Luận văn thạc sĩ Kỹ thuật xây dựng: Phát triển thuật toán tối ưu để dự đoán hư hỏng của kết cấu khung phẳng

Có rҩt nhiӅXFiFKÿӇ tìm ra KѭKӓng cӫa kӃt cҩXWURQJÿyYLӋc dӵ ÿRiQKѭKӓng kӃt cҩu bҵng thuұt toán tӕi ѭXOjPӝt vҩQÿӅ ÿDQJÿѭӧc quan tâm và nghiên cӭu hiӋn nay, viӋc dӵ ÿRiQÿ~QJ vӅ vӏ WUtFNJQJQK

ĈҤI HӐC QUӔC GIA TP HӖ CHÍ MINH

TRѬӠNG ĈҤI HӐC BÁCH KHOA

-

NGUYӈN NGӐC PHÚ

PHÁT TRIӆN THUҰT TOÁN TӔ,Ѭ8Ĉӆ DӴ Ĉ2È1+Ѭ

HӒNG CӪA KӂT CҨU KHUNG PHҶNG

AN OPTIMIZATION TECHNIQUE FOR DAMAGE PREDICTION OF 2D ± FRAME STRUCTURE

Chuyên ngành: Kӻ thuұt xây dӵng công trình dân dөng và công nghiӋp

Mã sӕ : 60580208

LUҰN VĂN THҤ&6Ƭ

TP HӖ CHÍ MINH, WKiQJQăP

75ѬӠ1*ĈҤI HӐC BÁCH KHOA ĈҤI HӐC QUӔC GIA TP HӖ CHÍ MINH

2.TS NguyӉn Thái Bình - 7KѭNê

3.PGS.TS ĈjRĈuQK1KkQ - Ӫy viên (Phҧn biӋn 1)

4.TS 7KiL6ѫQ - Ӫy viên (Phҧn biӋn 2)

KӺ THUҰT XÂY DӴNG

ĈҤI HӐC QUӔC GIA TP.HCM

75ѬӠ1*ĈҤI HӐC BÁCH KHOA

CӜNG HÒA XÃ HӜI CHӪ 1*+Ƭ$9,ӊT NAM

Ĉӝc Lұp - Tӵ Do - Hҥnh Phúc

1+,ӊ09Ө/8Ұ19Ă17+Ҥ&6Ƭ

Chuyên ngành: Kӻ thuұt xây dӵng công trình dân dөng và công nghiӋp

Mã sӕ: 60580208

I TÊN Ĉӄ TÀI: PHÁT TRIӆN THUҰT TOÁN TӔ,Ѭ8Ĉӆ DӴ Ĉ2È1+Ѭ HӒNG CӪA KӂT CҨU KHUNG PHҶNG

II NHIӊM VӨ VÀ NӜI DUNG

1 ThiӃt lұp các ma trұn khӕLOѭӧng, ma trұQÿӝ cӭng cӫa kӃt cҩu, xây dӵng hàm mөc tiêu cho bài toán tӕLѭXNӃt cҩu

2 Phát triӇn thuұt toán tӕLѭXVӱ dөng thuұWWRiQÿӇ giҧi quyӃt bài toán tӕLѭXFKRkӃt cҩu

3 Phân tích kӃt quҧ WuPÿѭӧc, tӯ ÿyÿѭDUDNӃt luұn vӅ thuұt toán phát triӇn và vҩn

ÿӅ tӕLѭXFKRNӃt cҩu KiӇPWUDÿӝ tin cұy cӫDFKѭѫQJWUuQKWtQKEҵng cách so sánh kӃt quҧ cӫDFKѭѫQJWUuQKYӟi kӃt quҧ các bài báo tham khҧo

4 TiӃn hành thӵc hiӋn các ví dө sӕ ÿӇ phân tích, tӯ ÿyU~WUDNӃt luұn và kiӃn nghӏ

III NGÀY GIAO NHIӊM VӨ : 21/09/2020

IV NGÀY HOÀN THÀNH NHIӊM VӨ : 31/12/2020

V HӐ VÀ TÊN CÁN BӜ HѬӞNG DҮN: 76 /r 7KDQK &ѭӡng và PGS.TS /ѭѫQJ9ăQ+ҧi

3*676/ѭѫQJ9ăQ+ҧi

75ѬӢNG KHOA KӺ THUҰT XÂY DӴNG

(Hӑ tên và chӳ ký)

/Ӡ,&Ҧ0Ѫ1

/XұQYăQWKҥFVƭ;k\GӵQJF{QJWUuQKGkQGөQJYjF{QJQJKLӋSQҵPWURQJKӋWKӕQJEjLOXұQFXӕLNKyDQKҵPWUDQJEӏFKRKӑFYLrQFDRKӑFNKҧQăQJWӵQJKLrQFӭXELӃWFiFKJLҧLTX\ӃWQKӳQJYҩQÿӅFөWKӇÿһWUDWURQJWKӵFWӃ[k\GӵQJ«ĈyOjWUiFKQKLӋPYjQLӅPWӵKjRFӫDPӛLKӑFYLrQFDRKӑF

ĈӇKRjQWKjQKOXұQYăQQj\QJRjLVӵFӕJҳQJYjQӛOӵFFӫDEҧQWKkQW{LÿmQKұQÿѭӧFVӵJL~SÿӥQKLӅXWӯWұSWKӇYjFiFFiQKkQ7{L[LQJKLQKұQYjWӓOzQJELӃWѫQWӟLWұSWKӇYjFiFFiQKkQÿmGjQKFKRW{LVӵJL~SÿӥTXêEiXÿy

ĈҫXWLrQW{L[LQEj\WӓOzQJELӃWѫQVkXVҳFÿӃQWKҫ\ /r7KDQK&ѭӡQJYjWKҫ\/ѭѫQJ9ăQ+ҧL7Kҫ\ÿmÿѭDUDJӧLêÿҫXWLrQÿӇKuQKWKjQKQrQêWѭӣQJFӫDÿӅWjLJySêFKRW{LUҩWQKLӅXYӅFiFKQKұQÿӏQKÿ~QJÿҳQWURQJQKӳQJYҩQÿӅQJKLrQFӭXFiFKWLӃSFұQQJKLrQFӭXKLӋXTXҧ

7{L[LQFKkQWKjQKFҧPѫQTXê7Kҫ\&{.KRD.ӻWKXұW;k\GӵQJWUѭӡQJĈҥLKӑF

%iFK.KRD7S+&0ÿmWUX\ӅQGҥ\QKӳQJNLӃQWKӭFTXêJLiFKRW{LÿyFNJQJOjQKӳQJNLӃQWKӭFNK{QJWKӇWKLӃXWUrQFRQÿѭӡQJQJKLrQFӭXNKRDKӑFYjVӵQJKLӋSFӫDW{Lsau này

7{LFNJQJ[LQJӱLOӡLFҧPѫQÿӃQWKҫ\/r 7KDQK&ѭӡQJÿmJL~SÿӥW{LUҩWQKLӅXWURQJTXiWUuQKWKӵFKLӋQOXұQYăQQj\

/XұQYăQWKҥFVƭÿmKRjQWKjQKWURQJWKӡLJLDQTX\ÿӏQKYӟLVӵQӛOӵFFӫDEҧQWKkQWX\QKLrQNK{QJWKӇNK{QJFyQKӳQJWKLӃXVyW.tQKPRQJTXê7Kҫ\&{FKӍGүQWKrPÿӇW{LEәVXQJQKӳQJNLӃQWKӭFYjKRjQWKLӋQEҧQWKkQPuQKKѫQ

;LQWUkQWUӑQJFҧPѫQ

7S+&0QJj\WKiQJQăP

NGUYӈN NGӐC PHÚ

ii

7Ï07Ҳ7/8Ұ19Ă17+Ҥ&6Ƭ

x +ѭKӓng là nguyên nhân chính dүQÿӃn vҩQÿӅ phá huӹ cӫa kӃt cҩXYjWKѭӡng dүn ÿӃn nhӳng vҩQÿӅ nghiêm trӑQJWuPUDÿѭӧc vҩQÿӅ KѭKӓQJÿӇ khҳc phөc kӏp thӡi sӁ WUiQKÿѭӧc nhӳng thiӋt hҥi vӅ QJѭӡi và tài sҧn Có rҩt nhiӅXFiFKÿӇ tìm ra KѭKӓng cӫa kӃt cҩXWURQJÿyYLӋc dӵ ÿRiQKѭKӓng kӃt cҩu bҵng thuұt toán tӕi ѭXOjPӝt vҩQÿӅ ÿDQJÿѭӧc quan tâm và nghiên cӭu hiӋn nay, viӋc dӵ ÿRiQÿ~QJ

vӅ vӏ WUtFNJQJQKѭPӭFÿӝ KѭKӓng kӃt cҩu sӁ giҧi quyӃWÿѭӧc rҩt nhiӅu vҩQÿӅ trong thӵc tӃ ViӋc sӱ dөng thuұt toán tӕLѭXÿӇ dӵ ÿRiQKѭKӓng cӫa kӃt cҩu là [XKѭӟng hiӋn nay Rҩt nhiӅu thuұt toán tӕLѭXÿmÿѭӧFÿѭDUDQKѭWKXұt toán bҫy ÿjQWKXұt toán nguyên tӱ, thuұt toán bҫ\VyL«1Kӳng thuұWWRiQQj\ÿDQJQJj\FjQJÿѭӧc cҧi tiӃQÿӇ cho ra kӃt quҧ tӕWKѫQ7KXұt toán tӕLѭXEҫ\ÿjQOjPӝt SKѭѫQJSKiSKLӋQÿҥi cұp nhұt mô hình phҫn tӱ hӳu hҥQYjÿDQJNK{QJQJӯng ÿѭӧc cҧi tiӃn hiӋn nay

x Mөc tiêu luұQYăQOjVӁ ÿӅ xuҩt cҧi tiӃn thuұWWRiQÿӇ ÿѭDUDNӃt qua tӕLѭXKѫQ(cҧi biӃn thuұt toán tӕLѭXEҫ\ÿjQ362 6DXÿyVӱ dөng thuұt toán cҧi tiӃQÿӇ tiӃQKjQKWuPKѭKӓng cӫa kӃt cҩu dҫm, kӃt cҩu khung phҷQJĈӝ chính xác cӫa thuұt toán sӁ ÿѭӧc kiӇm tra vӟi viӋc so sánh vӟi kӃt quҧ cӫa mӝt bài báo khoa hӑc công bӕ WUѭӟFÿy

x Nӝi dung cӫa bài luұQYăQVӁ tұp trung vӅ hai phҫQÿyOjOêWKX\ӃWKѭKӓng cӫa kӃt cҩXFѫVӣ lý thuyӃWKѭKӓng, các phҫQGѭFӫDÿһFWtQKÿӝQJ[iFÿӏnh hàm mөc tiêu cӫa bài luұQYăQP{KuQKFұp nhұt phҫn tӱ hӳu hҥn ) thuұt toán tӕLѭX(thuұt toán PSO, thuұWWRiQ$62ÿӅ xuҩt thuұt toán mӟL 6DXÿyVӱ dөng thuұt toán mӟLÿӅ xuҩWÿӇ giҧi quyӃt vҩQÿӅ KѭKӓng cӫa kӃt cҩu dҫm và khung phҷng

x VҩQÿӅ mӟi cӫa luұQYăQOjFҧi tiӃQÿѭӧc thuұt toán mӟi và sӱ dөQJWuPKѭKӓng cho bài toán kӃt cҩX&ѫVӣ lý thuyӃt sӱ dөng trong luұQYăQOjSKѭѫQJSKiSSKҫn

tӱ hӳu hҥn, thuұt toán bҫ\ÿjQWKXұt toán nguyên tӱ Sӱ dөng thuұt toán tӕLѭXÿӇ cұp nhұt mô hình phҫn tӱ hӳu hҥn tӯ ÿy[iFÿӏQKÿѭӧFKѭKӓng cӫa kӃt cҩu, sӱ dөng phҫn mӅm matlab

x Thuұt toán mӟLÿѭӧFÿӅ xuҩt sӁ tӕLѭXKѫQVRYӟi thuұt toán PSO và ASO ban ÿҫu, thuұt toán này tìm ra kӃt quҧ KѭKӓng cӫa kӃt cҩu tӕWKѫQYjFKtQK[iFKѫQ+ѭKӓng cӫa kӃt cҩu sӁ ÿѭӧc dӵ ÿRiQFKtQK[iFYӏ trí và mӭFÿӝ KѭKӓng Tӯ ÿycho thҩy tҫm quan trӑng cӫa viӋc sӱ dөng thuұt toán tӕLѭXWURQJYLӋc dӵ ÿRiQKѭhӓng cӫa kӃt cҩu Tuy nhiên thuұt toán vүn còn nhiӅu hҥn chӃ, cҫQÿѭӧc nghiên cӭu và phát triӇQKѫQQӳa

by optimization algorithms is a matter of concern and current research, the correct prediction of the position as well as the extent of structural deterioration will solve many practical problems The use of optimization algorithms to predict structural damage is the current trend Many optimization algorithms have been introduced such as particle swarm optimization, atom search optimization, grey wolf optimizer These algorithms are being improved day by day for better results The particle swarm optimization is a modern method that updates the finite element model and is constantly improving today.

x The objective of the title is to propose algorithm improvements to give more optimal results (modification of the sparticle swarm optimization) Then use improved algorithm to find damage of beam structure, 2D - frame structure The accuracy of the algorithm will be checked against the results of a previously published scientific paper

x The new problem of the thesis is to improve a new algorithm and use error finding methods for structural problems Theoretical basis used in the thesis is finite element method, particle swarm optimization, atom search optimization Using the optimization algorithm to update the finite element model from which it is possible to determine the damage of the structure using matlab software

x The proposed new algorithm will be more optimal than the original PSO and ASO algorithm, helping to find out the result of structural damage better and more accurately The damage of the structure will be accurately predicted in terms of location and extent of damage This shows the importance of using optimization algorithms in predicting structural failure However, the algorithm is still limited and needs further research and development.

0Ө&/Ө&

NHIӊM VӨ LUҰ19Ă17+Ҥ&6Ƭ 1

LӠI CҦ0Ѫ1 i

TÓM TҲT LUҰ19Ă17+Ҥ&6Ƭ ii

ABSTRACT iv

LӠ,&$0Ĉ2$1 vi

MӨC LӨC vii

DANH MӨC CÁC HÌNH VӀ x

DANH MӨC CÁC BҦNG BIӆU xii

MӜT SӔ KÝ HIӊU VIӂT TҲT xiii

&+ѬѪ1**,ӞI THIӊU 1

&+ѬѪ1*7ӘNG QUAN 12

2.1 Giӟi thiӋXFKѭѫQJ 12

2.2 Giӟi thiӋu mӝt sӕ thuұt toán tӕLѭX 12

2.3 Tình hình nghiên cӭX[iFÿӏQKKѭKӓng cӫa kӃt cҩu 18

2.4 Mөc tiêu nghiên cӭu cӫa luұQYăQ 19

éQJKƭDNKRDKӑc 19

éQJKƭDWKӵc tiӉn và sӵ cҫn thiӃt cӫa nghiên cӭu 20

ĈyQJJySNKRDKӑc và tҫm quan trӑng cӫa nghiên cӭu 20

&+ѬѪ1*1ӜI DUNG 21

3.1 Giӟi thiӋu FKѭѫQJ 21

3.2 Lý thuyӃWWuPKѭKӓng cӫa kӃt cҩu 21

&ѫVӣ lý thuyӃWWuPKѭKӓng kӃt cҩu 21

3.2.2 PhҫQGѭFӫDFiFÿһFWtQKÿӝng 22

3.2.2.1 Tҫn sӕ tӵ nhiên và dҥQJGDRÿӝng 23

3.2.2.2 Hàm chӭFQăQJ ÿiSӭng tҫn sӕ (FRFs) 23

1ăQJOѭӧng biӃn dҥng 24

3.2.3 Hàm mөc tiêu 25

viii

;iFÿӏQKKѭKӓng bҵng cұp nhұt mô hình phҫn tӱ hӳu hҥn 27

3.2.5 Tính K và M bҵQJSKѭѫQJSKiSSKҫn tӱ hӳu hҥn 27

3.2.5.1 KӃt cҩu dҫm chӏu uӕn 27

3.2.5.2 KӃt cҩu khung phҷng 27

3.2.5.3 Ghép nӕi ma trұn tәng thӇ và khӕLOѭӧng tәng thӇ 28

6ѫÿӗ tính toán bҵQJSKѭѫQJSKiSSKҫn tӱ hӳu hҥn 31

3.3 Thuұt toán bҫ\ÿjQ362 33

3.3.1 Mô tҧ thuұt toán bҫ\ÿjQ362 33

3KѭѫQJWUuQKF{QJWKӭc cӫa thuұt toán bҫ\ÿjQ362 33

3.4 Thuұt toán nguyên tӱ (ASO) 36

3.4.1 Mô tҧ thuұt toán nguyên tӱ (ASO) 36

3KѭѫQJWUuQKF{QJWKӭc cӫa thuұt toán nguyên tӱ (ASO) 36

3.5 Lai thuұt toán PSO vӟi thuұt ASO ( APSO1) 39

3.5.1 Mô tҧ thuұt toán lai (APSO1) 39

&iFEѭӟc thӵc hiӋn cӫa thuұt toán lai (APSO1) 40

&+ѬѪ1*È3'ӨNG THUҰT TOÁN LAI (APSO1) 43

4.1 Bài toán kӃt cҩu dҫm 43

4.1.1 Kӏch bҧn 1 43

4.1.2 Kӏch bҧn 2 45

4.1.3 Kӏch bҧn 3 46

4.2 Bài toán kӃt cҩu khung 1 tҫng 1 nhӏp 48

4.2.1 Kӏch bҧn 1 48

4.2.2 Kӏch bҧn 2 50

4.3 Bài toán kӃt cҩu khung 1 tҫng 2 nhӏp 51

4.3.1 Kӏch bҧn 1 52

4.3.2 Kӏch bҧn 2 53

4.4 Bài toán kӃt cҩu khung 4 tҫng 3 nhӏp 55

4.4.1 Kӏch bҧn 1 55

4.4.2 Kӏch bҧn 2 58

&+ѬѪ1*.ӂT LUҰN & KIӂN NGHӎ 60

5.1 KӃt luұn 60

5.2 KiӃn nghӏ 60

TÀI LIӊU THAM KHҦO 62

PHӨ LӨC 67

LÝ LӎCH TRÍCH NGANG 69

x

'$1+0Ө&&È&+Î1+9Ӏ

Hình 1ĈұSQѭӟc bӏ KѭKӓng ӣ Anh (hӗ Toddbrook) 1

Hình 2 Cӝt nhà bӏ nӭt khi chuҭn bӏ bàn giao 2

Hình 3 Sàn bӏ nӭt sau khi tháo ván khuôn 2

Hình 4 Sӵ cӕ cҫu Chӧ ĈrPVұSÿә khi thi công 3

Hình 5 Bê tông bӏ ăQPzQOjPOӝ cӕt thép ± Cҧng Thӏ Nài 4

Hình 6 KӃt cҩu thép bӏ ăQPzQ± CҫX&KѭѫQJ'ѭѫQJ 4

Hình 7 Trө bê tông cҫu bӏ KѭKӓng ± CҫX&KѭѫQJ'ѭѫQJ 5

Hình 8 KӃt cҩu thép bӏ ăQPzQ± Ĉұp ViӋt Yên 5

Hình 9.Toàn nhà Mubai ҨQĈӝ - QJX\FѫVұSÿә cao do sӱ dөng quá lâu 6

Hình 10ĈұSQѭӟFKѭKӓng ӣ Califomia ± Mӻ 6

Hình 11 Hҫm Hҧi Vân bӏ nӭt 7

Hình 12 Toà nhà sұSÿә ӣ 7Kѭӧng Hҧi 7

Hình 13 Nhà sұp bҩt ngӡ ӣ %uQK'ѭѫQJ 8

Hình 14 Nhà sұp bҩt ngӡ ӣ quұn 11, HCM 8

Hình 15 Toà nhà 6 tҫng bҩt ngӡ sұSÿә Quҧng Tây-Trung Quӕc 9

Hình 16 Toàn nhà ӣ Sendai bӏ phá huӹ 9

Hình 17 Mô hình biӇu diӉn công thӭc thuұt toán PSO 13

Hình 18 Cҩu trúc phân tӱ Qѭӟc 14

Hình 19 Mô hình biӇu diӉn thuұt toán ASO 15

Hình 20 ThӇ hiӋn 4 loҥi sói trong bҫy sói xám 17

Hình 21 Các vӏ trí tìm kiӃm khác nhau cӫa bҫy sói xám 18

Hình 22 Tên phҫn tӱ ÿѭӧc chia 29

Hình 23 6ѫÿӗ khӕi cӫDFKѭѫQJWUuQK37++ 32

Hình 24 Mô hình biӇu diӉn công thӭc thuұt toán PSO 34

Hình 25a Mô hình biӇu diӉn thuұt toán PSO 34

+uQK/ѭXÿӗ thuұt toán PSO 35

+uQK/ѭX ÿӗ thuұt toán ASO 38

Hình 28 Mô tҧ thuұt toán PSO sau 3 vòng lһp 39

Hình 29 Mô tҧ thuұt toán lai APSO1 sau 3 vòng lһp 40

Hình 3/ѭXÿӗ thuұt toán APSO1 43

Hình 31 Mô hình bài toán dҫm 43

Hình 32 BiӇu diӉn so sánh cӫa các thuұt toán 44

Hình 33 BiӇu diӉn so sánh cӫa các thuұt toán 46

Hình 34 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 47

Hình 35 Mô hình bài toán khung 1 tҫng 1 nhӏp 48

Hình 36 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 49

Hình 37 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 51

Hình 38 Mô hình bài toán khung 1 tҫng 1 nhӏp 51

Hình 39 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 53

Hình 40 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 54

Hình 41 Mô hình bài toán 55

Hình 42 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 56

Hình 43 Hình chөp kӃt quҧ tӯ mӝWEjLEiRÿѭӧc công bӕ 57

Hình 44 BiӇXÿӗ so sánh tӹ lӋ KѭKӓng cӫa thuұt toán 58

Hình 45 BiӇu diӉn so sánh cӫa các thuұt toán áp dөng cho bài kӃt cҩu khung 59

xii

'$1+0Ө&&È&%Ҧ1*%,ӆ8

Bҧng 1 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 43

Bҧng 2 KӃt quҧ thӕng kê tӹ lӋ KѭKӓng sau 10 lҫn chҥy cӫa thuұt toán APSO1 44

Bҧng 3 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 45

Bҧng 4 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 45

Bҧng 5 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 46

Bҧng 6 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 47

Bҧng 7 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 48

Bҧng 8 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 48

Bҧng 9 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 50

Bҧng 10 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 50

Bҧng 11 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 52

Bҧng 12 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 52

Bҧng 13 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 53

Bҧng 14 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 54

Bҧng 15 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 55

Bҧng 16 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 56

Bҧng 176a So sánh kӃt quҧ vӟLEjLWRiQÿѭӧc công bӕ (tӹ lӋ KѭKӓng 25%) 57

Bҧng 187 KӃt quҧ hàm mөc tiêu so sánh sau 10 lҫn chҥ\FKѭѫQJWUuQK 58

Bҧng 198 Tӹ lӋ KѭKӓng kӃt cҩu cӫa APSO1 sau 10 lҫn chҥ\FKѭѫQJWUuQK 59

0Ӝ76Ӕ.é+,ӊ89,ӂ77Ҳ7

PTHH 3KѭѫQJSKiSSKҫQWӱKӳXKҥQ

PSO 7KXұWWRiQEҫ\ÿjQ3DUWLFOH6ZDUP2SWLPL]DWLRQ 

ASO 7KXұWWRiQQJX\rQWӱ$WRPSearch Optimization)

APSO1 7KXұWWRiQODLJLӳD362Yj$62$WRP-Particle Swarm

1

&+ѬѪ1* *,Ӟ,7+,ӊ8

HiӋn nay, trên thӃ giӟi, các công trình dân dөQJÿѭӧc xây dӵQJQJj\FjQJQKLӅu Vì vұy, vҩQÿӅ an toàn cӫa kӃt cҩu công trình luôn là vҩQÿӅ ÿѭӧFTXDQWkPKjQJÿҫu trong suӕt quá trình thiӃt kӃ, thi công và trong quá trình hoҥWÿӝng cӫa nó Mһc dù quá trình thiӃt kӃ, thi công các kӃt cҩu xây dӵQJQJj\FjQJÿѭӧc hoàn thiӋQQKѭQJsai sót luôn xҧy ra dүQÿӃn kӃt cҩu luôn tӗn tҥi nhӳng khiӃm khuyӃt

Hình 1ĈұSQѭӟc bӏ hѭKӓng ӣ Anh (hӗ Toddbrook)

Hình 2 Cӝt nhà bӏ nӭt khi chuҭn bӏ bàn giao

Hình 3 Sàn bӏ nӭt sau khi tháo ván khuôn

3

Hình 4 Sӵ cӕ cҫu Chӧ ĈrPVұSÿә khi thi công

+ѫQQӳa, trong quá trình hoҥWÿӝng, các kӃt cҩXWKѭӡng phҧi chӏu nhiӅu loҥi tҧi trӑng khác nhau Nhӳng tҧi trӑng mҥQKJk\UDGRWKLrQWDLQKѭÿӝQJÿҩt, sóng thҫn, bão tӕ WKѭӡng gây sөSÿә tӭc thӡi hoһc gây ra nhӳQJKѭKӓQJÿӝt ngӝt trong kӃt cҩXQKѭPpRPySJm\ÿӭW«7URQJNKLÿyFiFWҧi trӑng lһp lҥLWKѭӡQJ[X\rQQKѭWҧi trӑng sóng, gió tác dөng lên các kӃt cҩu giàn khoan ngoài biӇn, công trình cao tҫQJ«FyWKӇ không gây ra nhӳQJKѭKӓng tӭc thӡLQKѭQJOҥi có thӇ gây nên nhӳQJKѭKӓng do mӓi QKѭYӃt nӭt

Hình 5 Bê tông bӏ ăQPzQOjPOӝ cӕt thép ± Cҧng Thӏ Nài

Hình 6 KӃt cҩu thép bӏ ăQPzQ± CҫX&KѭѫQJ'ѭѫQJ

5

Hình 7 Trө bê tông cҫu bӏ KѭKӓng ± CҫX&KѭѫQJ'ѭѫQJ

Hình 8 KӃt cҩu thép bӏ ăQPzQ± Ĉұp ViӋt Yên

Hình 9.Toàn nhà Mubai ҨQĈӝ - QJX\FѫVұSÿә cao do sӱ dөng quá lâu

Hình 10ĈұSQѭӟFKѭKӓng ӣ Califomia ± Mӻ

7

Hình 11 Hҫm Hҧi Vân bӏ nӭt Theo thӡi gian, các vӃt nӭt này sӁ phát triӇn dҫn và làm suy yӃu kӃt cҩXYjNKLÿҥt ÿӃn giӟi hҥn mӓi thì sӁ dүQÿӃn sӵ sөSÿә cӫa toàn bӝ kӃt cҩu gây ra thiӋt hҥi lӟn vӅ QJѭӡi và cӫa

Hình 12 Toà nhà sұSÿә ӣ 7Kѭӧng Hҧi

Hình 13 Nhà sұp bҩt ngӡ ӣ %uQK'ѭѫQJ

Hình 14 Nhà sұp bҩt ngӡ ӣ quұn 11, HCM

9

Hình 15 Toà nhà 6 tҫng bҩt ngӡ sұSÿә Quҧng Tây-Trung Quӕc

Hình 16 Toàn nhà ӣ Sendai bӏ phá huӹ

Các công trình hiӋQQD\ÿDQJÿѭӧc xây dӵng chӫ yӃu bҵng vұt liӋu bê công cӕt thép hoһc là bҵng kӃt cҩu thép Nhӳng vұt liӋu này sӁ bӏ WiFÿӝng bӣLP{LWUѭӡng, theo thӡi gian thì chúng sӁ trӣ WKjQKKѭKӓng cӫa cӫa kӃt cҩu Ngoài ra rҩt nhiӅu nguyên QKkQNKiFKTXDQFNJQJQKѭFKӫ quan dүQÿӃn viӋFKѭKӓng cӫa kӃt Vì thӃ, viӋFKѭhӓng cӫa kӃt cҩu là viӋc không thӇ tránh khӓi hiӋn nay Vұy khi kӃt cҩu bӏ KѭKӓng WKuOjPVDRÿӇ chúng ta có thӇ [iFÿӏQKFKtQK[iFÿѭӧc vӏ WUtKѭKӓng và mӭFÿӝ Kѭhӓng cӫa kӃt cҩu Công trình xây dӵQJWKѭӡng sӁ có phҥm vi rҩt lӟQÿӇ tìm ra vӏ trí KѭKӓng mӝt cách cө thӇ là mӝt thӱ thách lӟn và sӁ tӕn rҩt nhiӅXNLQKSKtÿӇ có xác ÿӏQKÿѭӧFKѭKӓng cӫa kӃt cҩu

1KѭFK~QJWDÿmELӃWKѭKӓng là nguyên nhân chính dүQÿӃn vҩQÿӅ phá huӹ cӫa kӃt cҩXYjWKѭӡng dүQÿӃn nhӳng vҩQÿӅ nghiêm trӑng ViӋFWuPUDKѭKӓng cӫa kӃt cҩu OjFѫVӣ cӫa bҩt kǤ quyӃWÿӏnh sӱa chӳa, phөc hӗi hoһc thay thӃ cӫa mӝt cҩu trúc bӏ KѭKӓng Vì thӃ nghiên cӭu vӅ viӋc tìm rDKѭKӓng cӫa mӝt kӃt cҩXFKѭDSKiKXӹ là vҩQÿӅ cҩp thiӃt hiӋn nay

NhiӅu kӻ thuұt hiӋu quҧ [iFÿӏQKKѭKӓQJÿѭӧFÿӅ xuҩWQKѭOjWKtQJKLӋm rung dӵa WUrQSKѭѫQJWKӭc biӃn dҥQJSKѭѫQJSKiSFұp nhұt mô hình phҫn tӱ hӳu hҥn 7URQJÿySKѭѫQJSKiSFұp nhұt mô hình phҫn tӱ hӳu hҥn là mӝWKѭӟng nghiên cӭu QJj\FjQJÿѭӧc quan tâm và phát triӇQYuSKѭѫQJSKiSQj\WLӃt kiӋPÿѭӧc nhiӅu kinh phí và rҩt khҧ WKLWURQJTXiWUuQKWuPUDKѭKӓng cӫa kӃt cҩu NhiӅu nghiên cӭu khác QKDXÿmÿѭӧFÿӅ cұSÿӇ cұp nhұt mô hình phҫn tӱ hӳu hҥQQKѭSKѭѫQJSKiSWUӵc tiӃp, xác xuҩt thӕQJNrYjSKѭѫQJSKiSOһSÿӇ [iFÿӏQKKѭKӓng cӫa kӃt cҩu

ViӋc sӱ dөng các thuұt toán tӕLѭXÿӇ cұp nhұt mô hình phҫn tӱ hӳu hҥn là mӝWSKѭѫQJpháp hiӋQÿҥi hiӋQQD\YjÿDQJÿѭӧc nhiӅu nhà nghiên cӭu TXDQWkPÿѭӧc áp dөng trong rҩt nhiӅXOƭQKYӵFQKѭ[k\GӵQJFѫNKtKRiKӑc, y hӑc, dân dөng, hàng không, YNJ WUө« &ұp nhұt mô hình phҫn tӱ hӳu hҥn là mӝW SKѭѫQJ SKiS WRiQ Kӑc, theo SKѭѫQJSKiSQj\P{KuQKSKҫn tӱ hӳu hҥn sӁ ÿѭӧc cұp nhұt bҵQJFiFKÿLӅu chӍnh các tham sӕ và giҧ ÿӏnh cӫDP{KuQKWKHRSKѭѫQJWKӭc sao cho phҧn hӗi cӫa mô hình phҫn tӱ hӳu hҥn tiӃp cұQÿѭӧc vӟi phҧn hӗi cӫa cҩu trúc thӵFWѭѫQJӭQJÿDQJNKҧo sát Thuұt toán tӕLѭXOӵa chӑn sӱ dөng sӁ ҧQKKѭӣQJÿӃn tӕFÿӝ ÿLӅu chӍnh các tham

sӕ Yjÿӝ tiӋm cұn so vӟi cҩu trúc thӵFÿDQJNKҧo sát cӫa mô hình phҫn tӱ hӳu hҥn

Vì thӃ bài luұQYăQQj\VӁ cҧi tiӃn thuұt toán tӕi bҫ\ÿjQ362 YjVӱ dөQJFK~QJÿӇ [iFÿӏnh KѭKӓng cӫa kӃt cҩu công trình xây dӵng vӟi nhiӅu mô hình bài toán tӯ ÿѫQgiҧQÿӃn phӭc tҥp

Bài luұQYăQEDRJӗPFKѭѫQJ

x &KѭѫQJ*Lӟi thiӋu vҩQÿӅ cӫa bài luұQYăQWUuQKEj\Pӝt sӕ ví dө kӃt cҩu

bӏ KѭKӓng hiӋn nay, tӯ ÿyQӃXUDÿѭӧc vҩQÿӅ cҫn nghiên cӭu cӫa bài luұQYăQ

x &KѭѫQJ7әng quan vӅ tình hình nghiên cӭu có liên quan: giӟi thiӋu các nghiên cӭXÿmYjÿDQJÿѭӧc thӭc hiӋQOLrQTXDÿӃn vҩQÿӅ cҫn ghiên cӭu cӫa bài luұQYăQ

x &KѭѫQJ1ӝi dung chính cӫa bài luұQYăQWUuQKEj\Fӟ sӣ lý thuyӃt, hàm mөc tiêu, thuұt toán tӕLѭXÿѭӧc phát triӇn cӫa bài luұQYăQ

x &KѭѫQJÈSGөng thuұt toán tӕLѭXFKREjLWRiQNӃt cҩu: sӱ dөng thuұt toán tӕLѭXÿӇ giҧi quyӃt các bài toán kӃt cҩu cө thӇ, phân tích các kӃt quҧ WKXÿѭӧc

x &KѭѫQJ.LӃn nghӏ và kӃt luұQÿѭDUDNӃt luұn vӅ nghiên cӭu này và mӝt sӕ kiӃn nghӏ

&+ѬѪ1* 7Ә1*48$1

2.1 *LӟLWKLӋXFKѭѫQJ

NӝLGXQJFKѭѫQJQj\VӁ trình bày các nӝi dung sau: giӟi thiӋu mӝt sӕ thuұt toán tӕi ѭXWuQKKuQKQJKLrQFӭu vӅ [iFÿӏQKKѭKӓng cӫa kӃt cҩu, mөFÿtFKQJKLrQFӭu cӫa bài luұQYăQêQJKƭDNKRDKӑFYjêQJKƭDWKӵc tiӇn cӫa nghiên cӭXQj\ÿyQJJySkhoa hӑc và tҫm quan trӑng cӫa nghiên cӭu mang lҥi

2.2 *LӟLWKLӋXPӝWVӕWKXұWWRiQWӕLѭX

Thuұt toán bҫ\ÿjQ362 ÿmÿѭӧc phát triӇn bӣL.HQQHG\Yj(EHUKDUWQăP>@dӵa trên ӭng xӱ cӫa bҫy Thuұt toán này bҳWFKѭӟc viӋc tìm mӗi cӫa mӝt bҫ\ÿjQ(bҫy chim), chúng rҧLUiFÿӇ tìm vӏ trí thӭFăQWӕt nhҩWVDXÿyFK~QJWUDRÿәi thông tin vӟLQKDXÿLӅu này làm cho bҫy chim kiӃPÿѭӧc vӏ trí thӭFăQWӕt nhҩt Thuұt toán 362ÿѭӧFÿѭDUD dӵa vào vӏ trí và tӕFÿӝ cӫa mӛi hҥt, vӏ trí tӕt nhҩt cӫa hҥWYѭӧt trӝi,

vӏ trí tӕt nhҩt cӫa cҧ bҫy (tұp hӧp các hҥt) và mӛi ràng buӝc cӫDFK~QJÿӇ KѭӟQJÿӃn

vӏ trí tӕLѭXQKҩt cho cҧ bҫy Mӝt cuӕn sách tiêu chuҭn vӅ 362ÿmÿѭӧFUDÿӡi bӣi Kennedy, Ebarhart và các cӝng sӵ QăP>@6ӵ phân tích lý thuyӃt và thuұt toán 362ÿmÿѭӧFÿѭDUDEӣi Kennedy và Clerc [3] Phân tích sӵ hӝi tө và lӵa chon các thông sӕ cӫa thuұWWRiQ362ÿѭӧc thӵc hiӋn bӣi Ioan Cristian Trelea [4] Phân tích ѭXÿLӇm và khuyӃWÿLӇm thuұWWRiQ362ÿѭӧc thӵc hiӋn bӣL4LQJ+DLQăP>@

13

Hình 17 Mô hình biӇu diӉn công thӭc thuұt toán PSO

Thuұt toán tìm kiӃm nguyên tӱ $62 ÿѭӧFÿѭDUDEӣi Weiguo Zhao, Liying :DQJ=KHQ[LQJ=KDQJQăP>@$62ÿѭӧc lҩy cҧm hӭng tӯ ÿӝng lӵc hӑc phân

tӱ FѫEҧn Tӯ JyFÿӝ vi mô, mӝWÿӏQKQJKƭDYӅ "vұt chҩt", dӵa trên cҩu trúc vұt lý và hóa hӑc cӫDQyOjQKѭYұy: vұt chҩWÿѭӧc tҥo thành tӯ các phân tӱ [22] Phân tӱ là ÿѫQYӏ nhӓ nhҩt cӫa hӧp chҩt hóa hӑc và nó thӇ hiӋn các tính chҩt hóa hӑc giӕQJQKѭcӫa hӧp chҩt cө thӇ ÿy0ӝt phân tӱ bao gӗm các nguyên tӱ ÿѭӧc tә chӭc lҥi vӟi nhau bҵng các liên kӃt cӝng hóa trӏ khác nhau rҩt nhiӅu vӅ ÿӝ phӭc tҥSYjNtFKWKѭӟc Vì vұy mӑi chҩWÿӅXÿѭӧc cҩu tҥo tӯ nguyên tӱ và mӑi nguyên tӱ ÿӅu có khӕLOѭӧng và thӇ tích [23,24] Hình 1 cho thҩy thành phҫn cӫa các phân tӱ Qѭӟc, mӛi phân tӱ ÿѭӧc tҥo thành tӯ hai nguyên tӱ hydro và mӝt nguyên tӱ R[\FQJÿѭӧc giӳ bӣi hai liên kӃt cӝng hóa trӏĈӕi vӟi mӝt hӋ nguyên tӱ, tҩt cҧ các nguyên tӱ WѭѫQJWiFYjFKX\Ӈn ÿӝQJNK{QJÿәi, cho dù ӣ trҥng thái khí, lӓng hay rҳn

Hình 18 Cҩu trúc phân tӱ Qѭӟc

Chúng rҩt phӭc tҥp vӅ cҩXWU~F YjFiFWѭѫQJWiFYL P{%ӣi vì mӝt hӋ thӕng nguyên tӱ WKѭӡng bao gӗm nhiӅu nguyên tӱ, nên vӅ mһt phân tích không thӇ [iFÿӏnh FiFÿһc tính cӫa chúng bӏ ҧQKKѭӣng bӣi các yӃu tӕ QKѭQKLӋWÿӝ, áp suҩt, v.v Vӟi sӵ phát triӇn cӫa công nghӋ Pi\WtQKÿӝng lӵc hӑc phân tӱ ÿmSKiWWULӇn nhanh chóng trong nhӳQJQăPJҫQÿk\1yÿmJLҧi quyӃt vҩQÿӅ này bҵng cách sӱ dөng mӝWSKѭѫQJpháp mô phӓQJPi\WtQKÿӇ kiӇm tra các chuyӇQÿӝng vұt lý cӫa các nguyên tӱ và phân tӱ.Thuұt toán bҳW FKѭӟc viӋF ÿLӅu khiӇn chuyӇQ ÿӝng cӫa nguyên tӱ bӣi lӵc WѭѫQJWiFYjOӵc giӟi hҥn, tӯ ÿk\WҥRUDFѫFKӃ tìm kiӃm hiӋu quҧ cӫa vҩQÿӅ tӕLѭXtoán hӑc

15

Hình 19 Mô hình biӇu diӉn thuұt toán ASO

Giҧi thuұt di truyӅn (GA) là kӻ thuұt phӓng theo quá trình thích nghi tiӃn hóa cӫa các quҫn thӇ sinh hӑc dӵa trên hӑc thuyӃt Darwin (Holland, 199