فصلنامه علمی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی،تهران،ایران

2 دانشکده برق،دانشگاه آزاد اسلامی اراک،اراک،ایران

10.22061/tej.2011.285

چکیده

: In the present paper, lessons are learnt from ant society so that humankind can optimize his engineering issues. As an example of such issues, a reinforced concrete retaining wall for which the application of optimization can reduce the costs involved is considered. Traditional design procedure for reinforced concrete retaining walls is unable to design an optimized wall unless a large trial effort is undertaken. This paper introduces a learning procedure from ants, which is a general search technique for the solution of difficult combinatorial problems with its theoretical roots based on the foraging behavior of ants. This methodology arrives at an optimal design for concrete retaining walls due to its capability to explore and exploit the solution space effectively. The basis of analysis in this paper is to determine the minimum weight and costs in the design of concrete retaining walls following a computation of lateral total thrust on the wall due to backfill pressures, bearing capacity consideration, settlement analysis, stability analysis, and application of design of reinforced concrete principles. The results clearly indicate that ant colony can educate engineers comprehensively to reach a minimum cost justified retaining wall through an optimization approach.
 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Learning from Ant Society in Optimizing Concrete Retaining Walls

نویسندگان [English]

  • M. Ghazavi 1
  • Saeed Bazzazian Bonab 2

1 Faculty of Civil Engineering, K.N. Toosi University of Technology,Tehran,Iran

2 Faculty of Engineering, Islamic Azad University of Arak,Arak,Iran

چکیده [English]

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.

کلیدواژه‌ها [English]

  • جامعه مورچگان
  • آموزش
  • بهینه سازی
  • دیوار حائل بتنی
  • هوش تجمعی

[1] Saribash A. and Erbatur F., Optimization and Sensitivity of Retaining Structures, Journal of Geotechnical Engineering, ASCE,Vol.122, No.8, 1996, pp.649-656. [2] Ceranic B. and Fryer C., An Application of Simulated Annealing to Optimum Design of Reinforced Concrete Retaining Structures, Computers and Structures,Vol.79, 2001, pp.1569-1581. [3] Sivakumar Babu G.L. and Munwar Basha B., Optimum Design of Cantilever Retaining Walls Using Target Reliability Approach, International Journal of Geomechanics, ASCE,Vol.8, No.4, 2008, pp.240-252. [4] Ahmadi Nedushan B. and Varaee H., Optimal Design of Reinforced Concrete Retaining Walls Using a Swarm Intelligence Technique, The first International Conference on Soft Computing M. Ghazavi & el Journal of Technology of Education/ Vol. 5, No.3, Spring 2011 192 Technology in Civil, Structural and Environmental Engineering, UK, 2009. [5] Bowles J.E., Foundation Analysis and Design, the McGraw-Hill Companies, Inc, New York, Fifth Edition, 1996. [6] Wahde M., Biologically Inspired Optimization Methods: An Introduction, Boston: Wit Pr/Computational Mechanics, 2008. [7] Bonabeau E., Dorigo M. and Theraulaz G., Swarm Intelligence: From Natural to Artificial Systems, (Santa Fe Institute Studies on the Sciences of Complexity), New York, Oxford University Press, USA, 1999. [8] Engelbrecht A., Computational Intelligence: An Introduction, Wiley, New York, 2007. [9] Camp C. and Bichon B, Design of Space Trusses Using Ant Colony Optimization, Journal of Structural Engineering, ASCE, Vol.130, No.5, 2004, pp.741-751. [10] Dorigo M., Maniezzo V. and Colorni A., The Ant System: Optimization by a Colony of Cooperating Agents, IEEE Transactions on Systems, Man, and Cybernetics–Part B, 1996, pp.1-13. [11] Das B.M., Principles of Foundation Engineering, Fourth Edition, Publishing Workflow System, Pacific Grove, Calif, 1999.