بهینه‌سازی سازه‌های بزرگ با الگوریتم ایرانی مبتنی بر هوش مصنوعی

به نقل از بنیاد ملی علم ایران (INSF)، کیارش بیابانی همدانی در دوره پسادکتری خود با راهنمایی علی کاوه در دانشگاه علم و صنعت ایران، پژوهشی با عنوان «بهبود عملکرد الگوریتم‌های فراکاوشی در حل مسائل پیچیده بهینه‌یابی سازه‌ای» انجام داده است. بیابانی همدانی با اشاره به اهمیت بهینه‌سازی طراحی سازه‌ها در پروژه‌های عمرانی گفت: در ساخت سازه‌هایی مانند پل‌ها، دکل‌های انتقال برق، سوله‌های صنعتی و سازه‌های بزرگ ورزشی، مهندسان همواره با چالش طراحی سازه‌هایی ایمن، اقتصادی و مقاوم در برابر بارهای مختلف مواجه هستند.

کاهش وزن سازه می‌تواند به کاهش مصرف فولاد و هزینه‌های ساخت منجر شود، اما این کاهش نباید ایمنی سازه در برابر عواملی مانند زلزله، باد و بارهای بهره‌برداری را تحت تأثیر قرار دهد. وی افزود: یافتن بهترین ترکیب مقاطع برای صدها عضو یک سازه بزرگ، مسئله‌ای پیچیده و زمان‌بر است که با روش‌های سنتی به‌سادگی قابل حل نیست.

به همین دلیل، در سال‌های اخیر استفاده از الگوریتم‌های هوشمند و روش‌های فراکاوشی مبتنی بر هوش مصنوعی برای حل مسائل بهینه‌یابی سازه‌ای مورد توجه قرار گرفته است. این پژوهشگر ادامه داد: با وجود پیشرفت‌های انجام‌شده، بسیاری از الگوریتم‌های موجود در مواجهه با مسائل بزرگ با مشکلاتی مانند ناپایداری، سرعت همگرایی پایین یا توقف در پاسخ‌های غیر بهینه مواجه می‌شوند.

در این طرح پژوهشی، یک الگوریتم جدید با عنوان «بهینه‌یابی رشد ترکیبی بهبودیافته» توسعه داده شد که نسخه ارتقایافته‌ای از الگوریتم بهینه‌یابی رشد کلاسیک به شمار می‌رود. وی درباره نوآوری‌های این روش اظهار کرد: در الگوریتم پیشنهادی، سازوکارهایی برای تقویت جست‌وجوی سراسری و کاهش احتمال گرفتار شدن در پاسخ‌های ضعیف طراحی شد.

همچنین ساختار حفظ بهترین پاسخ‌ها بهبود یافت، تقسیم‌بندی جمعیت پاسخ‌ها متناسب با اندازه مسئله تنظیم شد و مرحله نهایی جست‌وجو با هدف دقیق‌تر شدن پاسخ‌های برتر اصلاح شد. بیابانی همدانی تصریح کرد: این اصلاحات موجب شد الگوریتم جدید ضمن دستیابی سریع‌تر به پاسخ مناسب، از پایداری و دقت بیشتری در حل مسائل پیچیده برخوردار باشد.

عملکرد این روش در چندین سازه بزرگ مهندسی، از جمله خرپاهای فضایی با هزاران عضو مورد ارزیابی قرار گرفت. وی افزود: نتایج نشان داد روش پیشنهادی در برخی مسائل توانسته است بیش از ۵ درصد کاهش وزن سازه ایجاد کند، درحالی‌که تمامی محدودیت‌ها و الزامات آیین‌نامه‌ای رعایت شده‌اند.

همچنین کاهش تعداد تحلیل‌های مورد نیاز، موجب صرفه‌جویی قابل توجه در زمان محاسبات و فرآیند طراحی شده است. این پژوهشگر با اشاره به کاربردهای عملی این دستاورد گفت: کاهش وزن سازه‌ها علاوه‌بر کاهش هزینه‌های ساخت، به کاهش مصرف مصالح و حرکت به سمت توسعه پایدار کمک می‌کند.

الگوریتم توسعه‌یافته می‌تواند در طراحی بهینه سازه‌های صنعتی، پل‌ها، دکل‌ها و دیگر سازه‌های بزرگ مورد استفاده قرار گیرد. بیابانی همدانی خاطرنشان کرد: این طرح گامی مؤثر در مسیر استفاده کاربردی از هوش مصنوعی در مهندسی عمران و بهینه‌سازی مصرف منابع در پروژه‌های عمرانی محسوب می‌شود.