Valutazione dell'utilizzo di algoritmi genetici per identificare le proprietà meccaniche di acciai con metodi inversi

Evolutionary algorithms are inspired by Darwin’s theory of evolution of the species and are based on the genetic inheritance and natural selection concept. The aim is to arrive at an optimal solution to a given problem, through the creation of new generations of individuals/solutions. Genetic algorithms constitute the simplest variant, as the representation of individuals occurs through a binary string of fixed length. They start from a randomly generated initial population of solutions and then develop new generations through mutation and crossover genetic operators. The fields of application of this class of algorithms are varied, in particular the attention will be placed on the evaluation of their use in an optimization problem concerning the identification of the constituent parameters of the material, which belong to a certain reference model. Finally, experimental tests will be carried out with genetic algorithms, varying the optimization options, to characterize the parameters of Yld2000-2d model.

Gli algoritmi evolutivi si ispirano alla teoria dell’evoluzione della specie di Darwin e si basano sui concetti dell’ereditarietà genetica e della selezione naturale. Lo scopo è quello di arrivare ad una soluzione ottima ad un dato problema, attraverso la creazione di nuove generazioni di individui/soluzioni. Gli algoritmi genetici ne costituiscono la variante più semplice, poichè la rappresentazione degli individui avviene mediante una stringa binaria di lunghezza fissa. Essi partono da una popolazione iniziale di soluzioni generata casualmente, per poi sviluppare nuove generazioni attraverso gli operatori genetici di crossover e mutazione. I campi di applicazione di questa classe di algoritmi sono svariati, in particolare l’attenzione verrà posta sulla valutazione del loro utilizzo in un problema di ottimizzazione riguardante l’identificazione dei parametri costitutivi del materiale, che appartengono ad un certo modello di riferimento. Infine verranno svolte delle prove sperimentali con algoritmi genetici, variando le opzioni di ottimizzazione, per caratterizzare i parametri del modello Yld2000-2D.