طراحی بهینه سازه‌های بلندمرتبه به دلیل تعداد زیاد متغیرهای طراحی، پیچیدگی قیود سازه‌ای و ماهیت غیرخطی مسائل، همواره یکی از چالش‌برانگیزترین حوزه‌های مهندسی عمران محسوب می‌شود. الگوریتم‌های فراابتکاری به‌عنوان ابزارهایی کارآمد در حل این گونه مسائل پیچیده مطرح شده‌اند. در این مقاله، به بررسی کاربرد الگوریتم بهینه‌سازی عنکبوت اجتماعی (Social Spider Optimization – SSO) در طراحی بهینه سازه‌های بلندمرتبه پرداخته می‌شود. این الگوریتم که برگرفته از رفتارهای اجتماعی عنکبوت‌ها در طبیعت است، با بهره‌گیری از مکانیزم‌های جستجوی گروهی و تعامل بین اعضای جمعیت، توانایی بالایی در یافتن جواب‌های بهینه در فضاهای جستجوی پیچیده دارد. بررسی پژوهش‌های انجام‌شده نشان می‌دهد که الگوریتم SSO و نسخه‌های بهبودیافته آن، عملکرد مؤثری در بهینه‌سازی هزینه و وزن سازه‌های بلندمرتبه، به‌ویژه سازه‌های دارای ستون‌های مرکب و سازه‌های فضایی فولادی، داشته‌اند.

واژگان کلیدی: الگوریتم بهینه‌سازی عنکبوت اجتماعی، سازه‌های بلندمرتبه، بهینه‌سازی سازه، الگوریتم فراابتکاری، طراحی بهینه

۱. مقدمه

سازه‌های بلندمرتبه به‌عنوان نمادهای توسعه شهری، از پیچیده‌ترین و چالش‌برانگیزترین سیستم‌های سازه‌ای محسوب می‌شوند. طراحی این سازه‌ها مستلزم در نظر گرفتن تعداد زیادی متغیر طراحی، قیود متعدد سازه‌ای از جمله مقاومت، تغییرمکان، دریفت و پایداری، و همچنین الزامات آیین‌نامه‌ای است. به‌ینه‌سازی هم‌زمان این پارامترها با هدف کاهش وزن یا هزینه سازه، یک مسئله بهینه‌سازی غیرخطی با ابعاد بالا است که روش‌های کلاسیک بهینه‌سازی را با دشواری جدی مواجه می‌سازد.

در سال‌های اخیر، الگوریتم‌های فراابتکاری مبتنی بر هوش جمعی، به‌عنوان رویکردهایی کارآمد برای حل مسائل پیچیده بهینه‌سازی سازه مطرح شده‌اند. این الگوریتم‌ها با الهام از رفتارهای جمعی موجودات زنده در طبیعت، قادر به جستجوی کارآمد در فضای طراحی و یافتن جواب‌های نزدیک به بهینه هستند. یکی از جدیدترین الگوریتم‌های این دسته، الگوریتم بهینه‌سازی عنکبوت اجتماعی (SSO) است که بر اساس شبیه‌سازی رفتارهای اجتماعی عنکبوت‌ها طراحی شده است.

این مقاله به بررسی کاربرد الگوریتم بهینه‌سازی عنکبوت اجتماعی در طراحی بهینه سازه‌های بلندمرتبه می‌پردازد. در ادامه، ابتدا الگوریتم SSO معرفی شده، سپس کاربردهای آن در بهینه‌سازی سازه‌های بلندمرتبه بررسی می‌گردد و در نهایت مزایا، چالش‌ها و چشم‌اندازهای آینده این رویکرد مورد بحث قرار می‌گیرد.

۲. الگوریتم بهینه‌سازی عنکبوت اجتماعی

۲-۱. مبانی الگوریتم

الگوریتم بهینه‌سازی عنکبوت اجتماعی (SSO) یک الگوریتم فراابتکاری مبتنی بر هوش جمعی است که رفتار اجتماعی عنکبوت‌ها را شبیه‌سازی می‌کند. در این الگوریتم، جمعیت عنکبوت‌ها به دو گروه ماده و نر تقسیم می‌شوند که هر یک نقش مشخصی در فرآیند جستجو ایفا می‌کنند. هر عنکبوت بر اساس مقدار تابع برازندگی (Fitness) خود، دارای وزنی است که نشان‌دهنده کیفیت جواب متناظر با آن می‌باشد.

مکانیزم اصلی الگوریتم SSO بر پایه تعاملات اجتماعی بین عنکبوت‌ها در یک تار عنکبوت مشترک طراحی شده است. عنکبوت‌های ماده جستجوی محلی (Exploitation) را انجام می‌دهند، در حالی که عنکبوت‌های نر مسئول جستجوی سراسری (Exploration) هستند. این تقسیم‌بندی نقش‌ها، تعادل مناسبی بین اکتشاف و بهره‌برداری در فضای جستجو ایجاد می‌کند.

۲-۲. مزایای الگوریتم SSO

الگوریتم SSO دارای مزایای متعددی است که آن را برای مسائل بهینه‌سازی سازه‌های بلندمرتبه مناسب می‌سازد:

• تعادل بین اکتشاف و بهره‌برداری: ساختار دوگانه جمعیت (ماده و نر) امکان جستجوی هم‌زمان سراسری و محلی را فراهم می‌کند.
• قابلیت حل مسائل با ابعاد بالا: این الگوریتم توانایی مواجهه با مسائل بهینه‌سازی با تعداد زیاد متغیرهای طراحی را دارد.
• همگرایی مناسب: مکانیزم‌های تعامل اجتماعی در الگوریتم، همگرایی به جواب‌های با کیفیت را تسهیل می‌کند.
• انعطاف‌پذیری: الگوریتم SSO قابلیت ترکیب با سایر روش‌ها و ایجاد نسخه‌های بهبودیافته را داراست.

۳. کاربرد الگوریتم SSO در بهینه‌سازی سازه‌های بلندمرتبه

۳-۱. بهینه‌سازی هزینه سازه‌های بلند با ستون‌های مرکب

یکی از مهم‌ترین کاربردهای الگوریتم SSO در طراحی سازه‌های بلندمرتبه، بهینه‌سازی هزینه سازه‌های دارای ستون‌های مرکب است. پاکسوی و همکاران (۲۰۲۴) در مطالعه‌ای جامع، از الگوریتم بهینه‌سازی عنکبوت اجتماعی برای بهینه‌سازی هزینه سازه‌های بلند با ستون‌های مرکب لوله‌ای فولادی پر شده با بتن استفاده کرده‌اند.

در این پژوهش، تابع هدف هزینه مصالح سازه در نظر گرفته شده و متغیرهای طراحی شامل ابعاد ستون‌ها (مقاومت، تغییرمکان، دریفت و محدودیت‌های هندسی) به‌عنوان توابع قید در نظر گرفته شده‌اند. محققان هشت قاب سازه‌ای با ارتفاع‌ها و نامنظمی‌های مختلف را مورد بررسی قرار داده‌اند تا تأثیر این پارامترها بر هزینه سازه تحلیل شود.

نتایج این مطالعه نشان داد که ستون‌های مرکب حتی برای ساختمان‌هایی که در رده بلندمرتبه محسوب نمی‌شوند، گزینه‌ای مقرون‌به‌صرفه‌تر نسبت به سازه‌های فولادی خالص هستند. همچنین، اختلاف هزینه بین این دو نوع سازه با افزایش ارتفاع و نامنظمی ساختمان افزایش می‌یابد. جالب توجه است که الگوریتم بهینه‌سازی قادر به یافتن طرح‌های شدنی برای سازه‌های فولادی با ارتفاع بیش از ۱۸۰ متر با استفاده از پروفیل‌های فولادی آماده نبوده است.

۳-۲. بهینه‌سازی سازه‌های فضایی فولادی

نسخه‌های بهبودیافته الگوریتم SSO نیز در بهینه‌سازی سازه‌های فضایی فولادی به کار گرفته شده‌اند. در مطالعه‌ای دیگر، الگوریتم SSO استاندارد و نسخه بهبودیافته آن با تکنیک پرش عنکبوت (SSO_SJ) برای توسعه یک تکنیک بهینه‌سازی سازه‌های فضایی فولادی مورد استفاده قرار گرفته‌اند.

در این پژوهش، تابع هدف وزن سازه فضایی فولادی در نظر گرفته شده و قیود طراحی بر اساس آیین‌نامه AISC-LRFD و الزامات مقاومت، قابلیت بهره‌برداری و هندسی اعمال شده‌اند. سه سازه فضایی فولادی با استفاده از هر دو الگوریتم SSO استاندارد و SSO_SJ بهینه‌سازی شده و نتایج با پژوهش‌های پیشین مقایسه گردیده است.

نسخه بهبودیافته SSO با استفاده از احتمال تصادفی تطبیقی در تولید جواب‌های جدید، عملکرد بهتری در یافتن طرح‌های بهینه نشان داده است. این موضوع حاکی از آن است که با اعمال بهبودهای مناسب، الگوریتم SSO می‌تواند کارایی بیشتری در مسائل پیچیده بهینه‌سازی سازه داشته باشد.

۳-۳. بهینه‌سازی سازه‌های خرپایی بزرگ‌مقیاس

اگرچه خرپاها معمولاً در سازه‌های بلندمرتبه به‌صورت مستقیم به کار نمی‌روند، اما اصول بهینه‌سازی به کار رفته در آن‌ها قابل تعمیم به سیستم‌های سازه‌ای بلندمرتبه است. در مطالعه‌ای جدید، نسخه بهبودیافته الگوریتم SSO با عنوان MSSA (Modified Social Spider Algorithm) برای بهینه‌سازی خرپاهای بزرگ‌مقیاس ارائه شده است.

این الگوریتم از یک استراتژی جستجوی تصادفی راه‌رونده با مکانیزم حافظه برای بهبود هم‌زمان اکتشاف و بهره‌برداری بهره می‌برد. عملکرد MSSA بر روی شش مسئله بهینه‌سازی خرپا با ۱۰، ۱۸، ۲۵، ۷۲، ۲۰۰ و ۹۴۲ عضو ارزیابی شده است. نتایج نشان می‌دهد که MSSA به‌ویژه برای سازه‌های خرپایی بزرگ‌مقیاس، عملکردی بسیار رقابتی داشته و از بسیاری از الگوریتم‌های پیشرفته دیگر در کیفیت جواب و استحکام بهتر عمل کرده است.

۴. مزایا و چالش‌های کاربرد الگوریتم SSO در سازه‌های بلندمرتبه

۴-۱. مزایا

۱. کارایی در مسائل با قیود متعدد: سازه‌های بلندمرتبه دارای قیود متعدد سازه‌ای و آیین‌نامه‌ای هستند. الگوریتم SSO توانایی مدیریت هم‌زمان این قیود را دارد.

۲. قابلیت مقیاس‌پذیری: نسخه‌های بهبودیافته SSO مانند MSSA، توانایی حل مسائل با ابعاد بالا را دارند که برای سازه‌های بلندمرتبه با تعداد زیادی عضو و متغیر طراحی ضروری است.

۳. انعطاف‌پذیری در ترکیب با روش‌های دیگر: الگوریتم SSO قابلیت ترکیب با تکنیک‌های بهبود مانند تکنیک پرش عنکبوت را دارد که کارایی آن را افزایش می‌دهد.

۴-۲. چالش‌ها

۱. هزینه محاسباتی: مانند بسیاری از الگوریتم‌های فراابتکاری، SSO نیازمند تعداد زیادی ارزیابی تابع هدف است که برای سازه‌های بلندمرتبه با تحلیل‌های پیچیده سازه‌ای، زمان‌بر خواهد بود.

۲. پارامترهای تنظیم: عملکرد الگوریتم SSO به تنظیم مناسب پارامترهای آن وابسته است و یافتن مقادیر بهینه این پارامترها خود یک مسئله بهینه‌سازی است.

۳. همگرایی زودهنگام: در برخی موارد، الگوریتم ممکن است در بهینه‌های محلی گرفتار شود که نیازمند استفاده از نسخه‌های بهبودیافته یا ترکیب با سایر روش‌هاست.

۵. چشم‌اندازهای آینده

با توجه به نتایج امیدوارکننده پژوهش‌های انجام‌شده، چندین مسیر برای توسعه کاربرد الگوریتم SSO در طراحی بهینه سازه‌های بلندمرتبه قابل تصور است:

۱. بهینه‌سازی چندهدفه: توسعه نسخه‌های چندهدفه SSO برای بهینه‌سازی هم‌زمان وزن، هزینه، شکل‌پذیری و عملکرد لرزه‌ای سازه‌های بلندمرتبه.

۲. ترکیب با تحلیل‌های دینامیکی: استفاده از SSO در بهینه‌سازی سازه‌های بلندمرتبه تحت بارهای دینامیکی مانند باد و زلزله.

۳. بهینه‌سازی توپولوژی: کاربرد SSO در بهینه‌سازی توپولوژی و شکل سازه‌های بلندمرتبه به‌طور هم‌زمان با بهینه‌سازی ابعاد.

۴. یادگیری ماشین و SSO: ترکیب الگوریتم SSO با روش‌های یادگیری ماشین برای کاهش هزینه محاسباتی تحلیل‌های سازه‌ای.

۵. بهینه‌سازی در شرایط عدم قطعیت: توسعه رویکردهایی برای بهینه‌سازی سازه‌های بلندمرتبه با در نظر گرفتن عدم قطعیت‌های موجود در بارها و مشخصات مصالح.

۶. نتیجه‌گیری

الگوریتم بهینه‌سازی عنکبوت اجتماعی (SSO) به‌عنوان یکی از الگوریتم‌های فراابتکاری نوین مبتنی بر هوش جمعی، پتانسیل بالایی برای کاربرد در طراحی بهینه سازه‌های بلندمرتبه نشان داده است. بررسی پژوهش‌های انجام‌شده حاکی از آن است که این الگوریتم و نسخه‌های بهبودیافته آن، عملکرد مؤثری در بهینه‌سازی هزینه و وزن سازه‌های بلندمرتبه داشته‌اند.

مطالعه پاکسوی و همکاران (۲۰۲۴) نشان داد که الگوریتم SSO می‌تواند به‌طور مؤثری هزینه سازه‌های بلند با ستون‌های مرکب را بهینه‌سازی کند و مزیت‌های اقتصادی ستون‌های مرکب نسبت به سازه‌های فولادی خالص را آشکار سازد. همچنین، نسخه‌های بهبودیافته الگوریتم با تکنیک‌هایی مانند پرش عنکبوت، کارایی بیشتری در بهینه‌سازی سازه‌های فضایی فولادی نشان داده‌اند.

با وجود چالش‌هایی مانند هزینه محاسباتی و نیاز به تنظیم پارامترها، توسعه نسخه‌های بهبودیافته و ترکیب SSO با سایر روش‌های محاسباتی، چشم‌انداز روشنی برای کاربرد گسترده‌تر این الگوریتم در طراحی بهینه سازه‌های بلندمرتبه ترسیم می‌کند. با توجه به روند رو به رشد ساخت سازه‌های بلندمرتبه در کشورهای در حال توسعه، بهره‌گیری از الگوریتم‌های کارآمدی مانند SSO می‌تواند نقش مهمی در کاهش هزینه‌ها و بهبود عملکرد سازه‌ای این ساختمان‌ها ایفا کند.

منابع

[1] Paksoy, A., Aydogdu, I., & Akin, A. (2024). Cost optimization of tall buildings having tube composite columns using social spider algorithm. The Structural Design of Tall and Special Buildings, 33(13). 

[2] Aydogdu, I., et al. (2017). Optimum design of steel space structures using social spider optimization algorithm with spider jump technique. Structural Engineering and Mechanics, 62(3), 259-272. 

[3] Modified Social Spider Algorithm (MSSA) for optimization of large-scale truss structures. Systems and Soft Computing, 9, 200510. 

[4] Abualigah, L., et al. (2024). Social spider optimization algorithm: survey and new applications. Metaheuristic Optimization Algorithms, 15-31. 

[5] Evangeline, D., & Abirami, T. (2019). Social Spider Optimization Algorithm: Theory and its Applications. International Journal of Innovative Technology and Exploring Engineering, 8(10), 327-332.