Revista CIATEC UPF, vol.4 (1), p.p.

19-32, 2012

ALGUMAS APLICAES DE MTODOS HEURSTICOS NA OTIMIZAO DE ESTRUTURAS

HEURISTIC OPTIMIZATION METHODS APPLIED IN STRUCTURAL OPTIMIZATION
Guilherme Fleith de Medeiros1, Moacir Kripka2 Mestrando do Programa de Ps-Graduao em Engenharia, Universidade de Passo Fundo, Bairro So Jos, BR- 285, CEP: 99052-900 - Cx. Postal 611, E-mail: guifleith@upf.br. 2 Professor do Programa de Ps-Graduao em Engenharia, Universidade de Passo Fundo, Bairro So Jos, BR- 285, CEP: 99052-900 - Cx. Postal 611, E-mail: mkripka@upf.br.
1

RESUMO O processo de dimensionamento estrutural um processo iterativo, onde o projetista estima as caractersticas de sua estrutura para, a partir disso, verificar se a mesma atende critrios de estabilidade e conforto. Isso torna o sucesso do projeto fundamentalmente dependente da experincia e intuio do engenheiro calculista. Para tornar esse processo algo sistematizado, existem as chamadas tcnicas de otimizao estrutural. Elas permitem que se faa um pr-dimensionamento dos elementos estruturais atravs de critrios descritos a partir de uma formulao matemtica. Para a resoluo desses problemas, existem tcnicas matemticas e tcnicas heursticas. Em funes descontnuas e no-convexas, situao comum no clculo de estruturas, este segundo grupo tem obtido melhor desempenho, por fugir dos mnimos locais. Estes mtodos normalmente so inspirados em fenmenos que ocorrem na natureza e fundamentam seu funcionamento em regras probablisticas, trabalhando apenas com os valores da funo e com os parmetros caractersticos de cada mtodo. Neste trabalho apresentada uma relao de mtodos heursticos que vm sendo aplicados com sucesso em otimizao estrutural, sobretudo nos ltimos dez anos, entre os quais se destacam: Busca Tabu, Recozimento Simulado, Algoritmos Genticos, Colnia de Formigas, Colnia de Abelhas, Enxame de Partculas e Busca Harmnica. Alm de se listar os conceitos mais bsicos de cada metodologia, so apresentadas aplicaes prticas das mesmas em problemas de otimizao estrutural encontrados na literatura. Palavras chave: Otimizao Estrutural, Tcnicas Heursticas, Concreto Armado.

ABSTRACT The structural sizing usually is an iterative process. Engineers estimate characteristics of structure before verifying stability and functionality requirements. Therefore, the success of final project is dependent on experience and intuition of the structural engineer to propose the first solution. Optimization techniques can systematize this process by allowing the pre-sizing of the structural elements through a mathematical formulation. There are mathematical and heuristics techniques. In discontinuous and non-convex functions, common situation in structural calculations, this second group has better performance. Heuristics are able to escape from local minima and are inspired by natural phenomena. They are based on probabilistic rules and deal only with function values and characteristic parameters of each method. This work presents a list of the most common heuristic methods of structural optimization in the last decade: Tabu Search, Simulated Annealing, Genetic Algorithms, Ant Colony, Bee Colony, Particle Swarm and Harmonic Search. The description of each method is presented, as well as several works from literature that apply these methodologies in structural optimization. Keywords: Structural Optimization, Heuristic Optimization Techniques, Reinforced Concrete.

1.

INTRODUO

Usualmente, a concepo dos projetos estruturais realizada a partir de um prdimensionamento, por meio do qual o projetista estima as caractersticas geomtricas iniciais de sua estrutura para, a partir disso, verificar a estabilidade e a funcionalidade da mesma, bem como propor novas solues, mais econmicas, se assim julgar necessrio. Quando o engenheiro acredita ter
19

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

encontrado uma soluo satisfatria, encerra o processo de busca e assume o melhor resultado obtido. Pela falta de tempo e pela agilidade a qual se exige para a realizao dos projetos, poucas tentativas de melhora da soluo so efetuadas. Ou seja, o processo de dimensionamento estrutural iterativo e depende, sobretudo, da intuio e da experincia do projetista para se alcanar um resultado satisfatrio entre as inmeras possibilidades existentes, pois muito sensvel a soluo inicial proposta no pr-dimensionamento. E mesmo com o uso de softwares comerciais, que automatizam diversos processos no dimensionamento, a estrutura de partida ainda compete diretamente ao trabalho intelectual do engenheiro. Portanto, no mtodo usual de dimensionamento das estruturas, assume-se uma soluo que provavelmente no seja a melhor entre todas aquelas que atendam aos requisitos de segurana e utilizao. Ao contrrio, atravs da utilizao de tcnicas de otimizao aliadas ao projeto estrutural, busca-se encontrar a melhor soluo dentre as disponveis, por meio de um mtodo de busca sistemtica, fundamentado num modelo matemtico bem definido, atravs da definio de funes objetivo, parmetros e restries. Diminuir o custo das estruturas, respeitando-se devidamente as determinaes das normas tcnicas, pode representar importante economia nos custos dos empreendimentos, aumentando a competitividade das construtoras e principalmente dos escritrios de clculo estrutural frente concorrncia. Soma-se a isso um cenrio de maior escassez de recursos e a necessidade de se diminuir o consumo das matrias-primas, promovendo um desenvolvimento de maneira mais sustentvel. A otimizao estrutural uma ferramenta interessante nesse processo, a qual permite alcanar, de maneira eficiente e com relativa rapidez, projetos mais racionalizados. um campo ainda pouco explorado na prtica, mas que possui grande potencial de aplicao no futuro. preciso, no entanto, adequar a otimizao estrutural com as caractersticas prticas de projeto, procurando-se descrever as situaes reais enfrentadas pelos projetistas com sua devida complexidade. Habitualmente, os mtodos clssicos de otimizao matemtica possuem bom desempenho frente a exemplos clssicos e triviais de otimizao em estruturas. Porm, a utilizao dos mesmos em situaes reais e de maior complexidade, devido ao grande nmero de variveis envolvidas e ao prprio comportamento das funes, torna-se ineficiente. a que entram as chamadas tcnicas heursticas de otimizao que, a partir da observao de fenmenos naturais, prope modelos probabilsticos para encontrar a soluo tima de uma funo. Esses mtodos no fornecem garantias de que a soluo obtida a melhor possvel entre as existentes, porm convergem rapidamente para uma soluo muito prxima ao timo global. Na rea da otimizao estrutural, tm sido observada a crescente utilizao de diversos mtodos de otimizao, dentre os quais se destacam: Mtodo do Recozimento Simulado, Busca Tabu, Algoritmos Genticos, Colnia de Formigas, Colnia de Abelhas, Enxame de Partculas e Busca Harmnica. O presente artigo pretende apresentar alguns dos principais mtodos heursticos de otimizao existentes, bem como verificar, nos estudos mais recentes, quais mtodos tem sido mais utilizados, bem como obtido um melhor desempenho na resoluo de problemas de otimizao estrutural.

2.

DESENVOLVIMENTO

2.1.

Mtodos matemticos versus mtodos heursticos

De acordo com Rodrigues Jnior (2005), os algoritmos usados para a soluo de um problema de otimizao podem ser, basicamente, determinsticos ou probabilsticos. Os mtodos de otimizao determinsticos, tambm denominados mtodos clssicos, nos quais se incluem os mtodos de programao matemtica, em geral so baseados nos clculos de derivadas de primeira ou segunda ordem ou de uma aproximao dessas derivadas. Enquanto isso, os mtodos baseados nos algoritmos

20

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

probabilsticos introduzem no processo de otimizao dados e parmetros estocsticos resolvendo o problema do ponto de vista probabilstico. Os mtodos de programao matemtica apresentam algumas limitaes tais como: a dificuldade em identificar solues timas globais, pois so fortemente dependentes do ponto de partida; dificuldade de trabalhar com variveis discretas e dificuldade de operar com funes no diferenciveis (ALBUQUERQUE, 2007). Bastos (2004) cita que uma caracterstica imprescindvel para a aplicabilidade dos mtodos clssicos a necessidade de que a funo objetivo seja contnua e diferencivel no espao de busca. Porm, este fato no ocorre na maioria dos problemas prticos de engenharia, dificultando assim a sua aplicao. Os mtodos probabilsticos, nos quais se incluem os Algoritmos Genticos e Simulated Annealing (Mtodo do Recozimento Simulado), entre outros, no empregam o clculo de derivadas, mas sim atuam diretamente na busca das solues no espao vivel. Estes mtodos, entretanto, exigem um grande nmero de avaliaes do valor da funo objetivo e das restries, sendo considerados mtodos computacionalmente caros.

2.2.

Tcnicas Heursticas de Otimizao

2.2.1. Busca Tabu (Tabu Search) De acordo com Melo (2008), as origens do mtodo remontam dcada de 70 do sculo XX. Consiste num mtodo iterativo de procura de uma nova soluo (no necessariamente melhor do que a anterior), na vizinhana da atual soluo, com vista a obter a soluo global do problema (timo global), e no apenas local. A Busca Tabu uma meta-heurstica de busca no-monotnica cuja principal caracterstica a capacidade de explorao do histrico do processo de busca, organizado em estruturas que compem o que se chama de memria adaptativa. A construo e a explorao da memria adaptativa levam em conta quatro dimenses, relacionadas freqncia, presena no passado recente, qualidade e influncia (SUCUPIRA, 2004). O que realmente caracteriza este mtodo a manuteno de uma lista de movimentos proibidos conhecida como Lista Tabu, reduzindo o risco de ciclagem (execuo em ciclo infinito) do algoritmo. O tamanho da lista Tabu calibrado de acordo com testes de experimentao, buscando o melhor desempenho e eficincia para cada tipo de problema em particular (PEREIRA, 2007). O mtodo possui apenas dois parmetros de calibrao: o tamanho mximo da lista tabu e o nmero mximo de iteraes (que tambm pode ser definido em funo do tempo mximo de processamento). Segundo Pereira (2007), a lista tabu exerce um papel fundamental no processo de pesquisa de solues. Para compreender melhor sua utilidade torna-se necessrio detalhar seu fluxo de execuo. Para isto, considere-se uma soluo inicial qualquer para um determinado problema. Enquanto o nmero de iteraes sem melhora no atingir o valor mximo (passado como parmetro), o mtodo pesquisa pelo melhor vizinho da soluo inicial, de maneira que o movimento realizado para gerar a soluo vizinha no esteja contido na lista tabu. Dois conceitos aos quais se fazem muitas referncias no contexto da Busca Tabu - e de grande influncia tambm na qualidade de outras meta-heursticas - so a intensificao (explorao do espao de busca atravs de componentes e de tipos de movimentos que, historicamente, levam a solues de boa qualidade) e a diversificao (tentativa de construo de solues que pertencem a regies no exploradas do espao de busca e diferem significativamente das solues j encontradas) (SUCUPIRA, 2004).

21

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

2.2.2. Mtodo do Recozimento Simulado (Simulated Annealing) O Simulated Annealing (SA) um mtodo heurstico baseado na mecnica estatstica, que tem origem a partir de um processo natural, que utiliza essencialmente o processo aleatrio como forma de evoluo (FERREIRA, 2008). O mtodo foi apresentado inicialmente por Kirkpatrick et al. (1983). Simonetti (2009) afirma que o SA um algoritmo de otimizao confivel para encontrar o timo global, mesmo com um grande nmero de variveis de projeto. De acordo com Ferreira (2008), o mtodo ganhou destaque por evitar timos locais e buscar timos globais iterativamente. Segundo o autor, desde a poca da sua descoberta, o SA tem provado ser eficiente em muitos problemas de ordem combinatorial. Romano (2008) outro autor que afirma que a chave do algoritmo do SA est na possibilidade de fuga de mnimos locais atravs de aceitao de solues que aumentem a funo custo. O Mtodo do Recozimento Simulado faz analogia termodinmica, desenvolvendo uma simulao do processo de resfriamento de um conjunto de tomos aquecidos, operao que deu origem ao seu nome. De acordo com Romano (2008), no processo fsico de enrijecimento de slidos, um material rapidamente aquecido e lentamente resfriado, para que suas falhas estruturais sejam removidas. Se o processo de resfriamento for suficientemente lento, a configurao final do material corresponder situao de mnima energia do sistema. Essa ideia utilizada pelo algoritmo do SA para minimizar uma funo qualquer. Ferreira (2008) cita que o recozimento tem a finalidade de reduzir ao mximo possvel a energia do material de forma a se ter um cristal o mais organizado possvel. Esse processo realizado reduzindo-se a temperatura de forma lenta e gradual, possibilitando assim, que as molculas possam se estabilizar em estados de mnima energia, formando um nico cristal. Assim, a essncia do processo o resfriamento lento da mistura (geralmente empregado em aos e em vidros) permitindo tempo suficiente para que as molculas possam se redistribuir gradualmente medida que perdem mobilidade, atingindo um estado de menor energia e, consequentemente, aumentando a capacidade de absorver energia (tenacidade). Segundo Oliveira (2007), em sua descrio padro, o SA comea a busca a partir de uma soluo inicial qualquer. Na prtica, esta soluo pode ser escolhida por mtodos heursticos ou estocsticos. O lao de iteraes, que caracteriza o procedimento principal, gera aleatoriamente, em cada iterao, um nico vizinho s da soluo corrente s. Para avaliao do aceite desta nova soluo s, calculada a diferena (f) entre a qualidade da nova soluo s e a qualidade da soluo atual s. A funo que computa a qualidade de uma soluo descrita nesta seo como f. A Equao 1 ilustra o clculo do valor f. (1) Se o valor de f for menor que zero, a nova soluo s automaticamente aceita para substituir s. Caso contrrio, a aceitao da nova soluo depender da probabilidade estabelecida pelo Critrio de Metropolis, originalmente proposto em qumica como uma estratgia de determinao de estados (configuraes) de equilbrio de uma coleo de tomos a uma dada temperatura, a qual apresentada na Equao 2 (OLIVEIRA, 2007). (2) Como a temperatura decresce no decorrer da execuo, nas etapas iniciais existe uma maior probabilidade de aceitao de novas solues. Essa probabilidade vai diminuindo no decorrer da
22

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

execuo at chegar ao ponto (quando a temperatura estiver prxima de zero) em que apenas movimentos que melhorem a funo custo sejam aceitos e, por fim, o mnimo global seja encontrado (ROMANO, 2008). 2.2.3. Algoritmos genticos (Genetic Algoritms) Algoritmos genticos so algoritmos de busca baseados nos conceitos de seleo natural e sobrevivncia do indivduo mais apto. So compostos por uma seqncia de rotinas computacionais, elaboradas com o intuito de simular o comportamento da evoluo natural por meio do computador (PEREIRA, 2007). De acordo com Silva (2011), algoritmos genticos podem ser definidos como procedimentos de busca baseados na gentica e seleo natural das espcies. Assim como acontece no meio ambiente, em um AG existe um grupo de solues candidatas, conhecidas como indivduos, que competem entre si para garantir a prpria sobrevivncia. Diferente de outros mtodos que partem de um ponto do espao de busca para encontrar a soluo tima, os Algoritmos Genticos operam em um conjunto de solues, aplicando o princpio da sobrevivncia dos indivduos mais aptos para conduzir a uma soluo cada vez melhor. Desta forma, gerao aps gerao, um novo conjunto de indivduos criado pelo processo de seleo dos indivduos progenitores, de acordo com o nvel de aptido associado ao problema. A procriao feita entre os progenitores atravs de operadores extrados da gentica natural. Este processo leva evoluo de indivduos que se adaptam melhor ao problema, tal como na adaptao natural. Os Algoritmos Genticos modelam os processos naturais, atravs de operadores bsicos aplicados aos indivduos da populao tais como a seleo dos melhores, o cruzamento entre eles e a mutao de genes (CRTES, 2011). O uso de Algoritmos Genticos garante uma soluo, na maioria das vezes, na vizinhana do timo global que satisfaz os critrios de parada do mtodo. Alm disto, so aplicados numa grande variedade de problemas, pois no impem limitaes que geralmente so encontradas nos mtodos de busca diretos e indiretos (CASTILHO, 2003). Nos Algoritmos Genticos cada elemento da populao chamado cromossomo, sendo a codificao de uma soluo na forma de uma seqncia de smbolos - chamados genes. Um algoritmo gentico tambm deve definir uma funo que mede a aptido de cada indivduo (naturalmente, indivduos que representam solues de baixo custo tendem a ser mais aptos, enquanto os indivduos que representam solues inviveis tm baixa aptido). A populao alterada atravs de dois operadores principais: a mutao, que modifica um dos genes de um indivduo e tem baixa probabilidade de ocorrer, e a recombinao - que constri um novo indivduo utilizando apenas a informao gentica de dois outros indivduos selecionados aleatoriamente. Indivduos com baixa aptido tm menor probabilidade de serem selecionados para recombinao.

2.2.4. Otimizao por Colnia de Formigas (Ant Colony Optimization) Este mtodo tem como princpio a simulao do comportamento de um conjunto de agentes que cooperam para resolver um problema de otimizao atravs de comunicaes simples (RIBEIRO, 2008). A heurstica Ant Colony Optimization (ACO) baseia-se no comportamento utilizado pelas colnias de formigas para traar rotas entre o formigueiro e as fontes de alimentao. O principal aspecto desse comportamento uma substncia chamada feromnio, que secretada pelas formigas durante seus percursos, de forma a indicar caminhos prometedores a outras formigas. A idia bsica do mtodo utilizar formigas artificiais, representadas por processos concorrentes, que traam caminhos em um grafo cujos vrtices representam componentes da soluo (SUCUPIRA, 2004).
23

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

Silva (2011) refora a ideia. Segundo o autor, essa tcnica se inspira no comportamento social das formigas, que so os indivduos deste algoritmo, que tm pouca capacidade visual e para suprir esta deficincia de comunicao entre elas se d pela percepo de um hormnio depositado pelas mesmas, chamado feromnio. Dessa maneira, torna-se possvel marcar uma rota a ser seguida pelas formigas na busca de alimentos deixando uma certa quantidade de feromnio. A maior concentrao de feromnio indicar o melhor caminho at a fonte de alimentos. Segundo Freitas (2010), trata-se de uma tcnica enquadrada em um ramo especfico da inteligncia artificial (inteligncia coletiva ou swarm intelligence), inspirada no comportamento social que as formigas apresentam ao buscarem por fontes de alimento para seus ninhos. Segundo o mesmo autor, quanto mais feromnio depositado na busca pelo alimento, menor o caminho e, conseqentemente, mais atradas para essa trajetria sero as formigas vindouras. No processo de busca pelo alimento, as formigas so, tambm, capazes de se adaptar a alteraes do meio ambiente. Por exemplo, voltam a encontrar o caminho mais curto entre a fonte de comida e o ninho aps o aparecimento de um obstculo que impede a circulao pelo percurso inicial. Segundo Pay-Zaforteza (2007), a analogia do comportamento das formigas com a otimizao se realiza do seguinte modo: a) A busca de alimento equivalente explorao das solues factveis em um problema de otimizao combinatria. b) A quantidade de alimento similar ao valor da funo objetivo. c) O rastro de feromnio a memria adaptativa do mtodo. Os parmetros deste mtodo so, de acordo com Pereira (2007): a) b) c) d) Ponderao do feromnio. Percentual de evaporao do feromnio. Quantidade de formigas. Nmero mximo de iteraes.

Tais parmetros devem ser calibrados para cada problema especfico e seu funcionamento ocorre da seguinte forma: quanto mais vezes um determinado caminho for percorrido, maior ser a quantidade de feromnio deixada nesse rastro, indicando a direo que a pesquisa tender a percorrer. O procedimento de busca repetido at que um nmero mximo de iteraes seja atingido ou no se verifica melhoria na qualidade das solues obtidas aps um determinado nmero de iteraes (PEREIRA, 2007).

2.2.5. Colnias artificiais de abelhas (Artificial Bee Colony) Este algoritmo populacional, proposto por Karaboga em 2005, inspirado no comportamento de abelhas produtoras de mel. Este tipo de abelha sai em busca de alimentos e depois retorna colmia. Cada abelha na populao visita um local e traz consigo a direo, a distncia e uma amostra de mel do local visitado. Aps o retorno, cada abelha simula uma dana, no intuito de atrair grupos de abelhas seguidoras a serem atradas para o local visitado por aquela abelha. Este comportamento inspirou o algoritmo Colnia de abelhas, onde o local visitado com as informaes completas acerca do mesmo seria considerado uma soluo no espao de busca do problema de otimizao (SILVA, 2011). Ainda segundo Silva (2011), embora os algoritmos baseados em colnias de abelhas sejam relativamente recentes, algumas aplicaes tm sido propostas na literatura, tais como a soluo do problema do caixeiro viajante, determinao de estratgias de aterrissagem em veculos areos no tripulados, despacho econmico de energia, sintonizao de controladores, otimizao de pesos de
24

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

redes neurais, otimizao de mquinas de vetores suportes, direo de robs, projeto de clulas de manufatura, problema de roteamento de veculos, entre outros.

2.2.6. Enxame de partculas (Particle Swarm Optimization) Desenvolvido pelo psiclogo social James Kennedy e o engenheiro eletricista Russel Eberhart em 1995, foi inspirado no comportamento e na dinmica dos movimentos dos pssaros, insetos e peixes. Foi originalmente desenvolvido para problemas de otimizao com variveis contnuas (LACERDA, 2007). De acordo com Silva (2011), o mtodo tem muitas caractersticas em comum com tcnicas evolucionrias como algoritmos genticos. O sistema inicializado com uma populao de solues aleatrias e procura por um resultado timo melhorando geraes. Entretanto, diferentemente de algoritmos genticos, o PSO no tem operadores de evoluo como crossover e mutao. Em PSO as solues potenciais, chamadas de partculas, voam atravs do espao do problema seguindo as ento melhores partculas (que possuem os melhores valores no momento). O PSO se baseia na informao da trajetria das partculas (indivduos) e dos pontos do espao de busca visitados por elas para informar a qualidade da soluo (qualidade da funo objetivo). Para tanto, usa-se uma estrutura de memria para preservar os melhores locais visitados. A indicao da movimentao de cada partcula a cada nova iterao depende de duas informaes: a melhor posio de todo o enxame e a melhor posio da prpria partcula. So introduzidas regras estocsticas no PSO dando o carter aleatrio ao algoritmo. Serapio (2009) afirma que uma teoria scio-cognitiva muito simples est por trs da PSO. Cada indivduo de uma populao possui sua prpria experincia e capaz de estimar a qualidade dessa experincia. Como os indivduos so sociais, eles tambm possuem conhecimentos sobre como seus vizinhos comportam-se. Esses dois tipos de informao correspondem aprendizagem individual (cognitiva) e transmisso cultural (social), respectivamente. Portanto, a probabilidade de que um determinado indivduo tome uma certa deciso ser uma funo de seu desempenho no passado e do desempenho de alguns de seus vizinhos. Segundo Lacerda (2007), um mtodo rpido para localizar a bacia de atrao das boas solues, mas lento no ajuste fino da soluo.

2.2.7. Busca Harmnica (Harmonic Search) Consiste numa heurstica proposta por Geem, Kim e Loganathan em 2001, inspirada na observao do desempenho de msicos em uma orquestra que buscam a harmonia perfeita. Na msica, esta harmonia perfeita considerada anloga a achar a soluo tima de um problema de otimizao e refere-se a um dado padro de qualidade de udio. O HS inspira-se na observao da capacidade de improvisao dos msicos para a obteno de novas harmonias levando-se em conta a frequncia, o timbre e a amplitude do instrumento de cada um deles. O mtodo pode ser resumido em cinco passos, quais sejam: i) Inicializar os parmetros do problema e do algoritmo; ii) Inicializar a memria da harmonia iii) Improvisar novas harmonias; iv) Atualizar a memria da harmonia e; v) Verificar critrio de parada.

2.3.

Aplicao de Heursticas em Otimizao Estrutural

Neste item do presente trabalho, descrevem-se de forma sucinta algumas aplicaes recentes, dos mtodos descritos, otimizao de estruturas.

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

Uma variante do mtodo Colnia de Formigas foi utilizada em Capriles et al. (2007) para minimizar o peso de exemplos clssicos de trelias planas e espaciais encontrados na literatura (trelias de 10, 25, 52, 120 e 160 barras), atravs de variveis discretas. De acordo com os autores, o algoritmo implementado foi efetivo e competitivo quando comparado aos Algoritmos Genticos e a outras variantes do mtodo utilizado. Kargahi, Anderson, Dessouky (2006) otimizaram o peso de prticos de ao atravs do Mtodo Busca Tabu, utilizando variveis discretas. Foram estudados trs exemplos, referentes a estruturas que existem em Los Angeles, nos Estados Unidos. Segundo os autores, a reduo mdia no peso dos quadros foi de 23,4% em relao s estruturas originais. Sahuran (2010) minimizou o volume de uma viga em balano, utilizando o mtodo Enxame de Partculas, e comparou o seu resultado com um estudo realizado com Programao Matemtica, obtendo uma maior reduo no volume da estrutura considerada. Farkas, Jrmai, Snyman (2010) aperfeioaram grelhas compostas por perfis I em ao atravs de um mtodo matemtico de otimizao global (Algoritmo Snyman-Fatti) e por Enxame de Partculas. Trabalhou-se com variveis discretas e contnuas para este ltimo caso. Segundo os autores, ao fornecerem resultados quase idnticos, com leve vantagem para a heurstica Enxame de Partculas (-0,3%), os dois diferentes mtodos de minimizao de funes matemticas usados provaram ser adequadamente robustos, confiveis e suficientemente precisos para a obteno de projetos timos na prtica. McCarthy e McCluskey (2009) propuseram a otimizao de custo de vigas de concreto armado atravs de Enxame de Partculas. Os autores afirmam que o mtodo robusto na explorao de solues timas para o problema. Entretanto, o trabalho se preocupa mais com a calibrao dos parmetros do mtodo, no apresentando um grande nmero de problemas investigados. Perez e Behdinan (2007) otimizaram o peso de trelias clssicas pelo Mtodo Enxame de Partculas (trelias de 10, 25 e 72 barras), e compararam os resultados obtidos a outros trabalhos que utilizaram variados mtodos de otimizao, entre eles os Algoritmos Genticos, obtendo resultados similares ao desta heurstica, ora melhores, ora piores, dependendo do trabalho comparado. Sonmez (2011) otimizou o peso de trelias utilizando variveis discretas, mostrando que o mtodo Colnia de Abelhas efetivo e robusto para a resoluo de problemas de otimizao estrutural. Quatro problemas foram estudados, os quais corresponderam aos exemplos clssicos de validao de algoritmos na engenharia estrutural (trelias de 10, 25, 72 barras), alm de um modelo mais complexo, uma torre composta por 582 elementos. Os resultados foram comparados s heursticas Simulated Annealing, Enxame de Partculas, Algoritmos Genticos e a outro trabalho que tambm utilizou o mtodo Colnia de Abelhas. Para a trelia plana de 10 barras, o mtodo Colnia de Abelhas obteve resultado to satisfatrio quanto o Simulated Annealing e Colnia de Formigas, seguida da otimizao por Enxames de Partculas e Algoritmos Genticos. Para a trelia espacial de 25 barras, o mtodo acabou obtendo resultado igual ao obtido para Enxame de Partculas e Colnia de Formigas, e superior ao encontrado com Algoritmos Genticos. Porm, o Simulated Annealing foi a heurstica com melhor desempenho para essa situao. No estudo da trelia espacial composta por 72 barras, o mtodo em questo obteve melhor desempenho, seguido pelo mtodo Colnia de Formigas, Algoritmos Genticos, e Enxame de Partculas. O Simulated Annealing no foi utilizado na comparao. No quarto exemplo (torre treliada de 582 elementos), comparado ao mtodo Enxame de Partculas, o mtodo Colnia de Abelhas obteve resultados mais satisfatrios (cerca de 19%). Esses resultados, porm, so questionados por Stolpe (2011), que questiona a metodologia adotada por Sonmez (2011). Hadidi, Azad Sina, Azad Saeid (2010) otimizaram trelias planas e espaciais pelo mtodo Colnia de Abelhas, alm de propor um algoritmo adaptado do mesmo mtodo. Estudaram-se trelias planas e espaciais de 10, 17, 45 e 120 barras, comparando-se os resultados aos obtidos por Algoritmos Genticos, Enxame de Partculas e Busca Harmnica. Para a trelia de 10 barras, estudadas em 2 situaes de carregamento, o algoritmo clssico do Mtodo Colnia de Abelhas, obteve pior resultado
2!

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

que as demais heursticas. Busca Harmnica obteve o melhor resultado, seguido por Algoritmos Genticos e Enxame de Partculas, nessa ordem. O algoritmo modificado, no entanto, obteve resultado superior ao algoritmo clssico. Numa primeira situao de carregamento, porm, os resultados desse novo algoritmo foram piores a todos os outros mtodos. Numa segunda situao de carga, a nova proposta foi superior ao Enxame de Partculas e aos Algoritmos Genticos. No estudo de trelias de 17 barras, os melhores resultados por obtidos, nessa ordem, Busca Harmnica, Enxame de Partculas, Algoritmos Genticos, Colnia de Abelhas modificado e Colnia de Abelhas clssico. Para os dois outros exemplos estudados (trelia de 45 e 120 barras), apenas se compararam os resultados dos algoritmos clssico e modificado do mtodo Colnia de Abelhas. Pham e Ghanbarzadeh (2007) testaram um algoritmo baseado em Colnia de Abelhas no problema clssico da viga soldada, obtendo resultados satisfatrios de acordo com os autores. Degertekin (2008) otimizou, atravs de Busca Harmnica, trs exemplos clssicos de prticos em ao, comparando os resultados com Colnia de Formigas e Algoritmos Genticos. Segundo os resultados obtidos pelo autor nas simulaes, o mtodo mais efetivo que as heursticas concorrentes. Colnia de Formigas obtm maior destaque que os Algoritmos Genticos na minimizao de peso efetuada nos exemplos do trabalho. Hasanebi, Erdal e Saka (2010) otimizaram prticos em ao com uma adaptao do mtodo da Busca Harmnica, utilizando para isso uma estrutura plana composta de 162 elementos, bem como um prtico espacial de 744 barras. Para ambos os casos, o mtodo obteve o melhor resultado, seguido das Heursticas Busca Tabu, Colnia de Formigas, Enxame de Partculas e Algoritmos Genticos. Algoritmos Genticos so utilizados no trabalho de Perea et al. (2007) para otimizar prticos de concreto armado utilizados em pontes rodovirias. Os resultados obtidos foram aplicados na prtica para um metr na cidade de Valncia, na Espanha. O mtodo se mostrou eficientes em um problema de alta complexidade. Castilho (2003) otimizou o custo de componentes de concreto pr-moldados de lajes utilizando Algoritmos Genticos. Os resultados obtidos nos experimentos para a soluo dos cinco problemas tratados mostraram a flexibilidade e robustez dos Algoritmos Genticos. Geralmente as solues encontradas pelo AG foram melhores do que as obtidas pelo mtodo convencional do Lagrangiano Aumentado. Corts (2010) props a otimizao do projeto da superestrutura de pontes pr-fabricadas pelo mtodo dos Algoritmos Genticos, na qual se incluram longarinas pr-fabricadas em concreto protendido e tabuleiros pr-fabricados em concreto armado. Dagertekin (2007) otimizou a seo de prticos de ao pelo Mtodo do Recozimento Simulado e por Algoritmos Genticos. Foram realizadas trs simulaes, com prticos de 8, 26 e 84 elementos. O Simulated Annealing levou pequena vantagem em todas as simulaes efetuadas. Gonzlez-Vidosa et al. (2008) otimizaram estruturas de concreto armado utilizando o Mtodo do Recozimento Simulado. O primeiro exemplo consistiu numa barreira de conteno de solo. O segundo e o terceiro exemplo consistiram em prticos utilizados na construo rodoviria. E o quarto modelo otimizado consistiu num prtico plano de 20 elementos comum em edificaes. Hasanebi, arbas e Saka (2010) propem um melhoramento do algoritmo do Simulated Annealing. Segundo o referido artigo, o algoritmo padro do SA pouco eficiente em problemas de maior complexidade. Para testar as modificaes efetuadas, os autores otimizaram as estruturas de prticos planos e espaciais em ao compostos por 304 e 132 elementos, respectivamente. O algoritmo do Simulated Annealing obteve o menor peso para ambas as estruturas, se comparado a resultados de outras duas heursticas: Busca Harmnica e Busca Tabu. Entre as duas ltimas, o mtodo Busca Tabu obteve melhor desempenho. Hasanebi e Erbatur (2002) j haviam realizado simulaes com Simulated Annealing aplicado a problemas estruturais de maior complexidade. Neste trabalho, os autores otimizaram uma torre treliada composta por 942 elementos, uma trelia de 18 barras, e uma trelia plana de uma torre composta por 47 elementos. Nestes dois ltimos casos, otimizou-se, junto com as sees transversais
2"

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

dos elementos, a geometria dos modelos. Trabalhou-se com variveis discretas. Ao se comparar os resultados com outros trabalhos, verificou-se que o algoritmo do Simulated Annealing proposto teve melhor desempenho que os Algoritmos Genticos. Park e Ryu (2004) tambm propuseram alteraes nos parmetros do Mtodo do Recozimento Simulado, a fim de melhorar o desempenho da heurstica. Otimizou-se o peso de duas estruturas usuais em problemas de otimizao estrutural: trelias plana de 10 barras e trelia espacial de 25 barras. Trabalhou-se com variveis discretas e contnuas. Para variveis contnuas, o novo algoritmo obteve melhor desempenho que o tradicional nos dois casos. Para variveis discretas, a algoritmo tradicional obteve melhor desempenho em termos de minimizao de peso no segundo caso considerado (trelia de 25 barras). Para todos os casos, no entanto, o nmero de iteraes necessrias no novo algoritmo do SA foi bem inferior ao do algoritmo convencional. Pay-Zaforteza et al. (2008) realizaram otimizao multiobjetivo utilizando o Simulated Annealing. Alm de avaliar a minimizao dos custos, objetivo comum em problemas de otimizao estrutural, foram avaliados outros trs objetivos: maximizao da construtibilidade dos modelos, minimizao dos impactos ao meio ambiente e maximizao da segurana global estrutural. O exemplo considerado consistiu num prtico plano de concreto armado de uma edificao de 4 andares composto por 20 elementos. De acordo com os resultados obtidos, verificou-se que, com um pequeno incremento no custo timo, possvel obter estruturas de maior construtibilidade, maior sustentabilidade e maior segurana estrutural global. Pay-Zaforteza et al. (2010) utilizaram o Simulated Annealing para otimizar novamente um prtico plano de concreto armado de 20 elementos, porm considerando apenas os custos. O artigo objetivava melhorar os parmetros do mtodo. Suji et al. (2008) otimizaram vigas de concreto armado reforadas com fibra atravs do Mtodo do Recozimento Simulado. Objetivou-se utilizar o reforo da maneira mais racional possvel na composio das vigas, tendo em vista os altos custos deste material. Moura et al. (2009), otimizaram as sees e a geometria da trelia clssica de 25 barras atravs de um algoritmo baseado em Algoritmos Genticos. De acordo com os autores, obtiveram-se resultados melhores que os mtodos Busca Tabu, Colnia de Formiga, Algoritmos Genticos, do trabalho de Pereira (2007), e Recozimento Simulado, citando os mtodos em ordem decrescente de eficincia em termos de minimizao do peso. Silva (2011) otimizou diversas estruturas atravs de algoritmo baseado em Algoritmos Genticos. So elas: trelias de 2 barras, domo de 30 barras, domo de 52 barras, prtico de 3 barras, prtico de 5 barras, prtico de 6 barras, trelia de 46 barras, domo de 120 barras e prtico plano de 70 barras. Pereira (2007) estudou diversas heursticas aplicadas otimizao de sees transversais de trelias bidimensionais, entre elas: Algoritmos Genticos, Simulated Annealing, Busca Tabu e Colnia de Formigas. O primeiro exemplo consistiu na trelia clssica de 10 barras. O melhor resultado foi obtido pela heurstica Busca Tabu, seguido por Algoritmos Genticos, Colnia de Formigas e Simulated Annealing. Porm, de acordo com o autor, aquele que melhor obteve uma relao custo / benefcio foi o mtodo Simulated Annealing. Sua facilidade de implementao, aliada simples calibrao, faz deste mtodo uma excelente opo, garantindo solues de boa qualidade consumindo um baixo tempo de processamento. O segundo exemplo estudado consistiu na trelia clssica de 18 barras, onde se otimizaram sees e geometria. O melhor resultado foi obtido de forma conjunta pelas heursticas Busca Tabu e Colnia de Formigas, seguido por Algoritmos Genticos e Simulated Annealing. O ltimo exemplo estudado, consistiu tambm em mais um caso clssico de otimizao estrutural: torre treliada de 47 barras. O melhor resultado foi o do Mtodo Busca Tabu, seguido de Colnia de Formigas, Simulated Annealing e Algoritmos Genticos. Pay-Zaforteza (2007) otimizou prticos de concreto armado utilizados em edificaes por meio de cinco mtodos heursticos, dentro os quais Simulated Annealing e Algoritmos Genticos. Num primeiro exemplo, testaram-se os diferentes mtodos por meio de um exemplo composto por
2#

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

dois vos e quatro pavimentos, dentre os quais o Simulated Annealing provou ser o mtodo mais eficiente na busca pela soluo tima, com tempo de processamento intermedirio. Posteriormente se utilizaram vrios exemplos para refinar o mtodo: prticos de dois vo e duas, quatro, seis e oito alturas. E, por fim, trabalhou-se com otimizao multiobjetivo, onde se fez um estudo da otimizao simultnea de custo da estrutura e de objetivos relacionados com sua facilidade construtiva, sua sustentabilidade ambiental e sua segurana, conforme artigo de Pay-Zaforteza (2008). Martnez-Martn (2008) otimizou pilares da estrutura de pontes. Utilizaram-se, entre outros mtodos de otimizao, Simulated Annealing, Colnia de Formigas, Algoritmos Genticos. Dentre todos os mtodos empregados, Colnia de Formigas foi aquele que apresentou o melhor resultado em termos de custos mnimos. Mas todos os resultados ficaram bem prximos, o que indica, de acordo com o autor, que a melhor eficincia entre um e outro algoritmo depende, sobretudo, da calibrao dos parmetros de cada mtodo.

3.

CONCLUSES

O levantamento efetuado permitiu verificar que existem diversas heursticas que podem ser utilizadas na otimizao de estruturas. Algoritmos Genticos e Simulated Annealing so os dois mtodos mais consolidados, sendo aplicado em diversas teses, dissertaes e artigos cientficos. Os demais, com exceo da Bascu Tabu, so algoritmos mais recentes, cuja aplicao nos trabalhos se d em estruturas de menor complexidade. Os chamados Algoritmos Sociais (Colnia de Formigas, Colnia de Abelhas e Enxame de Partculas) so mtodos recentes, mas que tm obtido bastante eficincia. Um algoritmo mais recente (Busca Harmnica) tem obtido resultados muito satisfatrios. Em trs trabalhos pesquisados foi o mtodo mais eficiente, com exceo de um dos artigos. Como pode ser constatado, os diversos mtodos acabam se intercalando bastante na obteno das melhores solues, ou seja, os resultados obtidos so muito sensveis a calibrao dos parmetros de cada mtodo. Pelo mesmo fato, acredita-se que, principalmente os algoritmos mais recentes, podem ser ainda mais aprimorados pelos pesquisadores. Quando bem calibrado, o Simulated Annealing tem sido ainda o mtodo mais eficiente.

4.

REFERNCIAS BIBLIOGRFICAS

ALBUQUERQUE, A. T. Otimizao de pavimentos de edifcios com estruturas de concreto prmoldado utilizando algoritmos genticos. 2007. Tese (Doutorado) Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2007. BASTOS, E. A. Otimizao de sees retangulares de concreto armado submetidas flexocompresso oblqua utilizando algoritmos genticos. 2004. Tese (Mestrado) Programa de PsGraduao de Engenharia da Universidade Federal do Rio de Janeiro, Instituto Alberto Luiz Coimbra de Ps-Graduao e Pesquisa de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2004. CAPRILES, P. V. S. Z.; FONSECA, L. G.; BARBOSA, H. J. C.; LEMONGE, A. C. C. Rank-based ant colony algorithms for truss weight minimization with discrete variables. Communications in Numerical Methods in Engineering, Reino Unido, v. 23, 553-575, 2007.

29

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

CASTILHO, V. C. Otimizao de componentes de concreto pr-moldado protendidos mediante algoritmos genticos. 2003. Tese (Doutorado) Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003. CORTS, C. F. M. Otimizao do projeto da superestrutura de pontes pr-fabricadas pelo mtodo dos algoritmos genticos. Tese (Doutorado) - Programa de Ps-Graduao em Engenharia Civil, COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2010. DEGERTEKIN, S. O. A comparison of simulated annealing and genetic algorithm for optimum design of nonlinear steel space frames. Structural and Multidisciplinary Optimization, v. 34, p. 347 359, 2007. DEGERTEKIN, S. O. Optimum design of steel frames using harmony search algorithm. Structural and Multidisciplinary Optimization, v. 36, p. 393401, 2008. FARKAS, J.; JRMAI K., SNYMAN, J. A. Global minimum cost design of a welded square stiffened plate supported at four corners. Structural and Multidisciplinary Optimization, v. 40, p. 477 489, 2010. FERREIRA, F. de S. Uma abordagem numrico-experimental para a identificao de dano estrutural utilizando o mtodo Simulated Annealing. 2008. Dissertao (Mestrado) Programa de PsGraduao em Engenharia Mecnica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2008. FREITAS, F. F. T. de. Tendncias de aplicaes da otimizao por colnia de formigas na programao de Job-Shops. Revista Produo On-line, v. 10, n. 1, p. 95-123, 2010. GONZLEZ-VIDOSA F.; YEPES V.; ALCAL J.; CARRERA, M.; PEREA, C.; PAYZAFORTEZA, I.; Optimization of Reinforced Concrete Structures by Simulated Annealing. In: TAN, C. M. Simulated Annealing. ustria: I-Tech Education and Publishing, 2008. HADIDI A.; AZAD SINA, K.; AZAD SAEID, K. Structural optimization using artificial bee colony algorithm. In: Second International Conference on Engineering Optimization, 2010, Portugal. Proceedings Portugal, 2010. HASANEBI, O; ARBAS, S.; SAKA, M. P. Improving the performance of simulated annealing in structural optimization. Structural and Multidisciplinary Optimization, v. 41, p. 189203, 2010. HASANEBI, O; ERBATUR, F. On efficient use of simulated annealing in complex structural optimization problems. Acta Mechanica, v. 157, p. 27-50, 2002. HASANEBI, O; ERDAL, F. SAKA, M. P. Adaptive Harmony Search Method for Structural Optimization. Journal of Structural Engineering, v. 136, n. 4, p. 419-431, abr. 2010. KARGAHI, M.; ANDERSON, J. C.; DESSOUKY, M. M. Structural Weight Optimization of Frames Using Tabu Search. I: Optimization Procedure. Journal of Structural Engineering, v. 132, n. 12, p. 1858-1869, dez. 2006. KIRKPATRICK, S.; GELATT, C. D.; VECCHI M.P. Optimization by Simulated Annealing. Science, v. 220, n. 4598, p. 671-680, 1983.
30

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

LACERDA E. G. M. A Otimizao Nuvem de Partculas (Particle Swarm). Departamento de Engenharia da Computao e Automao da Universidade Federal do Rio Grande do Norte, 2007. MARTNEZ-MARTN, F. J. Optimizacin heurstica de pilas rectangulares huecas de hormign armado. Tese (Doutorado) Departamento de Ingenieria de Construccin e de proyectos, de Ingenieria Civil, Universitat Poltcnica de Valencia, Espanha, 2008. MCCLUSKEY, S.; MCCARTHY T. J. A particle swarm optimization approach to reinforced concrete beam design according to AS3600. In: First International Conference on Soft Computing Technology in Civil, Structural and Environmental Engineering, 2009, Esccia. Proceedings Esccia: University of Wollongong, 2009, p. 1-14. MELO, P. M. A. S. Conceitos bsicos da meta-heurstica Tabu Search. Faculdade de Engenharia da Universidade do Porto, 2008. MOURA. J. G.; MOITA, G. F., SOUZA, S. R. de; TEMPONI, E. C. C. Um algoritmo gentico para a soluo do problema de otimizao estrutural de trelia. In: IV Seminrio Nacional de Sistemas Industriais e Automao, Belo Horizonte, 2009. Anais... Belo Horizonte: Centro Federal de Educao Tecnolgica de Minas Gerais, 2009. OLIVEIRA, H. C. B. de. Um modelo hbrido estocstico para tratamento do problema de roteamento de veculos com janela de tempo. 2007. Dissertao (Mestrado) Ps-Graduao em Cincia da Computao, Centro de Informtica, Universidade Federal de Pernambuco. Recife, 2007. PAY-ZAFORTEZA I. Optimizacin heurstica de prticos de edificacin de hormign armado. Tese (Doutorado) Departamento de Ingenieria de Construccin e de proyectos, de Ingenieria Civil, Universitat Poltcnica de Valencia, Espanha, 2007. PAY-ZAFORTEZA, I., YEPES V.; GONZLEZ-VIDOSA F.; HOSPITALER. A. Multiobjective Optimization of Concrete Frames by Simulated Annealing. Computer-Aided Civil and Infrastructure Engineering, v. 23, p. 596-510, 2008. PAY-ZAFORTEZA, I., YEPES V.; GONZLEZ-VIDOSA F.; HOSPITALER. A.. On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, v. 45, p. 693-704, 2010. PARK, J. RYU, M. Optimal Design of Truss Structures by Rescaled Simulated Annealing. KSME International Journal, v. 18, n. 9, p. 1512-1518, 2004. PEREA C.; BAITSCH M., GONZLEZ-VIDOSA F.; HARTMANN, D. Optimization of reinforced concrete frame bridges by parallel genetic and memetic algorithms. In: ZINGONI A. Structural Engineering, Mechanics and Computation 3. Holanda: Millpress, 2007. PEREIRA, J. P. G. Heursticas computacionais aplicadas otimizao estrutural de trelias bidimensionais. 2007. Dissertao (Mestrado) Diretoria de Pesquisa e Ps-Graduao, Centro Federal de Educao Tecnolgica de Minas Gerais, Belo Horizonte, 2007.

31

Revista CIATEC UPF, vol.4 (1), p.p.19-32, 2012

PEREZ, R. E.; BEHDINAN, K. Particle Swarm Optimization in Structural Design. In: CHAN, F. T. S.; TIWARI, M. K. Swarm Intelligence: Focus on Ant and Particle Swarm Optimization. Austria: Itech Education and Publishing, p. 373-394, 2007. HAM, D. T.; GHANBARZADEH A. Multi-Objective Optimization using the Bees Algorithm. In: Innovative Production Machines And Systems, 2007, Reino Unido. Proceedings Reino Unido, Cardiff University, 2007. RODRIGUES JNIOR, S. J. Otimizao de pilares de edifcios altos de concreto armado. 2005. Tese (Doutorado) Programa de Ps-Graduao em Engenharia Civil, Pontifcia Universidade Catlica do Rio de Janeiro, Rio de Janeiro, 2005. ROMANO, G. Paralelizao do algoritmo de gerao de redes aleatrias contnuas por Simulated Annealing. 2008. Dissertao (Mestrado) Programa de Ps-Graduao em Computao, Instituto de Informtica, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2008. SARUHAN, H. Particle Swarm Optimization for Structural Design Problems. Journal of Engineering Sciences, Turquia, v. 16, n. 2, p. 207-212, 2010. SERAPIO, A. B. de S. Fundamentos de otimizao por inteligncia de enxames: uma viso geral. Revista Controle & Automao, v. 20, n. 3, p. 271-304, ago/set 2009. SILVA, M. M. da. Otimizao de Estruturas Reticuladas Incluindo No-Linearidade Geomtrica. Dissertao (Mestrado) - Programa de Ps-Graduao em Modelagem Computacional, Universidade Federal de Juiz de Fora, Juiz de Fora, 2011. SIMONETTI, H. L. Otimizao topolgica de estruturas bidimensionais. 2009. Dissertao (mestrado) Programa de Ps-Graduao em Engenharia Civil, Departamento de Engenharia Civil, Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2009. SONMEZ, M. Discrete optimum design of truss structures using artificial bee colony algorithm. Structural and Multidisciplinary Optimization, v. 43, p. 8597, 2011. STOLPE, M. To bee or not to beecomments on Discrete optimum design of truss structures using artificial bee colony algorithm. Structural and Multidisciplinary Optimization, Published Online, abr. 2011. SUCUPIRA, I. R. Mtodos heursticos genricos: metaheursticas e hiper-heursticas. Trabalho de Concluso de Curso- Departamento de Cincia da Computao, Instituto de Matemtica e Estatstica, Universidade de So Paulo, 2004. SUJI D.; NATESAN S. C.; MURUGESAN, R.; PRABHUD, R. S. Optimal design of fibrous concrete beams through simulated annealing. Asian Journal of Civil Engineering (Building and Housing), v. 9, n. 2, p. 193-213, 2008.

32