A Two-Phase Genetic Algorithm for Simultaneous Dimension, Topology, and Shape Optimization of Free-Form Steel Space-Frame Roof Structures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this work is to study the effects of geometry on structural performance of free-form steel space-frame roof structures and to optimize the structures without compromising overall architectural forms.Minimum weight optimization is performed to better study the effects of geometric alterations on overall structural performance.The intent is to achieve a strong optimum shape with superior load-carrying capacity allowing for the smallest and lightest structural members to be used.A two-phase genetic algorithm (GA) is developed to perform minimum weight design of the roof structures which consist of rectangular hollow structural sections (HSS).The new methodology is applied to two example roof structures subjected to the AISC LRFD code (AISC, 2005) and ASCE-10 snow, wind, and seismic loading (ASCE, 2010).Both are train station roofs for the Ottawa Light Rail Transit (OLRT) system to be built in Ottawa, Canada, in 2018.The structures are made up of a diamondshaped grid pattern and their members are subjected to torsion in addition to bending and axial forces.The GA was developed to perform simultaneous dimension, topology, and shape optimization and resulted in final designs which are 22% and 24% lighter than the initial designs created in a design office for the two roof structures.This global optimum solution was achieved in less than 19 hours on a standard workstation machine with a 2.83 GHZ dual core processor, a relatively short amount of time considering the complexity of both the structures and the optimization problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle