T. 15 S. 05 (2025): Tạp chí Vật liệu & xây dựng
##common.pageHeaderLogo.altText##
Tạp chí Vật liệu và Xây dựng - Bộ Xây dựng

ISSN:

Website: www.jomc.vn

Ứng dụng thuật toán SHAMODEWO trong tối ưu hóa đa mục tiêu kết cấu khung thép cao tầng với phân tích phi tuyến

Hồ Ngọc Khoa , Lưu Văn Thực , Lê Ngọc Thanh , Cao Tuấn Anh , Nguyễn Quang Đạt , Trần Hồng Hải

Từ khóa:

Tối ưu
Đa mục tiêu
SHAMODEWO
Khung thép
Phân tích trực tiếp

Tóm tắt

Tối ưu hóa đa mục tiêu kết cấu khung thép cao tầng là một bài toán phức tạp, đòi hỏi cân bằng giữa trọng lượng vật liệu và chuyển vị, đồng thời xét đến ứng xử phi tuyến và các ràng buộc thực tế. Bài báo đề xuất ứng dụng thuật toán SHAMODEWO (Success-History based Adaptive Multi-Objective Differential Evolution with Weighted Operators) để giải quyết vấn đề này, kết hợp phân tích trực tiếp (direct analysis) theo các tiêu chuẩn thiết kế AISC. SHAMODEWO là thuật toán lai dựa trên SHADE, kết hợp kỹ thuật p-best từ DE và xếp hạng không trội từ NSGA-II, sử dụng kho lưu trữ ngoài để tăng đa dạng tập nghiệm Pareto và điều chỉnh tham số tự động nhằm cải thiện hiệu suất hội tụ. Phương pháp này vượt trội so với các thuật toán truyền thống nhờ khả năng xử lý không gian giải không lồi, giảm số lượng đánh giá hàm mục tiêu và đảm bảo phân bố giải pháp tối ưu đều đặn. Hiệu quả của thuật toán được đánh giá thông qua trường hợp nghiên cứu khung 5×14, với các mục tiêu tối thiểu hóa trọng lượng và độ lệch tầng của kết cấu dưới tác dụng của tải trọng. Kết quả nghiên cứu chứng tỏ SHAMODEWO là công cụ hiệu quả cho thiết kế kết cấu phức tạp, góp phần tiết kiệm tài nguyên và nâng cao độ tin cậy trong kỹ thuật xây dựng.

Điều hướng Người dùng

PDF

Cách trích dẫn

Hồ Ngọc Khoa, Lưu Văn Thực, Lê Ngọc Thanh, Cao Tuấn Anh, Nguyễn Quang Đạt, & Trần Hồng Hải. (2025). Ứng dụng thuật toán SHAMODEWO trong tối ưu hóa đa mục tiêu kết cấu khung thép cao tầng với phân tích phi tuyến. Tạp Chí Vật liệu Và Xây dựng - Bộ Xây dựng, 15(05), Trang 66 – Trang 72. https://doi.org/10.54772/jomc.05.2025.1142

Tài liệu tham khảo

  1. ANSI/AISC 360-16 (2016). Specification for structural steel buildings. Chicago (IL): American Institute of Steel Construction.
  2. Degertekin, S.O., Saka, M.P., Hayalioglu, M.S. (2008). Optimal load and resistance factor design of nonlinear steel space frames via Tabu search and genetic algorithm. Eng Struct 30, 197–205.
  3. Truong, V. H., Ha, M.H., Pham., H.A., Tran, D.H. (2020). Optimization of steel moment frames with panel-zone design using an adaptive differential evolution. Journal of Science and Technology in Civil Engineering (JSTCE)-HUCE 14(2), 65-75.
  4. Pham, H.A., Nguyen, D.X., Truong, V.H. (2021). An efficient differential-evolution-based moving compensation optimization approach for controlling differential column shortening in tall buildings. Expert Systems with Applications 169, 114531.
  5. Vu, Q.A., Cao, T.S., Nguyen, H.H., Truong, V.H., Ha, M.H. (2023). An efficient differential evolution-based method for optimization of steel frame structures using direct analysis. Structures 51, 67-78.
  6. Cao, T. S., Pham, H. A., Truong, V. H. (2024). An efficient algorithm for multi-objective structural optimization problems using an improved pbest-based differential evolution algorithm. Advances in Engineering Software 197, 103752.
  7. Truong, V. H., Tangaramvong, S., Pham, H. A., Nguyen, M.C., Su, R. (2025). An efficient archive-based parameter-free multi-objective Rao-DE algorithm for bi-objective optimization of truss structures. Computers & Structures 308, 107647.
  8. Nguyen, M.C., Pham, H. A., Truong, V. H. (2025). An efficient multi-objective algorithm based on Rao and differential evolution for solving bi-objective truss optimization. Engineering Optimization, 1-31 (Online).
  9. Truong, V. H., Pham, H. A., Tangaramvong, S. (2025). An efficient method for nonlinear inelastic truss optimization based on improved k-nearest neighbor comparison and Rao algorithm. Structures 71, 108158.
  10. Truong, V. H., Cao, T. S., Tangaramvong, S. (2024) A robust machine learning-based framework for handling time-consuming constraints for bi-objective optimization of nonlinear steel structures. Structures 62, 106226.
  11. Nguyen, M.C., Ha, M.H., Nguyen, N.T., Dinh, V.T., Truong, V.H. (2025). A robust XGBoost-based multi-objective optimization algorithm for nonlinear truss structures. Journal of Science and Technology in Civil Engineering (JSTCE)-HUCE, 19(1), 131–141.
  12. Truong, V.H., Kim, S.E. (2017). An efficient method for reliability-based design optimization of nonlinear inelastic steel space frames. Structural and Multidisciplinary Optimization 56 (2), 331-351.
  13. Nguyen, M.C., Le, M.T., Vu, Q.A., Nguyen, N.T., Truong, V.H. (2025). Multi-objective optimization for nonlinear steel frames using a parameter-less MOO algorithm and XGBoost. Journal of Science and Technology in Civil Engineering (JSTCE)-HUCE, 19(2), 48-61.
  14. Storn, R., Price, K. (1997). Differential evolution – a simple and efficient heuristic for global optimization over continuous spaces. J. Glob. Optim., 11(4), 341-359.
  15. Lee, K.S., Geem, Z.W. (2004). A new structural optimization method based on the harmony search algorithm. Computers and Structures, 82, 781–98.
  16. Kennedy, J., Eberhart, R.C. (1995) Particle swarm optimization. in Proceeding of IEEE International Conference Neural Networks 1995, 1942–1948.
  17. Thai, H.T., Kim, S.E. (2011) Practical advanced analysis software for nonlinear inelastic dynamic analysis of space steel structures. Journal of Constructional Steel Research 67(3), 453-461.
  18. Yang, Y.B., Shieh, M.S. (1990) Solution method for nonlinear problems with multiple critical points. AIAA Journal 28(12), 2110-2116.
  19. Orbison, J.G., McGuire, W., Abel, J.F. (1982) Yield surface applications in nonlinear steel frame analysis. Computer Methods for Applied Mechanical Engineering 33, 557-573.
  20. Tanabe, R., Fukunaga, A. (2013). Success-history based parameter adaptation for Differential Evolution. IEEE Congress on Evolutionary Computation, 71-78.
  21. Deb, K., Pratap, A., Agarwal, S., Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197.
  22. Alberdi, R., Khandelwal, K. (2015) Comparison of robustness of metaheuristic algorithms for steel frame optimization. Engineering Structures, 102, 40-60.