Learning from Ant Society in Optimizing Concrete Retaining Walls

• Main Authors: M. Ghazavi, Saeed Bazzazian Bonab
• Format: Article
• Language: fas
• Published: Shahid Rajaee Teacher Training University (SRTTU) 2011-03-01
• Series: Fanāvarī-i āmūzish
• Subjects: جامعه مورچگان; آموزش; بهینه سازی; دیوار حائل بتنی; هوش تجمعی
• Online Access: https://jte.sru.ac.ir/article_285_f80e4542e8a38b4aaa34790214e9f935.pdf

در مقاله حاضر، چگونگی یاد گیری درس­هایی از جامعه مورچگان برای بهینه­سازی مسائل مهندسی ارائه شده است و به عنوان یک مثال برای چنین مسائلی، دیوار حائل بتن مسلح در نظر گرقته شده است که از نظر هزینه­ها می­تواند بهینه­سازی شود. روش طراحی سنتی برای دیوار حائل بتن مسلح، تنها با استفاده از روش سعی و خطا قادر به طراحی بهینه است. این مقاله، به معرفی یک روش بر مبنای یادگیری از مورچه­ها پرداخته شده است که اساساً یک روش جستجو برای مسائل بهینه سازی ترکیبی است و دارای پیچیدگی­های خاص است. این روش براساس مدل سازی ویژگی­های گروهی مورچه­ها و بالاخص ویژگی غذایابی آنها می­باشد. این روش می­تواند دیوارهای بتن مسلح را با توجه به دارا بودن قابلیت جستجو و استخراج جواب به صورت مؤثر از فضای جستجو، بهینه­سازی کند. اساس تحلیل در این مقاله، تعیین کمترین وزن و کمترین هزینه برای طراحی دیوار حائل بتن مسلح است به طوری که در این طراحی، نیروی جانبی کل ناشی از فشار خاک پشت دیوار محاسبه شده و ملاحظات ظرفیت باربری، نشست، پایداری، و اصول طراحی سازه­های بتن مسلح در نظر گرفته شده است. نتایج بدست آمده، گویای این مطلب می باشد که روش بهینه سازی بر اساس جامعه مورچگان می تواند مهندسین را در جهت به دست آوردن حداقل هزینه ساخت دیوارهای حائل به طور مؤثر آموزش دهد.