Escolar Documentos
Profissional Documentos
Cultura Documentos
Programa de Ps-Graduao em Engenharia Faculdade de Engenharia e Arquitetura Universidade de Passo Fundo Prof. Moacir Kripka Semestre I / 2004
Pgina da Disciplina: http://vitoria.upf.br/~mkripka/disciplinas
Otimizao Aplicada Engenharia PPGEng / UPF 1
EMENTA:
Conceitos bsicos sobre otimizao: formulao de problemas e classificao das tcnicas. Convexidade, mnimo local e mnimo global. Mtodos de busca unidimensional. Programao no linear sem restries: condies necessrias e suficientes, Mtodos diretos, do gradiente, de Newton e Quasi-Newton. Programao linear: conceitos bsicos, mtodos Simplex. Otimizao com restries. Mtodos Heursticos. Exemplos de aplicao.
CRITRIO DE AVALIAO:
Trabalho 1 (peso 3,0): entrega at 18/05 Trabalho 2 (peso 4,0): apresentao em 15/06 Trabalho 3 (peso 3,0): entrega at 29/06
Otimizao Aplicada Engenharia PPGEng / UPF 2
BIBLIOGRAFIA BSICA:
REKLAITIS,G.V., RAVIDRAN, A. e RAGSDELL, K.M., Engineering Optimization: Methods and Applications. Wiley Interscience, 1983. BELEGUNDU,A.D. e CHANDRUPATLA, T.R., Optimization Concepts and Applications in Engineering, Prentice Hall,1999. VANDERPLAATS,G.N., Numerical Optimization Techniques for Engineering Design. Mc Graw Hill, New York, 1984. LUENBERGER, Linear and Nonlinear Programming. Adison Wesley, 1984. GOLDBARG, M.C., LUNA, H.P.L. Otimizao Combinatria e Programao Linear - Modelos e Algortmos. Ed. Campus, Rio de Janeiro, 2000.
Otimizao Aplicada Engenharia PPGEng / UPF 3
1. INTRODUO:
Desde os primrdios, o homem busca o aproveitamento possvel dos recursos existentes melhor
Otimizao: consiste na busca racional do melhor dentre todos os valores possveis para dadas variveis, em funo de um determinado objetivo e das limitaes (ou restries) existentes. Otimizao de projetos: consiste em uma forma sistematizada de melhoramento do projeto. O timo deve ser entendido como a busca do melhor possivel, de acordo com as limitaes do modelo, dos recursos materiais e da tcnica empregada.
Otimizao Aplicada Engenharia PPGEng / UPF 4
Modelo:
a representao simplificada da realidade que preserva, para determinadas situaes e enfoques, uma equivalncia adequada. -A formulao de um problema de otimizao tambm uma forma de modelagem. Adicionalmente, uma edificao representada pelo modelo de grelha, de prtico, etc...
Tcnica:
a forma de resoluo do problema. Em nosso caso, representadas pelas tcnicas de programao matemtica (Pesquisa Operacional). -O termo programao entendido no sentido de planejamento de atividades, embora a programao matemtica implique em programao computacional, uma vez que o nmero de variveis normalmente grande.
Otimizao Aplicada Engenharia PPGEng / UPF 5
Exemplo: Imaginando-se uma estrutura de ao composta por x elementos, os quais podem ser dimensionados com y perfis distintos. Caso o tempo de anlise de cada combinao fosse de 1 segundo, para investigar todas as combinaes possveis seriam necessrios: Para x = 2 e y = 2: 4 segundos Para x = 10 e y = 10: pouco mais de 317 anos
1665: I. Newton, Mtodo de Newton para determinar mnimo de uma funo. 1736: L. Euler, Problema das pontes de Knigsberg. 1826: C. F. Gauss, Soluo de equaes lineares.
1936: Constituda equipe de cientistas na RAF (Royal Air Force, UK) para estudar aplicao do (recentemente inventado) radar. Primeira vez em que o termo Pesquisa Operacional foi utilizado;. 1939: W. Karush, Condies de optimalidade para problemas (no lineares) com restries; 1939-1945: Estudo de operaes militares durante a Segunda Guerra Mundial; 1947: G. Dantzig, Programao Linear e Mtodo Simplex (um dos 10 melhores algoritmos do Sculo XX segundo American Institute of Physics e IEEE Computer Society);
10
12
min
13
C A
Comprimento: 18
Comprimento: 27
Comprimento 15
Suponha que se opte por resolver o problema do Caixeiro Viajante testando-se todas as alternativas possveis. Por exemplo, num problema com 30 cidades h, aproximadamente, 2.65x1032 alternativas. Testando 1 bilho de alternativas por segundo, o tempo total seria mais de oito milnios!
We are pleased to announce the solution of a traveling salesman problem through 15,112 cities in Germany. This is the largest TSP instance that has been solved to date, exceeding the 13,509-city tour through the United States that was solved in 1998. The computation was carried out on a network of 110 processors located at Rice University and at Princeton University. The total computer time used in the computation was 22.6 years, scaled to a Compaq EV6 Alpha processor running at 500 MHz. The optimal tour has length of approximately 66,000 kilometers through Germany.
David Applegate, Robert Bixby, Vaek Chvtal, William Cook, 2001
15
Problema da Mochila
Objetivo: dado um conjunto de tens a serem armazenados, cada qual com um determinado volume e um determinado valor, efetuar a seleo dos tens de modo a maximizar o valor total armazenado sem exceder a capacidade da mochila (ou container, ou caminho,..).
1 10 40
2 20 60
3 35
4 30
5 50
16
Problema de Corte
Indstrias de papel, tecido, vidro, barras de ao , entre outras, fabricam seus produtos em peas de tamanho fixo (tamanho padro). Estas peas so depois divididas em tamanhos menores a serem definidos de acordo com a necessidade do cliente. O problema do corte consiste em determinar como cortar o menor nmero de peas de tamanho padro, de modo a atender demanda.
17
Um problema tpico:
Deseja-se construir uma caixa com uma folha de papelo tamanho A4 (210 x 297 mm), que possibilite armazenar o maior volume possvel: x objetivo: maximizar V varivel independente: x 297-2x
18
Formulao do problema: Maximizar f(x) = V = 4x3-1014x2+62370x (funo objetivo) Fazendo: df/dx = f = 0, tem-se: f= 12x2-2028x+62370 = 0 razes: x = 40,423 mm e x = 128,577 mm (no possivel, pois 210-2x<0) Obs: df/dx = 0 nos determina um ponto extremo. Para que seja um mximo, devemos ter que d2f/dx2 = f< 0 No exemplo, tem-se f=24x-2028 e f(x*) = 24(40,423)-2028=-1057<0 Desta forma, x*=40,423 mm, e f(x*) = Vmax = 4(x*)3-1014(x*)2+62370(x*) =
Otimizao Aplicada Engenharia PPGEng / UPF
19
1.2e+006
f(x)
1e+006
800000
600000
400000
200000
0 0 20 40 60 80 100
20
10
Variveis do problema: Determinam a dimenso do espao de busca; Devem ser independentes entre s; Podem ser discretas ou contnuas: -Variveis discretas: podem assumir apenas alguns valores especficos de um conjunto (caso especfico: variveis inteiras). Ex: nmero de operrios, bitolas de armaduras, etc. -Variveis contnuas: podem assumir qualquer valor real em um intervalo dado. Ex: coordenadas de um n, distncia entre dois pontos, etc.
22
11
Obs: -Problemas discretos so de difcil resoluo pelas tcnicas formais de otimizao; -Nem sempre a resoluo de um problema discreto como contnuo, arredondando-se os resultados, resulta em uma boa aproximao:
23
Funo Objetivo: Define o critrio de eficincia. Exemplo tpicos: - Custo - Peso Restries: Podem ser de carter tecnolgico, econmico, ou outros. Exemplos: -Tenses admissveis -Horas mximas de trabalho -Custo -Disponibilidade de um recurso ou material
24
12
Observaes:
A imensa maioria dos problemas prticos em engenharia possui restries, ou seja, limitaes que devem ser consideradas sob pena dos resultados da otimizao conduzirem a situaes no aplicveis na prtica, ou que se afastem do comportamento real. Ainda assim, o estudo de como resolver de forma eficiente problemas sem restrio de grande importncia, uma vez que algumas tcnicas de otimizao permitem que se trate um problema com restries como uma sequncia equivalente de problemas irrestritos. A forma de abordagem do problema formulado varia conforme o comportamento das funes (objetivo e restries), bem como do nmero e caractersticas das variveis. Ainda est para surgir um mtodo geral, que seja igualmente eficiente independentemente destas caractersticas.
Otimizao Aplicada Engenharia PPGEng / UPF 25
26
13
ou 5x1+3x2 45
27
O custo composto tanto pelo salrio como pelos erros cometidos. Custo (Z): - inspetor nivel 1: 4 + 2*25*(1-0.98) = R$ 5,00/h - inspetor nivel 2: 3 + 2*15*(1-0.95) = R$ 4,50/h Custo total dirio: Z = 8 (5x1+4,5x2) = 40x1+36x2
28
14
Formulao do problema:
Minimizar: Sujeito a: Z = 40x1+36x2 x1 8 x2 10 x1 0 x2 0 5x1+3x2 45
timo: x* = (8,5/3) Opes: Empregar 8x1 e 2x2 ou 1x2 e outro 2/3 do tempo
29
30
15
Objetivo do problema: Minimizar a altura h da viga (usual: peso ou volume) Varivel: altura h = x Restrio: max adm = max - adm 0 = max /adm -1 0 (restr. normalizada) max = M/W M=pl2/8 W=bh2/6 p = q + .b.h = 10 + 25.0,1.x
max = (p + .b.x).l 2 b.x 2 (p + .b.x).l 2 .0,75 = 8 6 b.h 2
Min Sujeito a
f =x g = max /adm -1 0
31
max (10 + 25.0,1.x).6 2.0,75 (p + .b.x).l 2 .0,75 1 = 1 = 1 0 adm 0,1.h 2 .15000 b.h 2 . adm
0,18-0,045x-x2<0 x>0,447 m
0.5
f(x) g(x)
0.4
0.3
0.2
0.1
-0.1 0
0 05 0 1
0 15 0 2
0 25 0 3
0 35 0 4
0 45 0 5
32
16
Mais observaes...
engenharia so iterativos. A soluo inicial depende fundamentalmente da experincia do engenheiro;
As solues ditas factveis (possveis) so as que atendem a todas as restries. Para o problema anterior, um distanciamento do ponto de timo para a esquerda seria contra a segurana. J para a direita, anti-econmico; A determinao grfica da soluo s seria possivel para problemas de pequena dimenso (pouco comuns); A complexidade do problema cresce de forma exponencial com sua dimenso;
33
Na prtica, muito difcil saber se o timo encontrado realmente o melhor possvel dentre todos os resultados aceitveis (timo global), ou apenas o melhor nas vizinhanas (timo local). Mnimo local
F(x)
1) Deixa pra l...(o objetivo, de melhorar a soluo inicial, foi atingido); 2) Partir de vrias solues iniciais, e verificar se os resultados convergem para o mesmo valor; 3) Empregar tcnicas ditas de otimizao global (meta-heursticas)
Otimizao Aplicada Engenharia PPGEng / UPF 34
17
f(x) x2 x1
Processo de otimizao:
{ X } k+1 = { X } k + { d } k onde X = vetor das variveis de projeto, de dimenso n k = nmero da iterao d = direo de busca = tamanho do passo (busca unidimensional)
36
18
Objetivo: minimizar volume de concreto Variveis: altura das sees transversais das vigas Restries: Flechas e Momentos para peas simplesmente armadas Dificuldade: existncia de mnimos locais
V6
V2
V3
V4
V5
4 x 3,00 m = 12,00 m
V 10
V7
V8
V9
4 x 3,00 m = 12,00 m
37
A B C
Vc (m3) Vc / Vc ini 2,560 1,000 1,938 0,757 1,824 0,712 1,824 0,712
0.9
5 2,
0 2,
0.8 0.7
B
5 1,
h2 (m)
C
0.3 0.4 0.5 0.6 0.7 0.8 0.9
0.3
h1 (m)
f g m= 0 g= 0
38
19
39
40
20
41
sujeito a
i 1 0 a , ui 1 0 ua e fl i 1 0 fla
42
21
28 elementos W* = 3,339 kN
Otimizao Aplicada Engenharia PPGEng / UPF 43
21 elementos W* = 3,290 kN
Otimizao Aplicada Engenharia PPGEng / UPF 44
22
17 elementos W* = 3,198 kN
Otimizao Aplicada Engenharia PPGEng / UPF 45
15 elementos W* = 3,210 kN
Otimizao Aplicada Engenharia PPGEng / UPF 46
23
12 elementos W* = 3,031 kN
Otimizao Aplicada Engenharia PPGEng / UPF 47
08 elementos W* = 3,005 kN
Otimizao Aplicada Engenharia PPGEng / UPF 48
24
07 elementos W* = 2,899 kN
Otimizao Aplicada Engenharia PPGEng / UPF 49
05 elementos W* = 2,897 kN
Otimizao Aplicada Engenharia PPGEng / UPF 50
25
04 elementos W* = 2,580 kN
Otimizao Aplicada Engenharia PPGEng / UPF 51
02 elementos W* ~ 2,580 kN
Otimizao Aplicada Engenharia PPGEng / UPF 52
26
53
54
27
55
56
28
57
58
29
59
60
30
61
62
31
63
CONCLUSES GERAIS:
Vantagens
otimizao:
da
utilizao
de
tcnicas
de
Reduo no tempo de desenvolvimento do projeto; Permite que se trabalhe com um grande nmero de variveis de projeto e de restries; Na imensa maioria das vezes conduz a uma melhora no projeto inicial; No se baseia na experincia ou na intuio, aumentando a possibilidade de se obter resultados no convencionais; Requer uma mnima interao homem-computador.
64
32
Segundo Vanderplaats:
66
33