Решение многокритериальной задачи рационального размещения несущих стен с помощью генетического алгоритма
Ключевые слова:
оптимизация в проектировании зданий, задача размещения стен, многокритериальный генетический алгоритм, комбинаторная оптимизация, сравнительная оценка деформаций плитАннотация
Рациональное размещение несущих стен остается сложной и малоизученной задачей, несмотря на большое количество алгоритмов и моделей решения схожей задачи размещения колонн. Основными факторами сложности являются большое количество вариантов решения, большое время, требуемое для оценки полученного плана размещения на деформации, а также – многокритериальный характер. Кроме нелинейного критерия оценки деформаций требуется минимизировать протяженность несущих стен и количество различных уникальных типоразмеров. В статье предложена модель задачи размещения несущих стен, разбивающая стены на функциональные участки с некоторым шагом и учитывающая перечисленные критерии. При этом соседствующие участки стен одной функциональности объединяются в сегменты. Комбинаторный вид разбиения стен в модели задачи позволяет применить генетические алгоритмы для её решения. Поэтому была предложена новая схема многокритериального генетического алгоритма, содержащая метрики расчёта разнообразия фенотипа и генотипа популяции. Представлены модификации операторов скрещивания, мутации и селекции, учитывающие сегментальный вид генотипа стен. Анализ сравнения разработанного алгоритма с другими многокритериальными генетическими алгоритмами показал, что, несмотря на в 2 раза более длительное время выполнения, разработанный алгоритм находит в среднем в 3 раза больше недоминируемых решений на общем множестве, особенно с меньшим значением оценки деформаций. Предложенная модель разительно отличается от предлагаемых ранее с точки зрения оперирования с деформациями в системах опоры-плита, лишь сравнивая между собой планы размещения, а не рассчитывая точные оценки армирования, что зачастую бывает излишне на ранних этапах. Предложенная схема генетического алгоритма увеличивает количество найденных недоминируемых решений без потери их разнообразия, жертвуя временем выполнения, и может быть использована для решения других многокритериальных задач с учётом указанных особенностей. Разработанный алгоритм был легко интегрирован в программное средство поддержки принятия решений на базе САПР и может быть использован на практике специалистами.
Литература
2. Nimtawat A., Nanakorn P. Automated layout design of beam-slab floors using a genetic algorithm // Computers & Structures. 2009. vol. 87(21-22). pp. 1308–1330. DOI: 10.1016/j.compstruc.2009.06.007.
3. Sharafi P. Cost optimization of the preliminary design layout of reinforced concrete framed buildings // A Thesis for degree of Doctor of Philosophy in civil engineering. Australia: University of Wollongong, School of Civil, Mining and Environmental Engineering. 2013. 286 p.
4. Hadi M.H., Sharafi P., Teh L.H. A new formulation for the geometric layout optimisation of flat slab floor systems // Proceeding of the Australasian Structural Engineering Conference 2012: The Past, Present and Future of Structural Engineering. Perth, Western Australia: Engineers Australia, 2012. pp. 122–129. DOI: 10.3316/informit.026275045488938.
5. Sahab M.G., Ashour A.F., Toropov V.V. Cost optimisation of reinforced concrete flat slab buildings // Engineering Structures. 2005. vol. 27(3). pp. 313–322. DOI: 10.1016/j.engstruct.2004.10.002.
6. Meng X., Lee T.U., Xiong Y., Huang X., Xie Y.M. Optimizing support locations in the roof–column structural system // Applied Science. 2021. vol. 11(6). DOI: 10.3390/app11062775.
7. Zelickman Y., Amir O. Optimization of column layouts in buildings considering structural and architectural constraints // Engineering Archive (engrXiv). 2024. 45 p. DOI: 10.31224/2723.
8. Steiner B., Mousavian E., Mehdizadeh Saradj F., Wimmer M., Musialski P. Integrated structural-architectural design for interactive planning // Computer Graphics Forum. 2016. vol. 36(8). pp. 80–94. DOI: 10.1111/cgf.12996.
9. Валиахметова Ю.И., Васильева Л.И., Зинов В.И. Алгоритм решения задачи определения рационального плана размещения несущих конструкций при строительстве многоэтажных зданий // Современные проблемы и перспективы развития естествознания: Сб. научн. тр. Национальной научно-практической конференции (г. Уфа, 8–9 июня 2020 г.). Т. 2. Уфа: БГПУ. 2020. С. 46–54.
10. Eleftheriadis S., Duffour P., Stephenson B., Mumovic D. Automated specification of steel reinforcement to support the optimisation of RC floors // Automation in Construction. 2018. vol. 96. pp. 366–377. DOI: 10.1016/j.autcon.2018.10.005.
11. Wang J., Chen K., Yang H., Zhang L. Ensemble deep learning enabled multi-condition generative design of aerial building machine considering uncertainties // Automation in Construction. 2024. vol. 157. DOI: 10.1016/j.autcon.2023.105134.
12. Лешкевич О.Н. Использование искусственных нейронных сетей для оценки армирования железобетонных плит перекрытия // Проблемы современного бетона и железобетона: Сб. научн. тр. № 11. Минск: Ин-т БелНИИС, 2019. С. 51–62. DOI: 10.35579/2076-6033-2019-11-04.
13. Liao W.J., Lu X.Z., Fei Y.F., Gu Y., Huang Y.L. Generative AI design for building structures // Automation in Construction. 2024. vol. 157. DOI: 10.1016/j.autcon.2023.105187.
14. Зинов В.И., Картак В.М., Валиахметова Ю.И. Алгоритм оценки деформации плит перекрытий по пролетно-опорным схемам здания // Системы анализа и обработки данных. 2023. № 4(92). С. 35–54. DOI: 10.17212/2782-2001-2023-4-35-54.
15. Long Q., Wu C.Z., Wang X.Y., Jiang L., Li J. A multiobjective genetic algorithm based on a discrete selection procedure // Mathematical Problems in Engineering. 2015. vol. 2015. 17 p. DOI: 10.1155/2015/349781.
16. Валиахметова Ю.И., Прокудина Е.И., Зинов В.И. Многокритериальный генетический алгоритм решения задачи рационального размещения опорных конструкций на плане зданий // Современные физика, математика, цифровые и нанотехнологии в науке и образовании: Сб. научн. тр. II Всероссийской молодежной школы-конференции (г. Уфа, 18–20 апреля 2023 г.). Уфа: БГПУ, 2023. С. 95–100.
17. Rahimi I., Gandomi A.H., Nikoo M.R., Chen F. A comparative study on evolutionary multi-objective algorithms for next release problem // Applied Soft Computing. 2023. vol. 144. DOI: 10.1016/j.asoc.2023.110472.
18. Srinivas N., Deb K. Muiltiobjective optimization using nondominated sorting in genetic algorithms // Evolutionary Computation. 1994. vol. 2(3). pp. 221–248. DOI: 10.1162/evco.1994.2.3.221.
19. Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGAII // IEEE Transactions on Evolutionary Computation. 2002. vol. 6(2). pp. 182–197. DOI: 10.1109/4235.996017.
20. Zitzler E., Laumanns M., Thiele L. SPEA2: Improving the strength Pareto evolutionary algorithm // TIK-Report. 2001. vol. 103. DOI: 10.3929/ethz-a-004284029.
21. Liu M., Zou X., Chen Y., Wu Z. Performance assessment of DMOEA-DD with CEC 2009 MOEA Competition Test Instances // Proceeding of the IEEE Congress on Evolutionary Computation (CEC 2009). Norway: Trondheim, 2009. pp. 2913–2918. DOI: 10.1109/CEC.2009.4983309.
22. He M., Wang X., Chen H., Li X. A Knee Point-Driven Many-Objective Evolutionary Algorithm with Adaptive Switching Mechanism // Journal of Applied Mathematics. 2024. vol. 2024(1). 43 p. DOI: 10.1155/2024/4737604.
23. Ester M., Kriegel H.-P., Sander J., Xu X. A density-base algorithm for discovering clusters in large spatial databases with noise // Proceeding of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96). Germany: Munich, 1996. pp. 226–231.
Опубликован
Как цитировать
Раздел
Copyright (c) Владислав Игоревич Зинов, Вадим Михайлович Картак, Юлия Ильясовна Валиахметова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).