierwsza składa się z "fazy nauczyciela", a druga składa się z "fazy ucznia". Obliczenia wykonywane są z pomocą programu metody elementów skończonych zakodowanym w MATLAB-ie.

The article proposes a genetic algorithm for solving the problem of minimizing the mass of a plane truss, taking into account the variability of the cross-sectional area. The minimum mass of the steel structure is also low CO2 emission. The design is optimized using an efficient algorithm called Teaching Learning Based Optimization. The TLBO process is divided into two parts: the first consists of the "teacher phase" and the second consists of the "student phase". The calculations are performed with the help of the finite element method program coded in MATLAB.