개미 군집 최적화 알고리즘을 이용한 형상최적화

Abstract

군집 지능 알고리즘의 하나인 개미 군집 알고리즘(ACO: ant colony optimization)을 이용한 새로운 형상 및 위상학적 형상최적화 기법을 개발하였다. 연구의 목적은 정적 문제에서 컴플라이언스를 목적함수로 사용하여 구조물의 강성이 가장 큰 구조물을 도출하는 것이다.본 논문에서는 개미 군집 알고리즘을 이용하여 형상최적화(shape optimization)와 형상과 위상 최적화를 동시에 할 수 있는 위상학적 형상최적화(topological shape optimization)에 대하여 연구하였다. 제안된 기법의 형상최적화를 수행하기 위해 탐색하는 영역을 BEI(boundary element indicator)라는 설계변수를 도입하였고, 이를 사용하여 반복 횟수마다 경계면과 경계면이 아닌 부분의 요소들을 갱신함으로써 성공적으로 형상최적화를 수행하였다. 위상학적 형상최적화는 위상과 형상최적화를 동시에 진행하는 기법으로 구조물의 경계 영역만을 탐색하지만 구조물 내부에 자연스럽게 구멍들을 생성하여 위상최적화의 효과까지 나타낼 수 있다. 이와 같은 효과를 얻기 위해서 요소를 탐색하는 과정에서 지속적으로 BEI를 갱신하였다. 그리고 기존의 개미 군집 최적화가 가지는 느린 수렴속도를 개선하기 위해서 탐색하는 개미의 수를 늘렸으며, ECS기법을 사용하였다. 제안된 개미 군집 최적화를 이용한 위상 및 형상 최적화 기법은 기존의 방법론보다 초기 위상을 단시간에 형성하여 BESO와 LSM같이 점진적인 체적의 변화를 진행하는 과정이 없기 때문에 빠른 수렴속도를 보여주었다.본 연구에서는 개미 군집 최적화를 이용하여 각각의 기법들에 따라 형상최적화와 위상학적 형상최적화에 적용이 가능함을 보여주었으며, 그 효율성은 다른 최적화 기법들과 결과비교를 하여 개선된 수렴속도와 강건성을 통해 입증하였다.