مقایسه الگوریتم ژنتیک با روش تاگوچی در تعیین طرح اختلاط بهینه بتن خود متراکم

از خصوصیات ویژه بتن خود متراکم می توان به کارایی بالا، عدم نیاز به لرزاندن بتن، کاهش هزینه و نیروی انسانی و از همه مهمتر تسریع در عملیات ساخت اشاره کرد. چنین مشخصاتی باعث شده است تا کاربرد این نوع بتن به خصوص در اعضاء با تراکم بالای آرماتور، روز به روز بیشتر شود. یکی از پر کاربردترین روشهای بهینه سازی، روش تاگوچی است. در روش تاگوچی که یک روش ریاضی مبتنی بر روشهای آماری است، از یک تابع افت کیفیت برای بیان میزان کیفیت محصولات استفاده می شود. بر اساس این روش محصولات باید به گونه ای طراحی شوند که در نهایت افت کیفیت آنها دارای کمترین مقدار باشد. الگوریتم ژنتیک یک مدل از یادگیری ماشین است که رفتار آن از مکانیسم تکامل در طبیعت الهام گرفته شده است. این الگوریتم دارای کاربردهای گسترده ای در زمینه های مختلف می باشد. یک نمونه از این کاربردها مسائل بهینه سازی چند بعدی است که در آنها پارامترهای متفاوتی که قرار است بهینه شوند در قالب کروموزوم پیاده سازی می شوند. در این مقاله با در نظرگیری پارامترهای طرح اختلاط 27 نمونه بتن خود متراکم به عنوان ورودی، از الگوریتم ژنتیک برای بیشینه سازی مقاومت فشاری 7 روزه بتن خود متراکم و تعیین طرح اختلاط بهینه آن استفاده شده است. در گام بعدی، مقادیر تعیین شده توسط الگوریتم ژنتیک با مقدار بیشینه مقاومت فشاری 7 روزه و مقادیر بهینه اجزاء بتن که توسط روش تاگوچی تعیین شده اند، مقایسه شده است. مقایسه نشان می دهد که هر دو روش، به غیر از یک جزء بتن، مقادیر یکسانی را برای سایر اجزاء بتن به عنوان مقادیر بهینه تعیین کرده اند. مقادیر بهینه تعیین شده توسط هر دو روش برای یک جزء دیگر بتن و مقادیر مقاومت فشاری بیشینه تعیین شده توسط هر دو روش نیز اعدادی بسیار نزدیک بهم هستند.

کلیدواژه ها:

بتن خود متراکم ، طرح اختلاط بهینه ، مقاومت فشاری بیشینه ، الگوریتم ژنتیک ، روش تاگوچی