Hard optimization of structural design subjected to buckling using the evolutionary computation approach

Ahmid, Ali Elmbrok Salem (2021). Hard optimization of structural design subjected to buckling using the evolutionary computation approach. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (6MB) | Prévisualisation

Résumé

The optimization techniques aim to reduce the used material in the structure design without violating the imposed design and manufacturing constraints; thus, the materials cost is decreased, and less material is consumed. In addition to the low-cost and positive sustainability impact of Structural Design Optimization (SDO), it promotes the engineers to develop innovative designs for several real-life structural applications.

The previous studies in the domain of SDO gainfully contributed in the way that expanded our knowledge in this specific field. However, this research theme still watches debates on various issues, not only how we could achieve the desired physical features of a structure, but also how we could make this is happening efficiently at a lowest possible computational cost. With this regard, a couple of potential research opportunities have been extracted from the literature, and in-context novel contributions were presented in the current thesis.

The literature of structural design optimization problems reveals that global optimization algorithms or Meta-heuristics (MHs) are the best available techniques that could be used to solve such hard optimization problems. Though, the main challenge confronted the engineer is which available MH fits much better to the structure design problem of his attention. Unfortunately, the literature of SDO experiences a lack of systematic assessment pattern that could help the engineers to overcome this issue. Currently, the commonly used measures of MHs performance by MHs developers are the statistical operators such as min, max, mean and standard deviation of the obtained solutions. However, such measures are not enough to reflect the actual MH performance when these measures are used alone. So, a comprehensive assessment criterion has been developed here to include more efficient measures like the practical reliability, price (computational cost), normalized price, performance rate, solution quality and Fitness-landscape analysis. Additionally, two different convergence rates were imposed to examine the MHs at slow and fast rates. As well as the reproducibility of the numerical experiments results considered within the procedure of MHs assessment. Lastly, the proposed criterion has been employed to compare five different Ant Colony Optimization (ACO) variants. The proposed measures demonstrated a comprehensive assessment of the compared ACOs performance.

Several studies were conducted to improve the MHs searching performance, and the results were promising in this direction. Unfortunately, the literature of SDO demonstrated an extreme tendency to develop new “metaphor” MHs instead of improving the performance of wellestablished MHs that have a remarkable history of solving Non-Polynomial (NP) -hard optimization problems. However, this thesis examines the possible improvements of two selected MHs searching features via integrating local search movements to MH's main structure to improve the intensification effort. The first selected MH is Cuckoo Search (CS) algorithm, which is intensively used to solve a variety of optimization problems such as weight minimization of the truss structure, Travelling Salesman Problem (TSP),…etc. CS is designed to solve unconstrained continuous optimization problems as most of MHs. Consequently, the original CS has been adapted and modified here to solve discrete SDO problems, and it is named Adapted CS Algorithm (ADCSA). The intensification effort of ADCSA improved through four different local search movements of permutation, swap, bit flip and insertion. ADCSA has been applied to solve two different SDO problems, and the obtained results of both case studies reveal that the proposed ADCSA has a considerable performance in solving SDO problems. The other improved MH was the ACO variant of the Hyper Cube Framework (HCFACO), which was selected based on the results of the comparison study of five different ACO variants that previously mentioned. The enhancement of the HCFACO intensification effort was carried out by integrating two local search movements of insertion and bit flip. The performance of improved version HCFACO, Enhanced HCFACO (EHCFACO), has been examined through solving a well-known SDO benchmarking problem. EHCFACO exhibited a significant performance compared to the original HCFACO and the other five ACO variants.

Regarding the structural design optimization frameworks, the literature review has shown that both deterministic and probabilistic SDO approaches are mostly used. Nevertheless, the scarcity of studies of uncertainty design using anti-optimization is understandable because of the associated expensive design analysis cost of the objective function. This approach has two levels, the top level devoted to the optimization phase, while the bottom level works to antioptimize the obtained optimal solution. During this process of optimization and antioptimization, a large number of objective function calls is taking place, and for those SDO problems with expensive functions, this approach becomes unfeasible. However, a costeffective uncertainty framework has been developed in the current study. The accompanied expensive cost of the objective function evaluation has been tackled by replacing the blackbox function (FEA software) by an Artificial Neural Network (ANN). The proposed procedure was applied to optimize a novel case study of a perforated composite laminated plate subjected to the uncertainty of loading conditions and the location of the cut-out center. The attained results reveal that using ANN techniques offers a cost-effective solution for SDO problems with expensive objective functions.

In addition to those specific research opportunities mentioned above, some others appeared during the research process, such as the effect of selection of the initial population, solution representation and adaptive generation of a new solution on the performance of MHs. Moreover, two novel SDO examples have been developed for customized I-beam overhead gantry crane and perforated composite laminated plate. In general, this thesis has gone some way towards enhancing our understanding of how to tackle the complexity of SDO problems.

Titre traduit

Optimisation dure de la conception structurelle soumise au flambage à l'aide de l'approche de calcul évolutif

Résumé traduit

Les techniques d’optimisation ont pour objectif de réduire la quantité des matériaux utilisés lors des opérations de conception structurelles sans pour autant altérer les exigences imposées par les processus de fabrication, menant ainsi à une réduction de coûts. En plus du coût réduit ainsi que l’impact positif de durabilité résultant de l’optimisation de conception structurelle (Structural Design Optimization, SDO), elle sert aussi d’outil prometteur pour les ingénieurs à développer des conceptions innovantes dans diverses applications structurelles réelles.

Les études antérieures dans le domaine SDO ont été d’un apport considérable dans l’approfondissement de nos connaissances dans ce champ d’intérêt spécifique. Cependant, cette thématique de recherche fait encore l’objet de débats dans ces différents aspects, non seulement sur la façon de réaliser les caractéristiques physiques requises d’une structure, mais aussi, et surtout, sur la possibilité d’atteindre un tel objectif efficacement, et avec un temps de calcul le moins couteux possible. De ce point de vue, certains axes de recherche, potentiellement prometteurs, qui ont été repris de la littérature, ainsi que de nouvelles contributions, ont été traités dans le cadre de la présente thèse.

La revue de littérature portant sur l’optimisation des problèmes de conception structurelle révéle que les algorithmes d’optimisation globale ou ce qui est communément appelé Métaheuristiques (MHs) sont considérés comme étant les meilleures techniques disponibles en mesure de résoudre de tels problèmes complexes d’optimisation. Toutefois, le principal défi de l’ingénieur est de trouver l’algorithme MH qui répond au mieux au problème de conception structurelle qu’il doit solutionner. Malheureusement, les travaux rapportés dans la littérature révèlent le manque d’un modèle d’évaluation systématique qui pourrait aider les ingénieurs à surmonter cette insuffisance. Les mesures les plus communément utilisées actuellement pour la performance des MHs sont les opérateurs statistiques des solutions obtenues tels que : min, max, moyenne et écart type. Cependant, de tels opérateurs ne sont pas assez suffisant pour refléter la performance actuelle des algorithmes MH lorsque ces mesures sont utilisées séparément. Ainsi, un critère d’évaluation adéquat a été développé dans le cadre de ce travail afin d’inclure plus de paramètres efficaces comme la fiabilité pratique, le prix (le coût de calcul), le prix normalisé, le taux de performance, la qualité de la solution et l’analyse Fitness-landscape. De plus, deux différents taux de convergence ont été imposés pour examiner les algorithmes MH pour les taux lent et rapide, ainsi que la reproductibilité des résultats d’expériences numériques considérés lors de procédure d’évaluation des MHs. Récemment, le critère proposé a été utilisé afin de comparer cinq différentes variantes d’optimisation par colonies de fourmis (Ant Colony , ACO). Les démarches proposées ont montré une évaluation comparative efficiente de la performance de l’optimisation par colonies de fourmis.

Plusieurs études ont été menées afin d’améliorer la performance de recherche des techniques MHs, et les résultats ont été prometteurs dans cette direction. Malheureusement, la littérature portant sur l’optimisation de conception structurelle a montré une tendance forte à développer de nouveaux “metaphor” MHs au lieu de procéder à une amélioration de la performance des algorithmes MHs déjà existants, et qui ont une remarquable réputation dans la résolution des problèmes d’optimisation Non-Polynôme (NP) qui sont connus par leur complexité. Cependant, la présente thèse examine d’éventuelles améliorations des caractéristiques de recherche des deux approches MHs sélectionnés moyennant une intégration d’une recherche locale de mouvements à la structure principale de l’algorithme MH afin d’améliorer l’effort d’intensification. Le premier algorithme MH sélectionné est Cuckoo Search (CS), qui est fortement utilisé pour résoudre une variété de problèmes d’optimisation tels que la minimisation pondérée des structures en treillis, Travelling Salesman Problem (TSP),…etc. L’algorithme de recherche Cuckoo (CS) est conçu pour résoudre des problèmes d'optimisation continue sans contrainte comme la plupart des techniques Méta Heuristiques. Par conséquent, le CS original a été adapté et modifié, dans le cadre de cette thèse, pour résoudre des problèmes discrets d'optimisation de conception structurelles, et il est nommé Algorithme de recherche Cuckoo CS adapté (Adapted CS Algorithm, ADCSA). L’effort d’intensification de l’algorithme CS adapté est amélioré à travers quatre différentes recherches locales de mouvements de permutation, d’échange, bit flip et insertion. L’algorithme CS adapté a été appliqué pour résoudre deux problèmes d’optimisation structurelles différents, et les résultats obtenus ont montré que cet algorithme présente de remarquables performances pour l’optimisation de ce type de problèmes. L’autre algorithme MH qui a l’objet d’une amélioration est la variante d’optimisation par colonies de fourmis du cadre Hyper Cube (Hyper Cube Framework, HCFACO), qui a été sélectionnée en se basant sur les résultats de l’étude comparative de cinq différentes variantes mentionnées précédemment. L’augmentation de l’effort d’intensification du ‘HCFACO’ a été réalisée en intégrant deux recherches locales de mouvement d’insertion et de bit flip. La performance de la version améliorée du ‘HCFACO’ appelée ‘EHCFACO’ a été examinée moyennant la résolution de problèmes de référence d’optimisation de conception structurelle, et les résultats ont montré une performance significative de ce dernier comparativement à la version originale du ‘HCFACO’, ainsi qu’aux cinq autres variantes de l’optimisation par colonies de fourmis.

Concernant les différents cadres d’optimisation de conception structurelle, la revue de littérature a révélé que les deux approches déterministe et probabiliste sont communément utilisées. Néanmoins, le manque d’études portant sur les incertitudes de conception en utilisant l’anti optimisation est compréhensible en raison du cout élevé associé à l’analyse de la fonction objective. Cette approche se distingue par deux niveaux, un niveau haut consacré à la phase d’optimisation, et un niveau bas qui a pour objectif l’anti-optimisation de la solution optimale obtenue. Durant ces processus d’optimisation et d’anti-optimisation, un nombre important d’appels de la fonction objective est effectué, ce qui peut présenter un défi majeur pour les problèmes d’optimisation structurelles présentant des fonctions objectives couteuses en termes d’effort de calcul. Cependant, un cadre d’incertitude à cout réel a été développé dans la présente étude. Le cout exorbitant associé à l’évaluation de la fonction objective a été contourné en remplaçant la fonction boite-noir (logiciel d’analyse par éléments finis) par un réseau de neurones artificiel (ANN). La procédure proposée a été appliquée pour optimiser un nouveau cas d’étude d’une plaque composite laminé perforée soumise à des incertitudes sur les conditions de charge et la localisation du centre de découpe. Les résultats obtenus ont montré que l’utilisation de la technique des réseaux de neurones artificiels présente une solution fiable à cout réel pour les problèmes d’optimisation de conception structurelle ayant des fonctions objectives avec un cout de calcul considérable.

En plus des axes de recherche spécifiques mentionnés ci-dessus, d’autres pistes sont apparues durant le déroulement des travaux de cette thèse, tels que l’effet de sélection de la population initiale, la représentation de la solution et la génération adaptative d’une nouvelle solution sur la performance des algorithmes Méta- Heuristiques (MHs). Deux nouveaux exemples d’optimisation de conception structurelle ont aussi été développés pour le cas d’une grue avec une poutre en forme en I et une plaque composite laminée perforée. En général, cette thèse a permis d’améliorer notre compréhension de la façon d’aborder la complexité des problèmes d’optimisation de conception structurelle.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 257-269).
Mots-clés libres:	méta-heuristiques, NP-problèmes d’optimisation complexes, optimisation de conception structurelle, facteur de charge critique de flambement, grue, plate composite laminée, hyper-cube amélioré, algorithme de recherche adaptative discret Cuckoo, incertitude, réseaux de neurones artificiels.
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Lê, Van Ngan
Codirecteur:	Codirecteur Dao, Thien-My
Programme:	Doctorat en génie > Génie
Date de dépôt:	25 oct. 2021 14:47
Dernière modification:	25 oct. 2021 14:47
URI:	https://espace.etsmtl.ca/id/eprint/2745

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt