معرفی یک روش بهینه سازی چند هدفه‌ی ساده و قابل قبول برای پیش‌بینی ابعاد بدنه سکوی نیمه مغروق حفار

برای طراحی بهینه ابعاد بدنه یک سکوی نیمه‌مغروق، روشی نیاز است که جواب‌های بهینه را با اهداف مشخصی در زمان محاسباتی کوتاه بدست آورد. این مطالعه به معرفی الگوریتم جستجوی‌ شبکه‌ای به‌صورت تابع سه هدفه با اهداف حداقل کردن وزن، کاهش حرکات هیو و پیچ بدنه سکوی نیمه‌مغروق می‌پردازد. برای این منظور، ابتدا معادلات وزن بدنه، حرکات هیو و پیچ این سکو به‌صورت توابع پارامتری گسسته شدند. متغیرها و قیود طراحی برای سکوی نیمه مغروق در نظر گرفته شد. سپس الگوریتم فوق به‌صورت تک هدفه با هدف کاهش وزن بدنه نیمه‌مغروق نوشته شد و کارایی آن با مقایسه نتایج مطالعات پیشین بررسی شد. در ادامه، الگوریتم جستجوی شبکه‌ا‌ی به‌صورت توابع سه هدفه توسعه داده شد و جواب‌های قابل قبولی را در کوتاه‌ترین زمان محاسباتی نشان داد. این مطالعه نشان می‌دهد که الگوریتم جستجوی شبکه‌ای یک راهکار مناسب برای بهینه‌سازی چند هدفه بوده و می تواند به طراحی اقتصادی‌تر و کارآمد‌تر سکوهای شناور کمک کند.

Introducing a simple and reliable multi-objective optimization method to estimate hull dimensions of a semi-submersible rig

For optimal design of the hull dimensions of a semisubmersible platform, a method is required that calculates optimal answers in a short time according to the certain objectives. In this study, the grid search (GS) algorithm was introduced in the form of tripleobjective function in order to minimize the hull weight and reduce the heave and pitch motion response. For this purpose, first the equations of the hull weight and heave and pitch motion response were discretized as the parametric equations. The design variables and constraints of the semisubmersible platform were considered. Then, this algorithm was implemented as a singleobjective function with the objective of minimizing hull weight of a semisubmersible platform and its efficiency was evaluated by comparing the results with the results from previous studies. Subsequently, the GS algorithm was developed as the tripleobjective function, which gives acceptable results in the shortest computational time. This study shows that the GS algorithm is an appropriate method for multiobjective optimization and can contribute to the more economical and efficient design of floating platforms.