Application des concepts de la biologie à l'optimisation des structures tridimensionnelles du Génie Civil

Abstract

L'objectif de cette recherche est de créer un outil informatique permettant d'obtenir une conception optimale des structures métalliques, en sélectionnant des sections d'acier standardisées. L’outil intègre les contraintes de résistance basées sur les spécifications de l'Eurocode 3, ainsi que des contraintes de déplacement et des limitations de taille pour les poutres et poteaux. L'algorithme génétique (AG) est une méthode d'optimisation inspirée de la biologie et le concept génétique. Il utilise des concepts comme la sélection, le croisement et la mutation pour améliorer progressivement une population de solutions. Chaque solution est évaluées selon une fonction objectif, et les meilleures sont combinées et modifiées pour trouver une solution optimale. L’algorithme à base de biogéographie (BBO) est une technique d'optimisation inspirée par la biogéographie, qui est l'étude de la répartition des espèces dans les différentes régions géographiques au fil du temps. Cet algorithme imite les mécanismes naturels d'immigration et d'émigration des espèces entre différents îles. Il modélise les solutions comme des îles avec des espèces migrantes. Les bonnes solutions (îles avec de nombreuses espèces) partagent leurs caractéristiques avec les autres, tandis que les solutions moins bonnes reçoivent des informations pour améliorer leurs performances. L’algorithme génétiques AG et l’algorithme de biogéographie BBO ne nécessitent pas de valeurs initiales pour les variables de décision. De plus, au lieu d'une recherche par gradient, les algorithmes AG et BBO utilisent une recherche aléatoire stochastique basée sur le principe de la survie biologique. Les résultats prouvent que l'algorithme BBO est un outil puissant et efficace, en comparaison avec l'algorithme génétique AG. Les comparaisons ont également montré que l'algorithme BBO a produit des structures plus optimales pour les modèles présentés. De plus, le BBO converge vers des conceptions optimales avant l'algorithme AG et atteint la solution avant le nombre maximal d'itérations dans presque tous les cas.