Escolar Documentos
Profissional Documentos
Cultura Documentos
OTIMIZAO DE ESTRUTURAS DE
CONCRETO ARMADO UTILIZANDO
ALGORITMOS GENTICOS
So Paulo
2001
OTIMIZAO DE ESTRUTURAS DE
CONCRETO ARMADO UTILIZANDO
ALGORITMOS GENTICOS
So Paulo
2001
FICHA CATALOGRFICA
Silva, Elivaldo Elenildo da
Otimizao
de
estruturas
de
concreto
utilizando algoritmos genticos. So Paulo, 2001.
131 p. + Anexos
Dissertao
(Mestrado)
Universidade de So Paulo.
de Estruturas e Fundaes.
armado
- Escola Politcnica da
Departamento de Engenharia
A Deus,
Aos meus Pais, Elenildo e Josefa,
s minhas Irms, Edilza e Noelisa,
A Karina Moreira
So Francisco de Assis
AGRADECIMENTOS
Ao Prof. Dr. Paulo de Mattos Pimenta, pela orientao brilhante e pelo apoio na
execuo deste trabalho,
Ao Prof. Dr. Ricardo Leopoldo Frana, por sua dedicao ao ensino de Concreto Armado
e pelo perodo de orientao,
Aos Professores do PEF (Departamento de Estruturas e Fundaes) da EPUSP (Escola
Politcnica da Universidade de So Paulo), cuja troca de idias em muito enriqueceu este
trabalho,
Aos funcionrios do PEF, em especial Marly, pelas palavras amigas e pelo apoio,
Aos meus colegas do Curso de Graduao pelo incentivo e apoio em minha deciso,
Aos
grandes
amigos
Jamilton
Lopes
Pacheco
Evandro
Rossi
Dasambiagio
pela
momentos difceis,
A
CAPES, pela concesso de uma bolsa de Mestrado durante estes dois anos de
trabalho.
R E SU M O
ABSTRACT
C o n te d o
C ONTEDO
1. Introduo
1.1. Introduo..........................................................................................................
1.2. Objetivos............................................................................................................
2.1. Notao..............................................................................................................
2.1.1. Vetores............................................................................................................
2.1.2. Matrizes..........................................................................................................
2.1.5. Convexidade...................................................................................................
10
10
11
12
12
14
15
15
16
17
3. Programao Matemtica
18
3.1. Introduo..........................................................................................................
19
19
22
23
24
24
26
27
C o n te d o
ii
29
31
31
33
35
36
36
38
38
39
39
40
40
4. Algoritmos Genticos
42
4.1. Introduo..........................................................................................................
43
4.2. Histrico............................................................................................................
45
47
49
49
52
53
53
54
55
55
4.8.2. As Restries..................................................................................................
56
58
59
59
60
60
61
61
4.8.9.1.1. Ordenamento.............................................................................................
61
C o n te d o
iii
62
63
64
64
65
4.8.10.1.1. Cruzamento.............................................................................................
65
65
66
66
4.8.10.1.2. Mutao..................................................................................................
67
4.8.10.1.3. Elitismo...................................................................................................
68
69
69
69
70
70
71
71
72
72
4.12.1. Hibridizao.................................................................................................
72
72
5. Anlise Estrutural
74
5.1. Introduo..........................................................................................................
75
77
79
80
80
82
83
84
85
85
86
C o n te d o
iv
86
87
5.5.1. Ao..................................................................................................................
87
5.5.2. Concreto..........................................................................................................
5.6. Flexo Composta Oblqua - FCO......................................................................
88
90
91
93
96
96
98
98
99
99
99
99
89
104
C o n te d o
124
Captulo 1 Introduo
CAPTULO 1
INTRODUO
este
captulo
dos demais captulos desta dissertao. Encontram-se tambm indicados para cada um
dos captulos uma bibliografia bsica que estar representada entre colchetes com a
seguinte notao [ Letra Nmero ] .
Captulo 1 Introduo
1.1. INTRODUO
Nos ltimos anos, o mercado competitivo criado entre as empresas de engenharia
aumentou a preocupao com a reduo de custos dos empreendimentos. Atualmente a
otimizao de estruturas tem se mostrado uma ferramenta importante para tornar as
empresas mais competitivas num mercado globalizado. A otimizao pode ser entendida
como
uma
maneira
hbil
de
se
identificar
(AGs)
no
so
melhor
soluo
dentre
as
inmeras
disponveis.
Algoritmos
otimizao,
eles
Genticos
exploram
com
eficincia
simples
informaes
que
algoritmos
serviro
aleatrios
para
de
auxiliar na
programao.
A otimizao de estruturas com adequao s caractersticas prticas de projeto
hoje algo com um grande potencial para ser aplicado nos escritrios de clculo. O
processamento
completo
de
estruturas
utilizando
AGs
bastante
dispendioso
Captulo 1 Introduo
de mnimo custo por exemplo, pode-se buscar a estrutura tima dentre as diversas
combinaes possveis. Partindo-se de uma populao inicial de estruturas, o computador
passa a fazer todas as verificaes necessrias, criando novas populaes a partir da
gerao anterior at obter, entre seus indivduos, a estrutura que possui o menor custo.
1.2. OBJETIVOS
Os objetivos que se pretende alcanar ao longo deste trabalho podem ser descritos
como :
Estudo
detalhado
dos
Algoritmos
Genticos,
visando
conhecer
suas
Comparar
os
resultados
obtidos
pelo
programa
com
os
obtidos
da
forma
convencional.
Captulo 1 Introduo
[S-1], [W-1]), e seus principais aspectos e caractersticas que o tornaram uma ferramenta
de busca e otimizao bastante promissora para a soluo de uma vasta gama de
aplicaes. Sero tambm mostradas as diversas operaes utilizadas pelos Algoritmos
Genticos. Para cada um destes processos ser dado um exemplo para tornar mais claro o
seu significado.
No Captulo 5 sero apresentados alguns conceitos da anlise de estruturas
reticuladas e tambm a verificao de estruturas de concreto armado. Como o enfoque
principal desta dissertao ser a Otimizao de Estruturas de Concreto Armado, neste
captulo haver um breve resumo dos tpicos que sero abordados nos exemplos de
validao do captulo seguinte.
Tpicos abordados neste captulo:
Materiais Empregados;
Aspectos sobre a verificao de estruturas de Concreto Armado ([F-4], [L-2], [M1], [P-1]): Estado Limite ltimo (ELU) e Estado Limite de Servio (ELS);
Para validar a implementao feita, no Captulo 6 so apresentadas algumas
eficincia
dos
processos
utilizados.
Neste
captulo
tambm
feita
uma
comparao entre um projeto feito da forma convencional com o mesmo feito totalmente
pelo programa implementado.
Os
exemplos
apresentados
neste
captulo
serviro
como
validao
para
os
Captulo 1 Introduo
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
C A P T U L O 2
E L E M E N T O S D E M A T E M T IC A A P L IC A D A
ap resentad o s
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
2.1 . N O T A O
N este cap tu lo sero intro d u zid o s o s co nceito s m atem tico s b sico s p ara veto res,
m atrizes, fu n es reais d e vrias variveis, fu n es veto riais, co nvexid ad e, m nim o s d e
fu n es e o tim izao . C ad a u m d o s co nceito s ser ab o rd ad o d e fo rm a rp id a, tend o
ap enas a fu no d e fam iliarizar o leito r co m a no tao q u e ser u tilizad a no s d em ais
cap tu lo s d esta d issertao .
2.1.1 . V E T O R E S
U m veto r em n ser ind icad o p o r
x1
x
2
x = ,
xn
o nd e xi p ara i = 1,2,
x y = xi yi = x T y .
i =1
(x
2
1
+ x22 +
{x1 , x 2 ,
(L I)
se
+ xn2 =
xT x .
, xm } , o nd e xi p ara i=1,2,
a1 x1 + a2 x2 +
+ am xm = 0
,m , so
im p licar
em
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
U sa-se a no tao
0, se x 0
x =
.
x, se x 0
A m esm a d efinio
2.1.2 . M A T R IZ E S
U m a m atriz em mn ser ind icad a p o r
a11 a12
a
a22
A = 21
am1 am 2
a1n
a2 n
= a ,
ij
amn
i.
ii. I
aij = 1 se i = j
: m atriz id entid ad e, o nd e:
aij = 0 se i j
aij = a ji p ara to d o i e j
x T A x 0 x n
vii. D efine-se p o r det( A) o d eterm inante d a m atriz A , cu jo algo ritm o d e clcu lo ser
ap resentad o p o sterio rm ente.
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
2.1.3 . F U N O R E A L D E V R IA S V A R I V E IS
A s fu n es q u e sero tratad as nesta d issertao so d efinid as nu m co nju nto
n e assu m em valo res em , isto , f : .
O veto r d as d erivad as p arciais d e f ( x ) em u m p o nto x , d eno m inad o d e veto r
grad iente e ser ind icad o p o r
f ( x )
x1
f ( x )
f ( x )
= f ( x ) =
= x2 .
xi
f ( x )
xn
2 f ( x )
x1 x1
2 f ( x )
2
f
x
(
)
= 2 f ( x ) =
= x2 x1
xi x j
2 f ( x )
xn x1
2 f ( x )
x1 x2
2 f ( x )
x2 x2
2 f ( x )
xn x2
2 f ( x )
x1 xn
2 f ( x )
x2 xn .
2
f (x)
xn xn
2.1.4 . F U N O V E T O R IA L
O co nju nto d e vrias fu n es a valo res reais f1 , f 2 ,
, f m em n , p o d e ser visto
f2 ( x )
f m ( x ) .
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
10
f1 ( x )
x1
f ( x )
fi ( x ) 2
= f ( x ) =
= x1
x j
f n ( x )
x1
f1 ( x )
x2
f 2 ( x )
x2
f n ( x )
x2
f1 ( x )
xn
f 2 ( x )
xn .
f n ( x )
xn
2.1.5 . C O N V E X ID A D E
D iz-se q u e u m co nju nto no vazio em n co nvexo se p ara d o is p o nto s
q u aisq u er x1 , x2 o p o nto x1 + (1 ) x2 , p ara to d o 0 1
U m a fu no real f ( x ) d efinid a em u m co nju nto co nvexo em n , d iz-se
co nvexa se p ara d o is p o nto s q u aisq u er x1 , x2 e q u alq u er real, 0 1 tem -se
f ( x1 + (1 ) x2 ) f ( x1 ) + (1 ) f ( x2 ) .
2.1.6 . M N IM O L O C A L E M N IM O G L O B A L
N o s p ro cesso d e m inim izao d e fu n es p o d em o s o b ter co m o so lu o d o s
p ro b lem as, d iverso s tip o s d e p o nto s d e m nim o . A b aixo esto d escrito s d e fo rm a b astante
su cinta estes d iferentes tip o s.
T ip o s d e P o nto s d e M nim o :
o M nim o L o cal: x *
S e nu m a vizinhana ab erta d e x * , a (x * ,r) f(x) f(x * ) x a (x * ,r)
o M nim o L o cal E strito : x *
S e nu m a vizinhana ab erta d e x * , a (x * ,r) f(x) > f(x * ) x a (x * ,r) e
x x*
o M nim o G lo b al: x *
S e nu m a vizinhana ab erta d e x * , a (x * ,r) f(x) f(x * ) x
o M nim o G lo b al E strito : x *
S e nu m a vizinhana ab erta d e x * , a (x * ,r) f(x)> f(x * ) x e x x *
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
11
2.2 . S IST E M A S D E E Q U A E S L IN E A R E S
D efini-se co m o E q u ao L inear s eq u a es d o tip o
ax = b x =
b
,a 0.
a
x = A 1 b , det ( A ) 0 , o nd e A
u m a m atriz q u ad rad a n x n .
P o d e-se tam b m escrever u m S istem a d e E q u a es L ineares d a segu inte fo rm a
a11 x1 + a12 x2 +
a x + a x +
21 1 22 2
an1 x1 + an 2 x2 +
+ a1n xn = b1
+ a2 n xn = b2
+ ann xn = bn
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
12
2.2.1 . M T O D O S D IR E T O S
O s M to d o s D ireto s d e so lu o d e sistem as d e eq u a es lineares sero
ap resentad o s d e fo rm a b astante resu m id a. M ais d etalhes so b re tais m to d o s p o d em ser
enco ntrad as em ([R -1 ], [D -2 ]). A p resentarem o s aq u i ap enas d o is d estes m to d o s:
M to d o d e C ro u t e o M to d o d e C ho leski.
2.2.1.1. M T O D O D E C R O U T
O M to d o d e C ro u t co nsiste em fazer u m a d eco m p o sio d a m atriz A em trs
m atrizes L , D e U co m a segu inte p ro p ried ad e A = L D U .
A s m atrizes L , D e U so d efinid as co m o ,
a11 a12
a
a22
21
A=
an1
an ,n 1
1
l
21
L=
ln1
0
1
d11 0
0 d
22
D=
ln ,n 1
sem p re
d eterm inar
d nn
p o ssvel
a1n
an 1,n
ann
um a
1 u12
0 1
U =
d eco m p o sio
L D U
u1n
un 1,n
1
d esd e
que
i = j >1
k =1
u1 j =
a1 j
i = 1, j > i
d11
i 1
uij =
d ii
i > 1, j > i
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
l1 j =
13
ai1
d11
j = 1, i > j
j 1
lij =
S e a m atriz
j > 1, i > j
k =1
d jj
L = UT
e, p o rtanto ,
i = j >1
k =1
a1 j
u1 j =
i = 1, j > i .
d11
i 1
uij =
i > 1, j > i
k =1
dii
yi = bi lik yk .
k =1
D z = y q u e facilm ente
yi
.
dii
ik
xk .
k = i +1
det ( A ) = det ( D ) = d kk .
k =1
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
14
2.2.1.2. M T O D O D E C H O L E SK I
O M to d o d e C ho leski s p o d e ser u tilizad o p ara reso lu o d e sistem as d e
eq u a es lineares, q u and o a m atriz A fo r sim trica e d efinid a p o sitiva.
P ara a reso lu o d o sistem a d e eq u a es lineares A x = b p elo M to d o d e
C ho leski, d evem o s d eco m p o r a m atriz A d a segu inte fo rm a A = C T C .
D esta fo rm a o sistem a d e eq u a es fica d escrito p ela eq u ao C T C x = b , co m
C = D 2 U , o nd e
1
a1 j
i = 1, j > i
c11
i 1
i = j >1
k =1
i 1
cij =
k =1
cii
dij = (cij )
i= j
uij = 1
i= j
uij =
cij
i< j
dii
yi =
bi cki yk
k =1
cii
xi =
yi
k = i +1
cii
ik
xk
.
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
15
2.2.2 . M T O D O S I N D IR E T O S
D a m esm a fo rm a q u e no s m to d o s d ireto s d e so lu o d e sistem as d e eq u a es
lineares ap resentarem o s ap enas d o is m to d o s ind ireto s d e reso lu o : M to d o d e Jaco b i e
o M to d o d e G au ss-S eid el. M ais d etalhes so b re estes m to d o s e so b re o s d em ais m to d o s
d e reso lu o p o d em ser enco ntrad o s em ([R -1 ], [D -2 ]).
2.2.2 .1 M T O D O D E J A C O B I
O M to d o d e Jaco b i co nsiste na d eco m p o sio d a m atriz A na so m a d e trs
m atrizes L , D e U o nd e L u m a m atriz triangu lar inferio r d e d iago nal nu la, D u m a
m atriz d iago nal e U u m a m atriz triangu lar su p erio r d e d iago nal nu la, to d as o b tid as a
p artir d a m atriz A d a segu inte fo rm a
D x = b (L + U ) x
A = L + D +U
0
a
21
L=
an1
0
0
an, n 1
a11 0
0 a
22
D=
0
ann
0 a12
0 0
U =
0
a1n
an 1,n
0
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
16
1
,
d ii
2.2.2.2. M T O D O D E G A U SS -S E ID E L
O M to d o d e G au ss-S eid el co nsiste na d eco m p o sio d a m atriz A na so m a d e
trs m atrizes L , D e U o nd e L u m a m atriz triangu lar inferio r d e d iago nal nu la, D
u m a m atriz d iago nal e U u m a m atriz triangu lar su p erio r d e d iago nal nu la, to d as
o b tid as a p artir d a m atriz A d a segu inte fo rm a
A x = b
A = L + D +U
0
a
21
L=
an1
0
0
an, n 1
(L + D) x = b U x
a11 0
0 a
22
D=
0
ann
0 a12
0 0
U =
0
a1n
an 1,n
0
C a p tu lo 2 E le m e n to s d e M a te m tic a A p lic a d a
17
2.3. S IST E M A S D E E Q U A E S N O -L IN E A R E S
P ara so lu o d e sistem as d e eq u a es no -lineares, ap resenta-se ap enas o M to d o
d e N ew to n. O u tro s m to d o s d e reso lu o d e sistem as no -lineares p o d em ser visto s em
[D -2 ].
Solucionar
x n
tru ncand o -a no term o d e p rim eira o rd em , o b tem o s a segu inte exp resso ap ro xim ad a
( )
( )(
f ( x ) f x k + f x k x x k .
O M to d o d e N ew to n iterativo , o u seja no d eco rrer d o p ro b lem a gerad a u m a
seq ncia d e p o nto s a p artir d e u m p o nto inicial x 0 . N a k-sim a iterao , o p o nto x k +1
gerad o a p artir d o p o nto anterio r x k p ela fu no
x k +1 = x k
( )
f xk .
x*
x2
x1
x0
k +1
=x
k
( )
f (x )
f xk
C a p tu lo 3 P r o g r a m a o M a te m tic a
18
C A P T U L O 3
P R O G R A M A O M A T E M T IC A
V m a is lo n g e a g a ivo ta q u e vo a m a is a lto
R ich a rd B a ch
C a p tu lo 3 P r o g r a m a o M a te m tic a
19
3.1. I N T R O D U O
A P ro gram ao M atem tica trata d o estu d o d o s p ro b lem as d e o tim izao ju nto co m a
d eterm inao d o algo ritm o m ais ad eq u ad o p ara su a so lu o . P ara isso necessrio u m estu d o
d a estru tu ra d e cad a u m d esses m to d o s visand o u m m elho r entend im ento d o s p ro cesso s
m atem tico s envo lvid o s.
E nco ntrar a so lu o d e u m p ro b lem a d e o tim izao significa d esco b rir o (s) p o nto (s)
d e m xim o o u d e m nim o d a fu no q u e o d escreve. E sse p ro cesso envo lve co nceito s e
d efini es largam ente em p regad o s p ela literatu ra e q u e, p o rtanto , sero ap resentad o s a segu ir.
D efine-se o P ro b lem a C lssico d e O tim izao d a segu inte fo rm a
Minimizar
Sujeito a
f (x)
g ( x ) = 0
g ( x ) = 0
x
o nd e I o co nju nto d e nd ices co m restri es d e co m p o rtam ento , D o co nju nto d e nd ices
co m restri es laterais e x * d eno m inad o d e so lu o o u p o nto tim o .
S e u m p o nto x o b ed ece s co nd i es d e restrio ele d ito u m p o nto vivel e o
co nju nto d e to d o s o s p o nto s viveis d eno m inad o d e regio vivel.
A d m ite-se q u e a fu no f ( x ) seja co ntnu a e p o ssu a d erivad as p arciais co ntnu as at
segu nd a o rd em e as fu n es
3.2. D E F IN I E S B SIC A S - T E R M IN O L O G IA
V a ri veis d e P ro jeto : A s variveis d e p ro jeto so aq u elas q u e se alteram d u rante o
p ro cesso d e o tim izao . E las p o d em ser co ntnu as (reais), inteiras o u d iscretas
(valo res co m p reend id o s d entro d e u m certo co nju nto fixo ).
D e u m p o nto d e vista fsico , as variveis d e p ro jeto p o d em rep resentar as segu intes
info rm a es so b re a estru tu ra:
o P ro p ried ad es m ecnicas o u fsicas d o m aterial;
o A to p o lo gia d a estru tu ra, isto , o p ad ro d e co nexo d o s elem ento s o u o
n m ero d e elem ento s nu m a estru tu ra;
C a p tu lo 3 P r o g r a m a o M a te m tic a
20
, xn ) , fo rm ad o p elas
C a p tu lo 3 P r o g r a m a o M a te m tic a
21
ap arecend o co m
o o b jetivo d e m aio r
C a p tu lo 3 P r o g r a m a o M a te m tic a
PROGRAMAO LINEAR
22
MTODO SIMPLEX
MTODO DE FIBONACCI
MTODO DA SEO
UREA (GOLDEN SECTION)
DIRETAS
MTODOS
UNIDIMENSIONAIS
REDUO SUCESSIVAS
DE INTERVALOS
APROXIMAO
PARA POLINMIOS
MTODO DSC-POWELL
MTODO DA BISSEO
MTODO DA SECANTE
MTODO DE NEWTON
MINIMIZAO
SEM
RESTRIO
HOOKE e JEEVES
ROSEMBROCK
POWELL (Direes conjugadas)
NELDER
MTODOS
MULTIDIMENSIONAIS
PROGRAMAO
NO-LINEAR
MTODOS DAS
PENALIDADES
MINIMIZAO
COM
RESTRIO
MTODOS
DAS
BARREIRAS
MTODOS DAS
DIREES VIVEIS
3.3. A L G O R IT M O S D E P R O G R A M A O M A T E M T IC A
D ep end end o d o tip o d e p ro b lem a d e o tim izao , o u seja, linear o u no -linear, co m o u
sem restri es, ap lica-se d iferentes m to d o s d e p ro gram ao m atem tica p ara reso lv-lo s.
O s m to d o s fo ram d esenvo lvid o s d e fo rm a a agru p ar o s p ro b lem as em fu no d a
fo rm a d a fu no o b jetivo e d as restri es d o p ro b lem a. A ssim , q u anto s restri es d o s
p ro b lem as, irem o s su b d ivid ir o s m to d o s ap resentad o s em trs gru p o s:
1 . M to d o s co m R estri es d e Igu ald ad e
2 . M to d o s co m R estri es d e D esigu ald ad e
3 . M to d o s co m R estri es M istas.
C a p tu lo 3 P r o g r a m a o M a te m tic a
23
N o s ltim o s ano s estes p ro cesso s d e o tim izao tm sid o u tilizad o s em d iversas reas.
E m fu no d o avano co m p u tacio nal, as em p resas tm b u scad o cad a vez m ais u tilizar estas
ferram entas p ara m axim izar lu cro s e m inim izar cu sto s d e p ro cesso s d e p ro d u o , to rnand o
d esta fo rm a a o tim izao u m a rea d e p esq u isa b astante p ro m isso ra.
C o m o a m aio r p arte d o s p ro b lem as d e o tim izao reso lvid a p o r m eio d e
co m p u tad o res e o s p ro b lem as gerad o s so cad a vez m aio res, d eve-se p ro cu rar algo ritm o s
cad a vez m ais eficientes p ara su a so lu o . N este trab alho so ap resentad o s algu ns d o s
algo ritm o s existentes na literatu ra. C o m o se ver a segu ir so visto s m ais d etalhad am ente
ap enas o s algo ritm o s d e p ro gram ao no -linear.
3.3.1. P R O G R A M A O L IN E A R
A p ro gram ao linear est ligad a a so lu o d e u m tip o m u ito esp ecial d e p ro b lem a
aq u ele no q u al to d as as rela es entre as variveis so lineares, tanto nas restri es co m o na
fu no a ser o tim izad a (fu no o b jetivo ).
P o d e-se d efinir o p ro b lem a geral d a P ro gram ao L inear d a segu inte fo rm a, d ad o u m
co nju nto d e m d esigu ald ad es o u eq u a es lineares em r variveis, q u erem o s d eterm inar
valo res no negativo s d essas variveis q u e satisfaro as restri es e m inim izaro algu m a
fu no linear d as variveis.
f (x)
Sujeito a A x = b
ou A x b
ou A x b
xj 0
.
j = 1 q
C a p tu lo 3 P r o g r a m a o M a te m tic a
24
M to d o S im p lex G eneralizad o
M to d o S im p lex R evisad o
co m u m , no em p rego d o m to d o , a transfo rm ao d o p ro b lem a a ser reso lvid o nu m a
fo rm a co nhecid a co m o fo rm a p ad ro , q u e intro d u z variveis d e fo lga nas restri es d e
d esigu ald ad e p ara o b ter-se so m ente restri es d e igu ald ad e, alm d e variveis artificiais nas
restri es o riginalm ente d e igu ald ad e.
Q u and o se tem variveis d e p ro jeto q u e ad m itam valo res negativo s, transfo rm am -se
as m esm as p ela so m a d e valo res alto s, o b jetivand o -se trab alhar co m to d as as variveis
p o sitivas, o q u e m elho ra a co nvergncia co m p u tacio nal d o m to d o .
M ais d etalhes so b re o M to d o S im p lex
p o d em ser
o b tid o s nas
referencias [F -2 ],
3.3.2. P R O G R A M A O N O -L IN E A R
A P ro gram ao N o -L inear trata d o s p ro b lem as o nd e, o u a fu no o b jetivo o u algu m a
d as restri es so fu n es no -lineares d as variveis d e p ro jeto . O s p ro b lem as se d ivid em em
restrito s o u no -restrito s e u ni o u m u ltid im ensio nais, o nd e p ara cad a caso h u m a eno rm id ad e
d e m to d o s ap licveis, algu ns d eles ap resentad o s na classificao geral d o s m to d o s d e
P ro gram ao M atem tica anterio rm ente exib id a na F igu ra 3 - 1 .
O s m to d o s d e P ro gram ao N o -L inear sero aq u i su b d ivid id o s d a segu inte fo rm a:
1 . O tim izao sem R estri es
2 . O tim izao co m R estri es
d k , o nd e x o veto r d as
a iterao co rrente.
A diferena bsica entre os diversos algoritmos de soluo de problemas de
otimizao consiste na estratgia empregada para obteno do vetor d k , correspondente s
sucessivas direes de busca. Entre os vrios mtodos existentes para soluo de problemas
de Programao No-Linear sem restries, alguns necessitam apenas informaes sobre o
C a p tu lo 3 P r o g r a m a o M a te m tic a
25
valor da funo, outros, alm do valor da funo, utilizam a primeira derivada; e h ainda os
que utilizam a segunda derivada. Estes mtodos so denominados mtodos de ordem zero,
um e dois, respectivamente. Inmeros so os mtodos empregveis a esta classe de
problemas, dentre os quais: Gradiente, Newton e Quase-Newton [F-1].
x n
necessria
f ( x * ) = 0
de
p rim eira
o rd em
f ( x * ) = 0 ,
send o
f ( x * ) = 0
2 ) C o nd io necessria d e segu nd a o rd em :
T
2
*
d 0
d f ( x ) d 0
f ( x * ) = 0
3 ) C o nd io su ficiente d e segu nd a o rd em :
T
2
*
d 0
d f ( x ) d > 0
C a p tu lo 3 P r o g r a m a o M a te m tic a
26
3.3.2.1.1. M T O D O D E N E W T O N -R A PH SO N
C o sid ere-se o p ro b lem a d e o tim izao d ad o p o r
Minimizar
f (x)
x n ,
f (x) = 0
x n
e
f : n ,
o nd e f ( x ) co ntnu a co m d erivad as p arciais co ntnu as at a segu nd a o rd em .
E xp and ind o a fu no f ( x ) em srie d e T aylo r em to rno d o p o nto x k e tru ncand o -a
no term o d e p rim eira o rd em , o b tm -se q u e
f ( x ) f ( x k ) + f ( x k ) ( x x k ) ,
d esta fo rm a su b stitu ind o f ( x ) = 0 na eq u ao acim a, tem -se
x x k f ( x k ) f ( x k ) ,
1
2 f ( x* )
C a p tu lo 3 P r o g r a m a o M a te m tic a
27
p erto d a so lu o terem o s s k 1 .
O M to d o d e N ew to n co m b u sca u nid im ensio nal est esq u em aticam ente d escrito no
A n exo A no A lgo ritm o A -3 .3 e o algo ritm o d a B u sca U nid im ensio nal ap resentad o no A n exo
A no A lgo ritm o A -3 .2 .
3.3.2.1.2. M T O D O Q U A SE -N E W T O N (B F G S )
S eja o p ro b lem a d e o tim izao d ad o p o r
Minimizar
f (x)
x n ,
k +1
= f
(!
k +1
) f ( ! )
k
C a p tu lo 3 P r o g r a m a o M a te m tic a
28
d efinid a p o r
Bk "
=#
) % &
(' ) &
k T
k T
( ' k )T & k
(&
) % + % & (' )
(' ) &
k T
k T
Bk = I + (
()
) ) *
k T
k 1
(+
+,
(-
k T
),
k T
C a p tu lo 3 P r o g r a m a o M a te m tic a
o nd e
0 .
s k k k
=
.
f ( x k 1 ) k
. 0
29
+ k f
k 1
dk = I + /
) ) 3
(1
k T
k 1
(4
+1
(/
) f ( 2
k T
).
3.3.2.1.3. M T O D O Q U A SE -N E W T O N (D F P )
F o ram p ro p o stas d iversas fo rm u las p ara atu alizao d a m atriz H essiana, o u tra fo rm u la
b astante u tilizad a ser ap resentad a a segu ir e fo i p ro p o sta p o r D avid o n, F letcher e P o w ell
(D F P ).
A atu alizao d a m atriz H essiana neste caso feita d a segu inte fo rm a
k +1
=B +
k
.
0
( )
k T
k T
k
) 3
0
0
( ) 3
k T
k T
Hk
C a p tu lo 3 P r o g r a m a o M a te m tic a
k +1
H DFP
(5
= H + 1 +
k T
8
7
( )
k T
k +1
BFGS
30
=H +
k
8 k ( 7 k )T 8
( 8 k )T 7 k
k T
k T
8
7
( )
k T
8
7
( )
k T
7
6
( )
k T
k T
k
k
k
k
k T
o u seja,
k +1
k +1
BBFGS
H BFGS
=I
k +1
k +1
BDFP
H DFP
=I.
8 1 :
9 8
1 7
8
o b tend o d esta fo rm a a so lu o
d o p ro b lem a;
o P reserva-se as co nd i es d o M to d o Q u ase-N ew to n;
o O s m to d o s geram d ire es co nju gad as e grad ientes co nju gad o s q u and o
B=I;
C a p tu lo 3 P r o g r a m a o M a te m tic a
31
3.3.2.2. O T IM IZ A O C O M R E ST R I E S
O s m to d o s d e o tim izao co m restri es b u scam d escrever o p ro b lem a d e fo rm a a
transfo rm a-lo em u m p ro b lem a d e o tim izao sem restri es, send o d esta fo rm a p o ssvel
reso lver o s m esm o s co m o s m to d o s anterio rm ente ap resentad o s.
C o nsid ere-se o p ro b lem a geral d e o tim izao co m restri es d a fo rm a
Minimizar
Sujeito a
f (x)
g i ( x ) = 0, i = 1 ; m
g j ( x ) 0,
j = 1; q
x n
= x gi ( x ) = 0, i = 1 ; m e g j ( x ) 0,
o nd e
j = 1; q
3.3.2.2.1. O T IM IZ A O C O M R E ST R I E S D E I G U A L D A D E
C o nsid ere-se o p ro b lem a geral d e o tim izao co m restri es d e igu ald ad e d a fo rm a
Minimizar
Sujeito a
f (x)
g i ( x ) = 0, i = 1 ; m
x n
= x gi ( x ) = 0, i = 1 ; m
<
<
x + ;
C a p tu lo 3 P r o g r a m a o M a te m tic a
32
d T f ( x * ) < 0
T
*
d f ( x ) < 0
i = 1= m ;
T
*
d f ( x ) < 0
i = 1= m
i* co m i = 1 = m , tais q u e
i =1
d e L agrange;
D eno m ina-se d e F u no L agrangiana a fu no d efinid a p o r
L ( x, >
)= f
(? ) g (? ) ;
m
i =1
i =1
(x ,> )
*
) = 0 , co m
seja u m p o nto
= x.
C a p tu lo 3 P r o g r a m a o M a te m tic a
33
3.3.2.2.1.1. M T O D O D O L A G R A N G IA N O
C o nsid ere-se o segu inte p ro b lem a geral d e o tim izao co m restri es d e igu ald ad e d a
segu inte fo rm a
Minimizar
Sujeito a
f (x)
i = 1@ m
gi ( x ) = 0
x n
co m a fu no f ( x ) co ntnu a e co m d erivad as p arciais co ntnu as at a segu nd a o rd em e a(s)
fu no ( es) gi ( x ) co ntnu a(s) e co m d erivad as p arciais co ntnu as at a p rim eira o rd em .
A co nd io necessria d e p rim eira o rd em p ara q u e o p o nto
estacio nrio d a F u no L agrangiana co m o fo i visto na seo anterio r
L ( x, D
( x , A ) seja p o nto
L ( x , A ) = 0 , o nd e
) = f (E ) B i C i (E ) .
i
m
=1
i =1
e
g1 ( x * )
g ( x )
f2 ( x* ) = 2 F
=0,
*
g m ( x )
lo go o sistem a acim a p o d e ser rep resentad o p o r
m
*
*
*
+
x
f
( ) i gi ( x )
i =1
f1
x
g1 ( )
t ( x, G ) =
= =H
I
f2
g m ( x )
k +1
x
= t ( x k , J
J
t (K
,J
),
C a p tu lo 3 P r o g r a m a o M a te m tic a
34
) M
= t ( N
,O
),
o nd e d k e
t ( x k , O
so
k +1
x
O
f1
x
t ( x k , O k ) =
f 2
x
f1
O
.
f 2
O
k
x
+
ik 2 g i ( x k ) g ( x k )
f
(
)
i =1
t ( x k , O k ) =
g ( x k )
0
P ara reso lver o sistem a d e eq u a es acim a d escrito ser necessrio inverter a m atriz
t ( x k , O
),
B = g ( x k ) .
i =1
)o
D e E d e fo rm a q u e
A
BT
B C
O D T
D I O
.
=
E O I
D = A1 B ( BT A1 B ) e
1
E = ( B T A1 B ) .
1
d1
C
d = DT
D f1
,
E f 2
k
d 2 = ( BT A1 B ) BT A1 f1 + f2
1
C a p tu lo 3 P r o g r a m a o M a te m tic a
35
3.3.2.2.1.2. M T O D O D A P E N A L ID A D E
O M to d o d a P enalid ad e tem co m o id ia b sica transfo rm ar o p ro b lem a d e o tim izao
co m restri es d e igu ald ad e em u m p ro b lem a sem restri es.
A id ia m o ntar u m a F u no d e P enalid ad e na q u al se co m b inam a fu no o b jetivo
f ( x ) co m as restri es gi ( x ) p o ssib ilitand o d esta fo rm a a m inim izao d e
f ( x ) ao
i =1
C a p tu lo 3 P r o g r a m a o M a te m tic a
36
3.3.2.2.1.3. M T O D O D O L A G R A N G IA N O A U M E N T A D O
O M to d o d o L agrangiano A u m entad o (M L A ) co nsiste em reso lver u m a srie d e
p ro b lem as d e m inim izao sem restri es. E le u tiliza a id ia d o M to d o d o L agrangiano
d escrito no item 3 .3 .2 .2 .1 .1 acrescentand o na F u no L agrangiana u m term o a m ais q u e
p enaliza as restri es, o u seja, algo eq u ivalente ao M to d o d a P enalid ad e.
O L agrangiano A u m entad o d o p ro b lem a d efinid o d a segu inte fo rm a
A ( x, Q , ) = f
i =1
i =1
( R ) + i g i ( R ) + g i2 ( R ) ,
2
at atingir a co nvergncia.
A atu alizao d o s M u ltip licad o res d e L agrange p o d e ser feita p ela segu inte eq u ao
k +1
=Q
+ g (R
).
3.3.2.2.2. O T IM IZ A O C O M R E ST R I E S D E D E SIG U A L D A D E
C o nsid ere-se o p ro b lem a geral d e o tim izao co m restri es d e d esigu ald ad e d a
fo rm a segu inte
Minimizar
Sujeito a
f (x)
g j ( x ) 0,
j = 1S q
x n
= x g j ( x ) 0,
j = 1S q
C a p tu lo 3 P r o g r a m a o M a te m tic a
o nd e
37
j =1
g j ( x* ) 0
*
j
*
j
g j ( x* ) =
j = 1W q
j tal q u e g j ( x* ) = 0 . E nto , as co nd i es
j =1
g j ( x* ) = 0
g j ( x* ) < 0
*
j
*
j
j ( x* )
j ( x* )
Y[ q
j (x )
j=
su b co nju nto d as restri es, e efetu ar u m a m inim izao so b restri es d e igu ald ad e p ara este
co nju nto . S e este p o nto no satisfizer as co nd i es d o p ro b lem a, feita u m a atu alizao d o
co nju nto d e trab alho e em segu id a calcu la-se o no vo p o nto . Q u and o a so lu o fo r o b tid a, o
co nju nto d e trab alho p assa a ser o co nju nto ativo co rreto ( x* ) .
D entre o s vrio s m to d o s existentes sero aq u i ap resentad o s ap enas d o is q u e so :
o M to d o d a P enalid ad e
o M to d o d o L agrangiano A u m entad o
C a p tu lo 3 P r o g r a m a o M a te m tic a
38
3.3.2.2.2.1. M T O D O D A P E N A L ID A D E
N o caso d e p ro b lem as co m restri es d e igu ald ad e, p ara o b term o s u m p o nto q u e
satisfaa s co nd i es necessrias d o p ro b lem a d e o tim izao co m restri es d e d esigu ald ad e
anterio rm ente
ap resentad as,
b asta
reso lverm o s
um
sistem a
no -linear
de
eq u a es.
q
1
P ( x, ) = f ( x ) + g j ( x ) ,
2
j =1
fu no
3.3.2.2.2.2. M T O D O D O L A G R A N G IA N O A U M E N T A D O
D a m esm a fo rm a q u e no M to d o d a P enalid ad e sero feitas algu m as altera es no
fu ncio nal A ( x, \ , ) resu ltand o a eq u ao
A ( x, \ , ) = f
o nd e
(] ) +
j =1
j g j (]
q
1
+ g j (]
j =1 2
so o s
\
O
k +1
+ g (]
restri es d e
C a p tu lo 3 P r o g r a m a o M a te m tic a
39
3.3.2.2.3. O T IM IZ A O C O M R E ST R I E S M IST A S
Q u and o falam o s em o tim izao co m restri es m istas estam o s no s referind o ao
p ro b lem a geral d a P ro gram ao M atem tica. O s m to d o s ap resentad o s a segu ir p o d em ser
u tilizad o s p ara reso lu o d e to d o s o s p ro b lem as anterio rm ente ap resentad o s.
D entre d este co ntexto sero aq u i ap resentad o s ap enas d o is m to d o s q u e so :
o M to d o d a P enalid ad e
o M to d o d o L agrangiano A u m entad o
3.3.2.2.3.1. M T O D O D A P E N A L ID A D E
C o nsid ere-se o segu inte p ro b lem a geral d e o tim izao d efinid o d a segu inte fo rm a
f (x)
Minimizar
Sujeito a
gi ( x ) = 0 i = 1 ^ m
g j (x) 0
j = 1^ q
x n
o nd e a fu no f ( x ) co ntnu a e co m d erivad as p arciais co ntnu as at segu nd a o rd em e as
fu n es gi ( x ) e g j ( x ) so co ntnu as e co m d erivad as p arciais co ntnu as at p rim eira
o rd em .
A F u no d e P enalid ad e d o p ro b lem a geral p o d e ser escrita d a segu inte fo rm a
q
m
1
1
P ( x , ) = f ( x ) + g i2 ( x ) + g j ( x )
2
2
i =1
j =1
C a p tu lo 3 P r o g r a m a o M a te m tic a
40
3.3.2.2.3.2. M T O D O D O L A G R A N G IA N O A U M E N T A D O
C o nsid ere-se o segu inte p ro b lem a geral d e o tim izao d efinid o d a segu inte fo rm a
f (x)
Minimizar
gi ( x ) = 0
Sujeito a
i = 1_ m
j = 1_ q
g j (x) 0
x n
o nd e a fu no f ( x ) co ntnu a e co m d erivad as p arciais co ntnu as at segu nd a o rd em e as
fu n es gi ( x ) e g j ( x ) co ntnu as e co m d erivad as p arciais co ntnu as at p rim eira o rd em .
A fu no d o L agrangiano A u m entad o p ara o p ro b lem a p o d e ser escrita d a segu inte
fo rm a
o nd e
a i2 ( c ) + `
( c ) + `:
i a i (c ) +
2
A ( x, b , ) = f
i =1
i =1
j =1
a (c ) + 1 a ( c )
2
j
j =1
b
b
k +1
k +1
=b
+ gi ( c
+ g j (c
3.3.3. P R O G R A M A O M U L T I -O B J E T IV O S
Em muitos problemas correntes, no se deseja alcanar to somente um objetivo, e
sim vrios deles. Um exemplo seria o projeto de uma ponte onde o projetista deseja
minimizar o peso da mesma e, ao mesmo tempo, maximizar as freqncias naturais de
vibrao. Ou num projeto de rodovia quando se tem por objetivos minimizar as distncias de
percurso, bem como os volumes de terras transportados.
C a p tu lo 3 P r o g r a m a o M a te m tic a
41
Desta maneira, uma vez que inmeros problemas do cotidiano apresentam mais de
um objetivo a serem perseguidos simultaneamente, surgiu a Programao com Multiobjetivos.
Em geral, qualquer modelo de programao clssica com apenas um objetivo e
vrias restries, pode ser modelado e resolvido empregando-se a tcnica para Multiobjetivos, contudo, muitas diferenas existem na formulao e conceitos entre estas duas
tcnicas de otimizao.
Um dos mtodos mais utilizados na programao com Multi-objetivos o Goal
Programming, que funciona verdadeiramente como um tomador de decises. As diferenas
entre as formulaes so to grandes que um problema de otimizao que sequer apresente
uma regio vivel e que, com tratamento clssico seria de impossvel resoluo, com o Goal
Programming obtm-se uma soluo. Embora esta soluo viole alguma ou algumas das
restries, ela ser a melhor soluo encontrada para aquelas metas estabelecidas.
42
CAPTULO 4
ALGORITMOS GENTICOS
uma ferramenta de busca e otimizao bastante promissora para uma vasta gama de
aplicaes.
Pretende-se tambm, mostrar as diversas operaes utilizadas pelos algoritmos
genticos no processo de otimizao. So descritos os parmetros de controle do
processo de otimizao, sua forma de codificao e de avaliao da funo objetivo.
Finalmente so feitos comentrios sobre as vantagens e desvantagens do uso desta
tcnica de otimizao.
43
4.1. INTRODUO
H muito tempo, o homem tem se servido das caractersticas e princpios
existentes na natureza para a criao de mquinas, mtodos e tcnicas que melhorem
sua qualidade de vida neste planeta. Alguns exemplos tpicos desta afirmao so os
avies baseados nas caractersticas dos pssaros, submarinos com sistemas de imerso
semelhante ao dos peixes, sonares baseados nos morcegos, entre outros.
O homem inspirado na natureza ou na biologia cria novas tcnicas, como as
Redes Neurais , baseadas no funcionamento do crebro humano, para possibilitar aos
computadores a chamada Inteligncia Artificial.
Dentro deste contexto, surgiu em meados do sculo XIX um dos mais
importantes princpios no campo da evoluo da vida, A Seleo Natural de Darwin,
que defendia a idia de que na natureza dos seres vivos, aqueles com melhores
caractersticas, adaptabilidades, tendem a sobreviver frente aos demais. Desde ento,
a medicina e suas cincias afins vm numa busca acelerada tentando mapear todas as
informaes da gentica humana, relacionando deste modo cada gene de cada
cromossomo s caractersticas que eles representam nos indivduos: hereditrias, fsicas
e funcionais.
H oito anos comeou o projeto Genoma em diversos centros do mundo,
liderados pelo instituto Nacional de Sade dos Estados Unidos, que contou com
investimento inicial de trs bilhes de dlares. O principal objetivo do projeto
descobrir, at o ano 2005, todos os genes do corpo humano e identificar mais de trs
bilhes de seqncias genticas de cromossomos.
Os cientistas querem conhecer, antes do nascimento, a possibilidade de cada ser
humano desenvolver doenas com fatores hereditrios, podendo assim, evitar o
desenvolvimento do mal, seja com terapias genticas, se a doena for congnita, ou com
a interferncia no estilo de vida do portador da mutao. Eles calculam que 2/3 dos 30
mil genes do organismo humano j tenham sido mapeados, embora se conhea a funo
de apenas 4% deles.
Foi nos ltimos anos que a gentica alavancou-se com as primeiras clonagens
realizadas no mundo, tendo como marco a famosa ovelha Dolly na Inglaterra.
44
45
4.2. HISTRICO
A seleo natural apenas um dos elementos da adaptao que se une a outros
como a relao entre organismo e ambiente e a hereditariedade. Alm disso, preciso
distinguir adaptao de adaptabilidade. Enquanto adaptao o preparo do organismo
para sobreviver num ambiente, adaptabilidade a capacidade de tirar partido do
ambiente e, at mesmo, control-lo. No sentido de adaptabilidade, o homem
indubitavelmente o rei da criao. Mas, embora toda histria da civilizao humana
nada mais seja que uma constante mudana no sentido de aumentar a amplitude e
variedade do ajustamento ao ambiente, a evoluo nos ensina que o homem no fruto
de uma criao especial, pois faz parte da natureza e feito da mesma essncia de tudo
o que vivo.
O desenvolvimento da gentica estabeleceu que as caractersticas hereditrias
so transmitidas atravs de genes (unidades qumicas que se localizam no ncleo das
clulas). Os genes so constitudos por uma substncia qumica, o ADN, ou cido
46
47
48
49
50
mnimo local ou global; requerem funes com derivadas e, alm disso, quando
existe grande nmero de parmetros torna-se difcil encontrar, analiticamente,
todos os pontos de mnimo e mximo. Tornando estes mtodos impraticveis
para otimizar diversos problemas do mundo real.
51
52
53
54
populao !k completa
55
Entre estes dois extremos de algoritmos situam-se outros que somente uma parte
da populao substituda: pais e filhos podem vir a coexistir. Outros esquemas de
reproduo podem tambm ser encontrados na literatura.
56
4.8.2. AS RESTRIES
Embora os Algoritmos Genticos tenham sido inicialmente aplicados com
sucesso em problemas de otimizao sem restries, foi apenas uma questo de tempo
57
h ( x ) = f ( x ) + r j =1 2j ( x )
m
58
59
60
61
4.8.9.1.1. ORDENAMENTO
No Mtodo de Ordenamento Linear (Baker, 1987) e (Whitle, 1989), a aptido
dada pela equao,
!k = Min + ( Max Min)
$ k
,
$ 1
62
2 e Max + Min = 2. Vale notar que deste modo a aptido representa o nmero de filhos
esperados do cromossomo e Max - Min representa a presso de seleo (razo entre a
maior aptido e a aptido mdia, !max / ! ).
No Mtodo de Ordenamento Exponencial (Michalewicz, 1994), a aptido dada
da seguinte forma !k = q (1 q) k 1 , onde que q [0, 1] e k o ndice do cromossomo
na populao em ordem decrescente de valor da funo objetivo. Alternativamente, a
aptido pode ser normalizada dividindo a equao anterior pelo fator 1 (1 q) ! . O
ordenamento exponencial permite maior presso de seleo do que o ordenamento
linear.
gm ax
63
14.0%
S1
S2
S3
S4
S5
S6
7.0%
15.0%
21.0%
11.0%
64
assim por diante (vale notar que se n= $ , tal seleo equivalente seleo com
ordenamento exponencial).
Aumentando o nmero n de cromossomos do torneio ou a probabilidade q do
primeiro cromossomo vencer, aumenta-se a presso de seleo, isto , cromossomos
com aptido acima da mdia tero mais chances de serem selecionados.
65
4.8.10.1.1. CRUZAMENTO
Com o cruzamento de pelo menos dois progenitores, uma ou mais novas
solues so criadas a partir do intercmbio de suas informaes genticas, em um ou
mais pontos que tambm so selecionados aleatoriamente. Este operador pode ser
utilizado de vrias maneiras. As mais empregadas so:
o Cruzamento de um Ponto
o Cruzamento Multipontos
o Cruzamento Uniforme
Pai1 :
Pai2 :
1
1
0
1
1 1 1 0 0 0 1 1
0 1 0 0 1 0 0 1
filho1 :
filho2 :
1
1
0
1
1 1 1
0 1 0
0
0
1
0
0
0
0
1
1
1
66
EN
PONTOS
1
1
0
1
1 1 1 0 0 0 1 1
0 1 0 0 1 0 0 1
filho1 :
filho2 :
1
1
0
1
1
0
1
1
0
1
0
0
1
0
0
0
1
0
1
1
67
cruzamento de (l-1) pontos (l o nmero de bits do cromossomo), uma vez que este
sempre leva a metade dos bits de cada pai.
Mascara 1
Pai1 :
filho1 : 0 0 0
Pai2 :
0 1 0 0 0 1 1
1 0 0 1
1 0 1
0 0
1 1 0 1
4.8.10.1.2. MUTAO
O operador de mutao necessrio para a introduo e manuteno da
diversidade gentica da populao, alterando arbitrariamente um ou mais componentes
de uma estrutura escolhida, fornecendo assim, meios para introduo de novos
elementos na populao. Desta forma, a mutao assegura que a probabilidade de se
chegar a qualquer ponto do espao de busca nunca ser zero, alm de contornar o
problema de mnimos locais.
O operador de mutao aplicado aos indivduos com uma probabilidade dada
pela taxa de mutao #m . Geralmente utiliza-se uma taxa de mutao pequena, por se
tratar de um operador gentico secundrio.
Aps a operao de cruzamento, o operador de mutao aplicado, com uma
determinada probabilidade, em cada bit dos dois filhos. O operador de mutao inverte
os valores de bits, de 1 para 0 ou de 0 para 1. A Figura 4 - 8 apresenta um exemplo do
processo de mutao. A mutao melhora a diversidade dos cromossomos na populao
porm, destri parte da informao contida, logo, deve ser utilizada uma taxa de
mutao pequena (normalmente entre 0,1% a 5%), mas suficiente para assegurar a
diversidade.
68
Antes
filho1 :
filho2 :
0
1
1
0
1
1
1
1
0
1
0
0
0
1
1
1
0
1
Depois
filho1 :
filho2 :
0
1
0
0
1
1
1
1
1
1
0
0
0
1
1
1
0
1
Figura 4 - 8 - Mutao
4.8.10.1.3. ELITISMO
Nos AGs quando geramos novas populaes utilizando os operadores mostrados
nos itens anteriores podemos facilmente observar que em muitos casos o melhor
indivduo de uma gerao desaparece na gerao seguinte. Para melhorar a eficincia
dos AGs interessante transferir o melhor cromossomo de uma gerao para outra sem
alteraes. Esta estratgia denominada Elitismo, sendo muito comum nos AGs
tradicionais.
O Elitismo foi proposto por DeJong (1975), em um dos trabalhos pioneiros sobre
AGs. A Figura 4 - 9 ilustra este processo de forma esquemtica, onde em cada gerao o
indivduo com menor (minimizao) valor da funo objetivo copiado para gerao
seguinte sem alteraes, garantindo desta forma que sempre a melhor soluo
encontrada em qualquer uma das geraes ser mantida at o final do processo.
Gerao [k-1]
f ( )
0
1
1
1
1
0
0
1
0
1
1
1
0
0
1
1
1
0
0
0
0
Gerao [k]
1
1
1
1
0
1
1
0
1
1
1
0
0
1
21
12
11
9
20
18
28
f ( )
1
0
1
0
1
1
1
1
0
0
0
1
0
0
0
0
1
0
0
0
0
Gerao [k+1]
1
0
1
1
1
1
0
1
0
1
0
1
1
1
9
12
12
18
9
11
8
f ( )
1
0
1
0
1
1
1
0
1
1
1
1
1
0
0
1
1
1
1
1
1
0
1
0
1
0
0
1
1
0
0
1
0
0
0
8
21
7
6
13
13
7
69
70
71
H de se tomar cuidado, pois com uma taxa muito alta a busca pode tornar-se
essencialmente aleatria.
Assim como os demais parmetros, a taxa de mutao ideal depender da
aplicao a ser resolvida, todavia, a maioria das taxas utilizadas varia entre 0.001 e 0.1.
72
73
uma estratgia que deve sempre ser considerada, pois resulta em ganho no tempo de
processamento.
A etapa de seleo j necessita de certa centralizao, devendo os valores de
aptido de todos os indivduos da populao estarem disponveis simultaneamente em
algum processador para a seleo natural dos indivduos. Em seguida, aplicam-se os
operadores genticos escolhidos sobre os indivduos (cromossomos) desejados para a
evoluo do processo.
Quando o paralelismo natural como descrito acima, o resultado encontrado o
mesmo daquele encontrado pelo Algoritmo Gentico seqencial que lhe deu origem,
contudo, pode-se implementar estratgias mais ousadas para se efetuar tanto a seleo
quanto a criao de novos indivduos localmente em cada processador, visando com isto
a diminuio das comunicaes para envio e recebimento de dados, como a aptido e o
cromossomo, por exemplo. Nestas alternativas no est garantida a obteno das
mesmas solues encontradas seqencialmente, tratando-se de um novo Algoritmo
Gentico.
Uma outra idia a subdiviso da populao original de p indivduos em n
subpopulaes, residentes nos n processadores disponveis, submetida cada uma a um
Algoritmo Gentico independente. Caso no ocorra nenhuma comunicao entre os
processadores, tudo acontece como se o problema estivesse sendo resolvido n vezes.
Entretanto, ao se permitir algumas comunicaes entre eles, por exemplo, a
migrao de alguns indivduos de certa subpopulao para outra(s), obtm-se um novo
Algoritmo Gentico. Para estes casos, novos parmetros de controle devem ser
adicionados com o objetivo de definir quando, quais, quantos e para onde os
indivduos iro migrar, e de que modo sero inseridos na nova populao.
Assim como a maior parte dos assuntos relacionados aos Algoritmos Genticos,
a implementao computacional distribuda ainda se encontra em evoluo: evolui a
tcnica baseada na evoluo, principalmente, pela infinidade de alternativas possveis,
restritas apenas pela prpria imaginao.
C a p tu lo 5 A n lis e E s tr u tu r a l
74
C A P T U L O 5
A N L ISE E ST R U T U R A L
se
ver
no
C a p tu lo 5 A n lis e E s tr u tu r a l
75
5.1. INTRODUO
Antes de apresentar os exemplos sobre otimizao de estruturas de concreto
armado sero apresentados neste captulo os conceitos bsicos sobre anlise matricial e
verificao de estruturas de concreto armado.
Este um assunto bem mais abrangente do que ser apresentado, porm os
tpicos que sero abordados so suficientes para o entendimento dos processos
utilizados junto com os mdulos do programa de otimizao. As verificaes das sees
transversais representam algumas das restries que devem ser impostas na otimizao
de estruturas de concreto armado.
Este captulo est subdivido em quatro partes que cobrem todas as equaes que
foram utilizadas dentro dos mdulos do OTIMPORCA e tambm na otimizao de um
trecho de pilar a FCO, a saber:
1. Anlise Matricial de Estruturas
2. Verificao de Sees Transversais a Flexo Composta Oblqua - FCO
3. Verificao de Sees Transversais a Flexo Composta Normal - FCN
4. Critrios normativos quanto a dimenses, distribuio de armadura,
taxas de armadura, flechas mxima e mnima e bitolas comerciais.
Utiliza-se Anlise Matricial de Estruturas (AME), uma vez que sero feitas
apenas anlises lineares e por sua implementao ser mais simples que o Mtodo dos
Elementos Finitos.
A Anlise Matricial de Estruturas ser utilizada para obteno dos esforos
nodais nos extremos dos elementos do prtico plano que sero posteriormente utilizados
na verificao das sees transversais. Para este fim foi elaborado um programa
computacional em FORTRAN 90 composto de diversos mdulos, dentre eles:
Calculo de Grelhas
C a p tu lo 5 A n lis e E s tr u tu r a l
76
Dentre estes mdulos ser apenas utilizado o mdulo para resoluo de prticos
planos acoplado ao programa de otimizao via Algoritmos Genticos.
Foram elaborados dois mdulos de verificao de sees transversais: um para
FCO e outro para FCN. O mdulo para verificao de sees a FCO foi utilizado
juntamente com o programa de minimizao do custo do pilar e o mdulo de FCN foi
desenvolvido para ser acoplado ao programa de otimizao de Prticos Planos de
Concreto Armado.
O mdulo de verificao da FCO foi desenvolvido de forma a ser extremamente
eficiente e dar como resposta os cdigos 0 caso a seo resista aos esforos solicitantes
ou 1 caso contrrio. Para isso utilizou-se o Mtodo de Newton que com 5 iteraes em
mdia fornece o resultado com uma boa preciso.
Ao utilizar otimizao via Algoritmos Genticos observou-se que a minimizao
do custo do pilar no foi eficiente em alguns casos pois, como os indivduos reprovados
pelo mdulo de FCO eram eliminados da populao, suas caractersticas eram perdidas.
Desta forma o mdulo de verificao a FCN fornecer uma informao a mais que o
mdulo de FCO que a distncia em relao ao Estado Limite Ultimo (ELU) que
servir para penalizar os indivduos que infringirem a esta restrio. O mesmo foi feito
em relao s demais restries do problema de minimizao do custo do Prtico Plano
de Concreto Armado. Para cada uma das restries do problema foi associada uma
funo de penalizao e desta forma nenhum indivduo ser descartado ao longo do
processo de otimizao.
A seguir ser apresentado de forma seqencial cada um dos quatro itens citados
anteriormente. Por serem estes tpicos clssicos da anlise estrutural aqui sero
apresentados de forma bastante rpida, e s ser detalhado o item referente a FCN com
incluso de um parmetro a mais para verificao da distncia dos pontos de esforos
solicitantes em relao ao ELU por ser algo novo e desenvolvido especificamente para
ser acoplado ao OTIMPORCA. Este parmetro ser posteriormente utilizado na funo
de penalizao das barras do prtico plano que no atingirem o equilbrio.
C a p tu lo 5 A n lis e E s tr u tu r a l
77
unitrio
C a p tu lo 5 A n lis e E s tr u tu r a l
78
Ee I e
d 4w
=0 ,
dy 4
Ee I e w ( y ) =
C1 y 3 C2 y 2
+
+ C3 y + C4 ,
6
2
I e = y 2 dxdy
Ae
u3
u5
u1
u6
u4
F igu ra 5 - 1 -
G rau s d e
L ib erd ad e d o E lem ento no S istem a L o cal
Para cada grau de liberdade est associado um esforo nodal externo f i , onde o
ndice i identifica o nmero do grau de liberdade a que se refere cada esforo nodal.
y
f2
f3
f1
f5
f6
f4
C a p tu lo 5 A n lis e E s tr u tu r a l
79
y = Le
w ( y ) = 0 e w ( y ) = 0 ,
12 Ee I e
L3e
C2 =
6 Ee I e
L2e
C3 = 0
C4 = Ee I e ,
12 Ee I e
6 Ee I e
y
3
Le
L2e
V ( y) =
12 Ee I e
,
L3e
e
K12e = K 42
=0
K 52e = V ( Le ) =
12 Ee I e
L3e
12 Ee I e
L3e
e
K 32
= M (0 ) =
K 62e = M ( Le ) =
6 Ee I e
L2e
6 Ee I e
L2e
e
K local
Ee Ae
L
e
sim.
0
12
Ee Ae
Le
Ee I e
L3e
Ee I e
L2e
12
Ee I e
L3e
Ee I e
Le
Ee I e
L2e
Ee Ae
Le
0
12
Ee I e
L3e
Ee I e
6 2
Le
Ee I e
2
Le
.
Ee I e
6 2
Le
Ee I e
4
Le
0
C a p tu lo 5 A n lis e E s tr u tu r a l
80
q Le
2
q L2e
12
q L2e
12
z
q
Figura 5 - 3 - Esforos Nodais de Engastamento do Elemento no Sistema Local
Estes esforos podem ser escritos vetorialmente da seguinte forma
f = 0
q Le
2
q L2e
12
q Le
2
q L2e
.
12
0
Te =
0
0
sen
cos
0
0
0
0
0
0
1
cos
sen
0
0
0
0
sen
cos
0
0
0
0
0
0
0
0
0
0
,
0
0
C a p tu lo 5 A n lis e E s tr u tu r a l
81
y
u5
u5
u4
u6
u4
u6
u1
u2
u2
u3
u3
u1
u1e
e
u2
u3e
e
u = e ,
u4
u5e
e
u6
ou seja,
f e = Te f e
f1e
e
f2
f 3e
e
f = e
f4
f 5e
e
f 6
C a p tu lo 5 A n lis e E s tr u tu r a l
82
desta forma fcil demonstrar que a matriz de rigidez do elemento no sistema global de
referncia fica da seguinte forma
e
e
K global
= T T K local
T .
DE
RIGIDEZ LOCAL
NA
MATRIZ
DE
3 (ni 1) + 2
3 (ni 1) + 3
v = 3 n 1 + 1 .
)
( f
3 (n f 1) + 2
3 (n f 1) + 3
A montagem da Matriz de Rigidez Global pode ser feita com o seguinte
algoritmo:
C a p tu lo 5 A n lis e E s tr u tu r a l
83
A 5.1 - M O N T A G E M D A M A T R IZ D E R IG ID E Z G L O B A L
1.
vetor
de
foras
desbalanceadas
e
e
fglobal
= TeT flocal
C a p tu lo 5 A n lis e E s tr u tu r a l
84
5.2.6. OBTENO
ELEMENTO
DOS
ESFOROS
NAS
EXTREMIDADES
DE
CADA
f e = Te f e
A estes esforos obtidos pela equao acima ainda devero ser acrescidos os
esforos nodais de engastamento perfeito de cada elemento, obtendo os esforos
seccionais finais.
A 5.2 A L G O R IT M O G E R A L PA R A A N L ISE M A T R IC IA L D E E ST R U T U R A S
1. Definir a incidncia das Barras
2. Associar para cada barra os graus de liberdade de suas extremidades com os
graus de liberdade da estrutura. (Ver item 5.2.4)
3. Montar para cada barra
i.
C a p tu lo 5 A n lis e E s tr u tu r a l
85
e
e
ii. Matriz de Rigidez Local e Global: K local
e K global
4.
K global
f e = Te f e
A lgo ritm o 5 - 2 - A lgo ritm o G eral p ara A nlise M atricial d e E stru tu ras
C a p tu lo 5 A n lis e E s tr u tu r a l
86
5.4. D O M N IO S D E D E F O R M A O
As possveis configuraes ltimas do diagrama de deformaes especficas ao
longo da seo transversal da pea definem os cinco domnios de deformao. Os
domnios 1 e 2 so fixados pelo ponto A, os domnios 3 e 4 pelo ponto B e o domnio 5
pelo ponto C. Os diagramas de deformaes referentes aos diferentes domnios variam
desde a trao uniforme, at a compresso uniforme.
3.5
B
3
h
7
3
C
2
4
10
Figura 5 - 5 - Domnios de Deformao
C a p tu lo 5 A n lis e E s tr u tu r a l
87
3
h , contada a partir da borda
7
5.5. MATERIAIS
5.5.1. AO
Para os aos das armaduras passivas adota-se o mdulo de deformao
Es = 210.000 MPa
(1 MPa = 10 kgf/cm 2 )
C a p tu lo 5 A n lis e E s tr u tu r a l
88
f yk
f yd =
f yk
f yd
yd
f ycd = f yd
yd
yd
f yd
=
Es
- f yd
s = Es . s
f
yd
para s < yd
para yd s yd
para s > yd
5.5.2. CONCRETO
O diagrama de tenso x deformao para o concreto pode ser visto na
Figura 5 - 7 mostrada abaixo (diagrama parbola-retngulo).
c
cd
2 .0
3 .5
c [ ]
cd = 0.85
f ck
c
c = cd
para c < 0
2
para 0 c < 2
c c
4
para 2 c 3.5
cd
C a p tu lo 5 A n lis e E s tr u tu r a l
89
( 0 , x , y ) = 0 + y x x y
onde, 0 deformao axial na origem do sistema de coordenadas e x e y so os
mdulos das curvaturas da seo na direo x e y respectivamente.
Nas equaes a seguir ser adotada a seguinte conveno de sinais:
y
y
[+ ] compresso
[+ ] compresso
N [+ ] compresso
M [+ ] Regra da mo direita
C a p tu lo 5 A n lis e E s tr u tu r a l
90
N Sd N Rd
f ( x ) = M Sxd M Rxd = 0
M M
Ryd
Syd
onde temos,
0
x = x
y
resolver este sistema de equaes no-lineares pelo Mtodo de Newton significa
resolver o seguinte problema,
0
x
y
k +1
0
k
k 1
= x f ( x ) f ( 0 , x , y ) ,
f ( x k ) .
1
Nos passos seguintes sero descritas as expresses para calculo de cada um dos
termos desta equao.
5 .6 .2 I N T E G R A IS D O S E SFO R O S R E SIST E N T E S
O calculo dos esforos resistentes da seo transversal ser aqui subdividido em
duas partes, uma parcela dos esforos resistentes devido ao concreto c e uma segunda
parcela referente ao ao s.
N Rd ( 0 , x , y ) = N Rcd ( 0 , x , y ) + N Rsd ( 0 , x , y )
M Rxd ( 0 , x , y ) = M Rxcd ( 0 , x , y ) + M Rxsd ( 0 , x , y )
M Ryd ( 0 , x , y ) = M Rycd ( 0 , x , y ) + M Rysd ( 0 , x , y )
As equaes abaixo fornecem os esforos resistentes da seo e desta forma a
funo f ( x ) para cada iterao do mtodo.
N Rcd = c ( ) dxdy
Ac
M Rxcd = c ( ) y dxdy
Ac
M Rycd = c ( ) x dxdy
Ac
C a p tu lo 5 A n lis e E s tr u tu r a l
ns
N Rsd = s ( ) As
i =1
91
ns
M Rxsd = s ( ) y s As
i =1
ns
M Rysd = s ( ) x s As
i =1
5 .6 .2 C L C U L O D A J A C O B IA N A D O S E SFO R O S R E SIST E N T E S
Pode-se subdividir a Matriz Jacobiana em duas parcelas, uma referente ao
concreto e a outra referente ao ao, ou seja,
N
Rcd
M
Rxcd
=
0
M Rycd
0
N Rcd
x
M Rxcd
x
M Rycd
x
=
+
N Rcd
y
M Rxcd
M Rycd
y
N
Rsd
M
Rxsd
=
0
M Rysd
0
N Rsd
y
M Rxsd
M Rysd
y
N Rsd
x
M Rxsd
x
M Rysd
x
=1
0
= y
x
=x
y
so:
c ( )
N Rcd
=
dxdy
0
Ac
c ( )
N Rcd
=
y dxdy
x
Ac
c ( )
N Rcd
=
x dxdy
y
Ac
c ( )
M Rxcd
=
y dxdy
0
Ac
c ( ) 2
M Rxcd
=
y dxdy
x
Ac
c ( )
M Rxcd
=
y x dxdy
y
Ac
C a p tu lo 5 A n lis e E s tr u tu r a l
92
M Rycd
c ( )
=
x dxdy
0
Ac
M Rycd
=
y
M Rycd
c ( )
=
x y dxdy
x
Ac
c ( ) 2
x dxdy
Ac
para o
ao mostradas abaixo:
ns
( )
N Rsd
= s
As
0
i =1
i
ns
( )
N Rsd
= s
y s As
x
i =1
i
ns
( )
N Rsd
= s
xs As
y
i =1
i
ns
( )
M Rxsd
= s
y s As
0
i =1
i
ns
( ) 2
M Rxsd
= s
ys As
x
i =1
i
ns
( )
M Rxsd
= s
y s xs As
y
i =1
i
ns
M Rysd
( )
= s
xs As
0
i =1
i
ns
M Rysd
( )
= s
y s xs As
x
i =1
i
ns
M Rysd
( ) 2
= s
xs As
y
i =1
i
c ( )
Dc ( ) =
= 1000 cd 1 se 0 2
0
se > 2
0
d s ( )
= Es
Ds ( ) =
d
0
se < yd
se yd yd
se > yd
C a p tu lo 5 A n lis e E s tr u tu r a l
93
D
x
dxdy
Dc ( ) y dxdy
(
)
Dc ( ) dxdy
A c
Ac
Ac
Dc ( ) y 2 dxdy
= Dc ( ) y dxdy
Dc ( ) x y dxdy
Ac
Ac
Ac
2
Dc ( ) x dxdy
Dc ( ) x dxdy Dc ( ) x y dxdy
Ac
Ac
Ac
e para o ao tem-se
ns
Ds ( ) As i
i =1
ns
= Ds ( ) ys As i
i =1
ns
Ds ( ) xs As i
i =1
ns
D ( ) x
s
i =1
ns
D ( ) y
i =1
2
s
i =1
ns
Ds ( ) xs ys As i
i =1
ns
2
Ds ( ) xs As
i
i =1
ns
Ds ( ) y s As i
As i
ns
Ds ( ) xs ys As i
i =1
As i
C a p tu lo 5 A n lis e E s tr u tu r a l
94
( 0 , x ) = 0 x y
onde, 0 deformao axial na origem do sistema de coordenadas e x o mdulo da
curvatura da seo na direo x .
Ser adotada a seguinte conveno de sinais
y
[+ ] compresso
[+ ] compresso
N [+ ] compresso
M [+ ] Regra da mo direita
C a p tu lo 5 A n lis e E s tr u tu r a l
95
resolver este sistema de equaes pelo Mtodo de Newton significa resolver o seguinte
problema,
x
k +1
x
k 1
k
= f ( x ) f ( x , ) ,
f ( x k ) .
1
x =
10 + 0
h
d
2
2. Para os Domnios 3 e 4
x =
2 ( 0 3.5 )
h
3. Para o Domnio 5
x =
14 ( 0 2.0 )
h
C a p tu lo 5 A n lis e E s tr u tu r a l
96
5 .7 .1 . I N T E G R A IS D O S E SFO R O S R E SIST E N T E S
O clculo dos esforos resistentes da seo transversal ser aqui subdividido em
duas partes, uma parcela dos esforos resistentes devido ao concreto c e u m a segu nd a
p arcela referente ao ao s .
N Rd ( 0 , x ) = N Rcd ( 0 , x ) + N Rsd ( 0 , x )
M Rd ( 0 , x ) = M Rcd ( 0 , x ) + M Rsd ( 0 , x )
As equaes abaixo fornecem os esforos resistentes da seo e desta forma a
funo f ( x ) para cada iterao do mtodo.
N Rcd = c ( ) dxdy
Ac
ns
N Rsd = s ( ) As
i =1
M Rcd = c ( ) y dxdy
Ac
ns
M Rsd = s ( ) y s As
i =1
5 .7 .2 . C L C U L O D A M A T R IZ J A C O B IA N A PA R A F C N
Pode-se subdividir a Matriz Jacobiana em duas parcelas, uma referente ao
concreto e a outra referente ao ao, ou seja,
f1
x
=
f 2
x
f1
f 2
C a p tu lo 5 A n lis e E s tr u tu r a l
97
N
f1
N Rsd
= Rcd +
x
x
x
M Rcd M Rsd
f 2
=
+
x
x
x
f1
= ( N Rcd + N Rsd )
f 2
= ( M Rcd + M Rsd )
+
+
x
0 x
x
0 x
x
M Rcd M Rcd 0 M Rsd M Rsd 0
f 2
=
+
+
+
,
x
0 x
x
0 x
x
e a partir destas expresses que se obtm a Matriz Jacobiana.
As expresses desenvolvidas para os Domnios 1 e 2 so,
h
0
= d
2
x
c ( )
f1
N
=
y dxdy Rcd
A
x
0
c
M Rcd M Rcd
f 2
=
x
0
x
h N
N
d + Rsd Rsd
2 x
0
h M Rsd M Rsd
d +
2 x
0
d
2
x
x
0
0
d
2
C a p tu lo 5 A n lis e E s tr u tu r a l
98
h
0
=
x 14
N
f1
N Rcd h N Rsd N Rsd h
= Rcd +
+
+
x
0 14 x
0 14
x
M Rcd M Rcd h M Rsd M Rsd h
f 2
=
+
+
+
x
0 14
x
0 14
x
As expresses referentes aos termos do concreto so :
c ( )
N Rcd
=
y dxdy
x
Ac
M Rcd
=
x
c ( ) 2
y dxdy
Ac
c ( )
N Rcd
=
dxdy
0
Ac
c ( )
M Rcd
=
y dxdy
0
Ac
Da mesma forma que para o concreto, tm-se das derivadas parciais para o ao
ns
( )
N Rsd
= s
y s As
x
i =1
i
ns
( )
N Rsd
= s
As
0
i =1
i
ns
( ) 2
M Rsd
= s
y s As
x
i =1
i
ns
( )
M Rsd
= s
y s As
0
i =1
i
C a p tu lo 5 A n lis e E s tr u tu r a l
99
C a p tu lo 5 A n lis e E s tr u tu r a l
100
no deve ter valor maior que 4.0% Ac , contado fora da zona de emendas.
5.8.3.3. TAXA DE ARMADURA PARA PILARES
A taxa de armadura definida como =
As
.
Ac
min = 0.15
onde =
f cd
0.40% ,
f yd
Nd
o valor da fora normal em termos adimensionais.
Ac f cd
max = 8.0% .
C a p tu lo 5 A n lis e E s tr u tu r a l
101
ah dimetro da barra
1.2 vezes o dimetro mximo do agregado
b) no sentido vertical:
20mm
av dimetro da barra
0.5 vezes o dimetro mximo do agregado
5.8.4.2. E SPA A M E N T O S E N T R E A R M A D U R A S N O S P IL A R E S
As armaduras longitudinais devem ser dispostas na seo transversal de forma a
garantir a adequada resistncia da pea. Em sees poligonais, deve existir pelo menos
uma barra em cada vrtice; em sees circulares, no mnimo seis barras distribudas ao
longo do permetro.
O espaamento livre entre as armaduras, medido no plano da seo transversal,
fora da regio de emendas, deve ser igual ou superior ao maior dos seguintes valores:
1. 40 mm;
2. 4 vezes o dimetro da barra;
3. O mnimo de 1.2 vezes o dimetro mximo do agregado, inclusive nas emendas.
Quando estiver previsto no plano de concretagem o adensamento atravs de
abertura lateral na face da forma, o espaamento das armaduras deve ser suficiente para
permitir a passagem do vibrador.
C a p tu lo 5 A n lis e E s tr u tu r a l
102
5.8.5. D E SL O C A M E N T O S L IM IT E S
Deslocamentos limites so valores prticos utilizados para verificao do estado
limite de deformaes excessivas da estrutura.
Deslocamentos excessivos e tendncia vibrao dos elementos estruturais
podem ser indesejveis por diversos motivos.
Esses motivos podem ser classificados em quatro grupos bsicos, conforme
detalhados a seguir e indicados na Tabela 5 - 2.
Aceitabilidade sensorial
Estrutura em servio
Observaes:
1) Todos os valores limites de deslocamentos supem elementos de vo L,
suportados em ambas as extremidades por apoios que no se movem. Quando se
tratar de balanos, o vo equivalente a ser considerado deve ser o dobro do
comprimento do balano.
2) Para o caso de elementos de superfcie, os limites consideram que o valor L
o menor vo, exceto em casos de verificao de paredes e divisrias, onde
interessa a direo na qual a parede ou divisria se desenvolve, limitando-se este
valor a duas vezes o vo menor.
3) O deslocamento total ser obtido a partir da combinao das aes
caractersticas ponderadas pelos coeficientes de acompanhamento definidos no
captulo 12.
4) Deslocamentos excessivos podem ser parcialmente compensados por
contraflechas.
C a p tu lo 5 A n lis e E s tr u tu r a l
103
104
C A P T U L O 6
A P L IC A E S A O C O N C R E T O A R M A D O
capitulo serviram como validao dos programas implementados. Cada um dos mdulos
foram testados com diversos outros exemplos, de forma a garantir o funcionamento do
programa para todos os casos prticos possveis.
105
6.1. O T IM IZ A O D E U M T R E C H O D E P IL A R A F L E X O
C O M P O ST A O B L Q U A
O exemplo a seguir apresenta a metodologia utilizada na aplicao de AGs na
otimizao de um trecho de pilar sujeito Flexo Composta Oblqua, com armadura
qualquer e com diversas combinaes de carregamento. Para isso, desenvolveu-se um
programa utilizando o MathCad, o que se mostrou bastante til pois possibilitou
entender os diversos passos do algoritmo e foi o incio de todo este trabalho.
Sero apresentados 3 exemplos de aplicao deste programa, que possibilitaram
diversas concluses extremamente teis para a implementao do programa de
otimizao do prtico plano, tema principal desta dissertao. importante salientar
que a forma como o primeiro exemplo foi implementado no a mais adequada.
No Anexo C encontra-se um fluxograma desse programa onde esto
apresentados os passos do processo de otimizao.
6.1.1. D E SC R I O D O P R O B L E M A D E O T IM IZ A O
O problema que se deseja resolver nestes exemplos consiste em se obter a seo
retangular e o respectivo arranjo de armadura que resistam a um determinado conjunto
de esforos e que possua o menor custo. Neste processo de otimizao diversas
restries quanto distribuio das armaduras devem ser verificadas.
106
6.1.1.1. D E SC R I O D A S V A R I V E IS
As variveis escolhidas para o problema so h , e Nbar que representam
respectivamente a altura da seo do pilar, a bitola das barras de ao e o nmero de
barras utilizado. A largura da seo considerada constante para cada um dos
exemplos.
O nmero mnimo e mximo de barras obedece aos critrios estabelecidos pela
NBR 6118. A altura da seo igual a hmin + Passoh , isto , uma altura mnima,
adotada 20 cm, mais um mltiplo do passo estabelecido, e inferior a 5 b . As bitolas
que podem ser escolhidas so : 10.0 mm, 12.5 mm, 16.0 mm, 20.0 mm e 25.0 mm, que
so as bitolas comerciais comumente usadas em projeto.
6.1.1.2. A F U N O O B JE T IV O
A funo objetivo para este problema corresponde ao custo por metro da seo
de concreto que se deseja dimensionar e definida da seguinte forma
Custo(h, , Nbar ) = CC b h + CA Nbar Area ( ) + CF (2 b + 2 h) ,
e as variveis CC, CA e CF so respectivamente o custo do concreto em R$/m3, o
custo do ao em R$/Kg e o custo da forma em R$/m2.
6.1.1.3. A S R E ST R I E S D O P R O B L E M A
As restries impostas para problema so:
1. Verificao a Flexo Composta Oblqua (FCO)
1.1. Equilbrio
Taxa de Armadura Mxima !"#%$&'()+*-,../0
107
funo do custo. Pode-se observar que a distribuio dos pontos bastante irregular.
Outros comentrios sobre esta forma de codificao sero feitos juntamente com os
exemplos elaborados.
6.1.2. E X E M PL O S
Os dados gerais para os trs exemplos que sero apresentados a seguir esto
descritos logo abaixo:
1) PARMETROS DO ALGORITMO GENTICO:
Tamanho da Populao = 20 indivduos
Nmero Mximo de Geraes = 10 Geraes
Probabilidade de Cruzamentos = 0,80 [80%]
Probabilidade de Mutao = 0,05 [5%]
108
= 2000 KN
Ntk
= 2000 KN
Mxbk = 50 KN.m
Mxtk = 70 KN.m
109
6.1.2.1. E X E M PL O 1-A
Para este primeiro exemplo optou-se por utilizar b = 20 cm , desta forma o
nmero total de indivduos com Geometria Vivel obtidos pela enumerao de todos
os pontos discretos do espao de busca perfazem um total de 627. Para comparar o
ponto de mnimo obtido pelo programa de otimizao com o ponto de mnimo exato foi
implementado um outro programa que percorre todos os indivduos do espao de busca,
verifica o equilbrio e calculo o custo de cada indivduo obtendo assim o custo mnimo.
So 11 os indivduos que atendem condio de equilbrio da FCO e, dentre
estes o custo mnimo obtido (mnimo global) foi de R$ 180.80 por metro,
correspondente seguinte configurao de seo,
h = 95 cm
= 20.0 mm
Nbarx = 2
Nbary = 9
Nbar = 18
110
6.1.2.2. E X E M PL O 1-B
Para este exemplo se optou por utilizar b = 30 cm , desta forma o nmero total de
indivduos com Geometria Vivel obtidos pela enumerao de todos os pontos
discretos do espao de busca perfazem um total de 3117 elementos.
Verificando-se todos os indivduos da populao, observou-se que 2470
indivduos atendem condio de equilbrio da FCO e, dentre estes o custo mnimo
obtido (mnimo global) foi de R$ 82.40 por metro, correspondente seguinte
configurao de seo,
h = 85 cm
= 16.0 mm
Nbarx = 2
Nbary = 3
Nbar = 6
h = 90 cm
= 10.0 mm
Nbarx = 3
Nbary = 6
Nbar = 14
Neste caso pode-se observar que o programa efetuou, nas 10 geraes, 210
verificaes da seo e obteve um valor muito prximo do mnimo global exato.
Comparando com o nmero total de indivduos da populao que de 3117 indivduos
que foram verificados anteriormente para obteno do ponto de mnimo global, pode-se
observar que o algoritmo gentico verificou aproximadamente apenas 6.7% da
populao obtendo um resultado muito prximo em custo em relao ao mnimo exato.
Este exemplo mostra claramente que pontos com caractersticas completamente
111
diferentes podem ter valores de custo muito prximos, dificultando a obteno do timo
global. A forma como os indivduos esto distribudos mostrado nos grficos abaixo.
140
120
100
80
Media do Custo
Melhor Indivduo
60
40
20
0
1
10
11
400
350
300
Custo
250
200
150
100
50
0
0
500
1000
1500
2000
2500
3000
Nmero do Ponto
3500
112
400
350
300
Custo
250
200
150
100
50
0
0
500
1000
1500
2000
2500
3000
3500
Nmero do Ponto
6.1.3. E X E M PL O 1-C
Para este exemplo se optou por utilizar b = 40 cm , desta forma o nmero total de
indivduos com Geometria Vivel obtidos pela enumerao de todos os pontos
discretos do espao de busca perfazem um total de 8364.
O nmero de indivduos da populao que verificam a FCO de 8001 e dentre
estes o valor do custo mnimo foi de 69.40 R$/m.
Caractersticas do Indivduo:
h = 55 cm
= 12.5 mm
Nbarx = 2
Nbary = 4
Nbar = 8
113
Caractersticas do Indivduo:
h = 70 cm
= 10.0 mm
Nbarx = 2
Nbary = 4
Nbar = 8
Custo Total
200
150
Custo Mdio
Custo Mnimo
100
50
0
1
10 11
Geraes
114
6.1.4. C O N C L U S E S P R E L IM IN A R E S
Na verso inicialmente implementada para estes exemplos, as recomendaes de
norma como espaamentos mximos e mnimos entre barras, relao entre b e h e
outras, foram introduzidas como restries a serem atendidas durante o processo de
otimizao. Observou-se, porm, que a maioria dos indivduos gerados no atendiam a
essas restries e eram, portanto, descartados da populao. Optou-se, ento, pelos
processos de enumerao j descritos, onde todos os indivduos eram gerados dentro das
recomendaes de norma, obtendo, assim, um processo mais eficaz que o anterior. Esse
procedimento, embora eficiente para o caso estudado, no vivel para os problemas de
otimizao em geral pois :
1. A forma da funo objetivo pode tornar-se bastante irregular cheia de
mximos e mnimos locais;
2. Nem sempre possvel enumerar todas as possveis solues de um problema,
principalmente quando o nmero de variveis for muito grande;
3. Neste exemplo foi possvel criar uma funo que, para cada indivduo, associa
um nico ponto do espao de busca, mas, para problemas complicados, mesmo
que se consiga enumerar todos os possveis indivduos, a obteno destas
funes pode no ser fcil. Desta forma pode ser necessrio armazenar todos
os indivduos criados em algum arquivo que ser lido ao longo do processo,
tornando o processo mais lento.
Com isso possvel concluir que, ao tratar de problemas mais complexos, como
sero os prximos abordados, mais eficiente utilizar funes de penalizao para as
diversas restries do problema, nunca descartando indivduos da populao. Aos que
no atendem uma ou mais restries, tero acrescentado em seu custo (funo objetivo)
um custo fictcio que representa o quanto este indivduo est infringindo a esta(s)
restrio(es). No prximo exemplo sero detalhadas de forma mais clara as funes de
penalizao.
Pode-se observar tambm que a utilizao do Mathcad para problemas grandes
de otimizao tornaria o processo muito lento, desta forma optou-se por elaborar, em
FORTRAN 90, o programa OTIMPORCA para otimizao de prticos de concreto
armado.
115
6.2. O T IM IZ A O D E U M P R T IC O P L A N O D E C O N C R E T O
ARM ADO
Os exemplos que sero apresentados a seguir pretendem mostrar a eficincia da
utilizao dos AGs na otimizao de estruturas complexas como o caso dos Prticos
de Concreto Armado. Ao longo da descrio do problema sero comentados os diversos
mdulos do programa e suas respectivas funes. O Exemplo apresentado nesta seo
pode ser encontrado de forma mais detalhada nos Anexos B e C.
O problema que se deseja resolver consiste em obter o prtico de concreto
armado de menor custo e que resista a um determinado carregamento. Como se ver na
seqncia, o carregamento devido o peso prprio da estrutura ser recalculado para cada
indivduo (prtico) em funo das suas dimenses.
A estrutura considerada tima ser a que atender s seguintes condies:
1. O menor custo total
2. Verificar as restries quanto s flechas horizontais e verticais mximas
prescritas pela Norma Brasileira (NBR6118)
3. Verificar as restries quanto s dimenses mximas e mnimas das
sees dos pilares a das vigas.
4. Verificar as restries quanto aos espaamentos da armadura mximos e
mnimos tanto para as vigas como para os pilares.
5. Verificar as restries quanto s taxas de armadura mxima e mnima
prescrita na Norma.
6. Verificar o equilbrio das sees transversais das vigas e dos pilares.
(Equilbrio Deformaes Admissveis) - ELU
Alm destas, pode-se citar outras duas verificaes que deveriam ser feitas,
porm neste trabalho foram desconsiderados devido a sua dificuldade de clculo, que
so:
1. Verificao da fissurao das peas de concreto em relao a abertura
mxima de fissuras prescrita na Norma Brasileira.
2. Verificao da estabilidade da estrutura.
116
6.2.1. D E SC R I O D O P R O B L E M A D E O T IM IZ A O
O problema de otimizao consiste em determinar o prtico de concreto armado
de menor custo que satisfaa as condies de contorno.
Primeiramente faremos a otimizao das dimenses como variveis discretas e
das reas de ao como variveis reais [OTIMPORCA 1] para em seguida adaptar as
reas de ao obtidas para as bitolas comerciais [OTIMPORCA 2]. Isso foi feito porque,
no primeiro caso, o prtico precisa ser recalculado a cada iterao, pois a altura das
peas se alteram, enquanto no segundo o prtico calculado apenas 1 vez, passando
para a otimizao do arranjo da armadura.
6.2.1.1. D E SC R I O D A S V A R I V E IS
As variveis escolhidas para o problema so
117
6.2.1.2. A F U N O O B JE T IV O
A funo objetivo foi escolhida como sendo a somatria dos custos de cada um
dos elementos do prtico e definida da seguinte forma,
Custo(hvigas , h pilaes , As , As ) =
nvigas
Custoviga +
npilares
i =1
Custo pilar
i =1
6.2.1.3. A S R E ST R I E S D O P R O B L E M A
As restries impostas a este problema foram :
1. Flechas horizontais e verticais mximas prescritas pela Norma Brasileira
[NBR-6118].
2. Dimenses mximas e mnimas das sees dos pilares e vigas.
118
h
5 (hiptese das sees planas permanecerem
b
6.2.1.4. F U N E S D E P E N A L IZ A O
So as seguintes as funes de penalizao, caracterizadas por diferentes
parmetros :
A funo de penalizao para a taxa de armadura mxima expressa por
P ,max = (Custoviga ou Custo pilar ) 10 ,max
,max =
max
.
max
,min =
min
.
min
119
Custorefer . 350 f H
=
1
H portico
Custorefer . 500 fV
=
1
2
Lviga
6.2.1.5. C R IT R IO S D E P A R A D A (C O N V E R G N C IA )
U tilizo u -se d o is p arm etro s d e co ntro le p ara serem u tilizad o s co m o critrio d e
p arad a d o p ro cessam ento :
1. Nmero de geraes Valor mximo : o processamento interrompido sem
que o indivduo de custo mnimo seja obtido;
2.
Customin
TOL : o processamento interrompido com a obteno do
Customedio
indivduo timo;
120
6.2.2. E SQ U E M A E ST R U T U R A L D O P R T IC O
3,0 m
4 Pavimento - Tipo
3,0 m
3 Pavimento - Tipo
3,0 m
2 Pavimento - Tipo
3,0 m
1 Pavimento - Tipo
3,0 m
4,5m
1,0m
121
3
4
5
6 7
12
17 18
32 33 34
35 36 37 38 39
41
40
42 43 4445
43
27 28
29 30 31
40
25 26
37
22 23
24
22
20 21
19
16
13
10
19
34
16
31
13 14 15
28
10 11
25
8 9
3100
2950
2800
2650
2500
2350
2200
2050
1900
1750
1600
1450
1300
1150
1000
41
44
18
22
21
3
5
17
30
23
38
31
24
8 9 10 11
20
13 14 15 16
19
34
29
43
35
36
37
40
42
43
32
31
28
25
22
19
16
13
10
27 28
39
33
34
25 26
40
12
37
6 7
8500
8000
7500
7000
6500
6000
5500
5000
4500
4000
3500
3000
2500
2000
1500
1000
45
122
6.2.3. C O N C L U S E S P R E L IM IN A R E S
Os cromossomos que descrevem cada um dos indivduos so bastante grandes,
chegando a possuir cerca de 1000 bits de informao codificada. O cruzamento de
indivduos codificados dessa forma no eficiente pois demora muito a gerar
populaes suficientemente diversificadas, o que retarda a convergncia do mtodo. A
estratgia adotada para contornar o problema foi dividir o cromossomo principal em 4
outros cromossomos, cada um deles carregando informao sobre uma determinada
varivel, o que permite ainda uma maior facilidade na sua codificao e decodificao.
Essa abordagem revelou-se bastante eficaz, dando origem a populaes
diversificadas, convergindo mais rapidamente para o ponto de mnimo da funo
objetivo.
Outro procedimento utilizado, que tambm revelou-se muito eficiente, o
Mtodo da Penalizao amplamente discutido anteriormente. Penalizar os indivduos
que no atendem s restries, permitindo que continuem cruzando e transmitindo suas
caractersticas s geraes seguintes, contribui para a diversidade das populaes e para
a convergncia do mtodo. importante notar que esses indivduos, embora
transgridam algumas das restries, possuem outras caractersticas boas, que no
devem ser eliminadas.
Embora o exemplo apresentado seja de um prtico de 5 pavimentos, os
programas OTIMPORCA 1 e 2 funcionam para qualquer tipo de prtico plano, com os
tipos de carregamento usuais.
A otimizao de prticos de concreto se apresentou como uma ferramenta vivel
para outros estudos, desta forma deve-se a partir de agora buscar ampliar os aspectos
abordados nesta dissertao incluindo outros parmetros no processo de otimizao
buscando cada vez mais obter solues viveis e econmicas.
Os Algoritmos Genticos so extremamente versteis, o que facilitou bastante o
uso da tcnica para otimizao de prticos de concreto armado, idia que se considerava
extremamente complicada. Pode-se perceber que a problematica dos processos de
otimizao via algoritmos genticos est muito mais ligada a descrio do problema que
se deseja otimizar do que na tcnica de minimizao em si.
123
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
124
C A P T U L O 7
C O N C L U S E S E C O M E N T R IO S
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
125
7.1. S O B R E A O T IM IZ A O D E E ST R U T U R A S
Um dos importantes avanos da Engenharia de Estruturas da segunda metade do
sculo XX ocorreu na rea de Mtodos Numricos para Anlise de Tenses,
principalmente atravs do Mtodo dos Elementos Finitos. Dada uma estrutura, seja ela
formada por barras, placas, cascas, slidos ou uma combinao destes elementos, j
possvel obter os respectivos campos de deslocamentos, deformaes e tenses, estudar
modos de vibrao natural, condies de instabilidade, etc. Estes desenvolvimentos
aliados aos avanos ocorridos na rea de computao, propiciaram a massificao do
uso de computadores nas empresas de clculo de projetos estruturais, possibilitando
anlises muito mais precisas e detalhadas que as realizadas h uma ou duas dcadas
passadas.
A fronteira de conhecimento que agora se coloca, determinar qual a estrutura
capaz de atender a todas as condies de segurana e que, alm disso, seja tima em
relao a um ou mais critrios pr-estabelecidos, tais como, menor peso, menor custo
dentre outros.
nesse cenrio que surgem os processos de otimizao tentando tornar os
computadores cada vez mais capazes de fazer escolhas sobre qual ou quais estruturas
so mais viveis dimensionar. Dentre os diversos processos de otimizao, os AGs
tem se mostrado extremamente eficazes na resoluo de problemas de engenharia
estrutural pois se adaptam bem a problemas com variveis discretas, funes objetivo
complicadas e restries as mais diversas possveis.
Vale observar que a otimizao de estruturas multidisciplinar pois, alm da
engenharia estrutural, ela abrange outras reas como estatstica, mtodos construtivos,
planejamento de obras, metodologia de compra e contratao de servios, alm de ser
varivel no tempo pois, a estrutura mais econmica hoje no necessariamente a
mesma para o perodo subseqente.
No h dvida que a prxima e importante vantagem competitiva a ser buscada
pelo mercado de engenharia de projetos estruturais so os mtodos de otimizao,
principalmente pelo critrio econmico, e cabe aos pesquisadores desenvolv-los para
que o mercado os utilize.
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
126
Embora de uso ainda restrito, seja pela dificuldade de utilizao ou pelo alto
custo de aquisio, j existem programas de anlise estrutural pelo Mtodo dos
Elementos Finitos, disponveis no mercado, capazes de fazer otimizao de estruturas,
porm, por serem programas de aplicao geral, demandam conhecimento terico e
experincia para a modelagem, processamento e interpretao dos resultados.
H um amplo espao no mercado de softwares para anlise de estruturas de
concreto armado capazes de, de forma amigvel e especializada, modelar as estruturas
mais usuais (prticos espaciais combinados com elementos de casca), efetuar anlises
lineares e, principalmente, no-lineares e processar estudos de otimizao topolgica e
de componentes.
Com certeza, esse desenvolvimento trar grande impacto na maneira como se
introduz a segurana na metodologia de projeto, possibilitando dar tratamento distinto
aos coeficientes de segurana de diferentes partes da estrutura (pilares, vigas e lajes) e
de diferentes arranjos estruturais (hiperestaticidade).
7.2. S O B R E O S A L G O R IT M O S G E N T IC O S
Embora este trabalho tenha dado uma maior abordagem da utilizao dos
Algoritmos Genticos para a resoluo de problemas de otimizao estrutural, inmeras
outras aplicaes da tcnica so possveis e j foram empregadas, tais como:
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
127
7.3. S O B R E A A N L ISE E ST R U T U R A L
A determinao dos esforos solicitantes necessrios para o dimensionamento
das sees transversais dos elementos do prtico (vigas e pilares) foi feita por um
programa de anlise matricial que, sendo vlidas as hipteses de linearidade fsica e
geomtrica, fornece a soluo exata. Mantendo a topologia, a otimizao ocorre tanto
pela alterao dos parmetros das sees quanto pela conseqente redistribuio dos
esforos pelo prtico. Efeitos devido ao comportamento no-linear do concreto
(viscosidade e plasticidade) e no-linearidade geomtrica (grandes deslocamentos e
deformaes) poderiam ter sido considerados de forma aproximada seguindo as
recomendaes de norma. Optou-se, porm, em faz-lo de forma exata na tese de
doutorado que dar seqncia a esse trabalho, atravs de um programa de anlise nolinear que utiliza o Mtodo dos Elementos Finitos.
A anlise no-linear possibilitar a considerao da deformao lenta do
concreto (viscosidade), plastificao de sees e a conseqente redistribuio dos
esforos, determinao precisa dos parmetros de instabilidade da estrutura e
considerao exata dos efeitos devido a carregamentos horizontais (vento). Embora os
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
128
( c , s )
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
129
reviso da norma de concreto armado, prestes a entrar em vigor, contemple essa nova
realidade.
7.4. S O B R E O S E X E M P L O S E L A B O R A D O S
Pode-se observar no exemplo de otimizao do pilar que, a estratgia de
enumerar todos os indivduos da populao que j satisfaam a um certo nmero de
restries, no eficaz, pois pode resultar em funes objetivo extremamente
descontnuas e com diversos pontos de mnimo local, o que dificulta bastante a pesquisa
do ponto extremo da funo objetivo pelo AG. Mesmo assim, pode-se observar que
dentre os trs casos apresentados, o AG convergiu rapidamente para o ponto de mnimo
nos local em apenas dois,
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
130
7.5 . S U G E ST E S P A R A T R A B A L H O S F U T U R O S
Abaixo so expostas algumas sugestes para trabalhos futuros nesta rea:
C a p itu lo 7 C o n c lu s e s e C o m e n t r io s
131
Referncias Bibliogrficas
REFERNCIAS BIBLIOGRFICAS
[A-1]
AMADIEU,
O.;
PARISOT,
C.
Algoritmes
Gntiques,
http://www.essi.fr/
~parisot/GA200/ga.html, 1997.
[A-2]
[B-1]
BARCELLOS,
J.
C.
H.
Algoritmos
Genticos
Adaptativos:
um
estudo
[B-2]
BANDEIRA,
A.
[C-1]
CASTRO
E.
R.;
BARBOSA,
H.
J.
C.
Otimizao
Estrutural
com
Multi-
S. A
Simple
[C-2]
COELLO,
Genetic
C.
C.;
Algorithm
CHRISTAINSEN,
for
the
Design
A.
of
D.;
HERNNDEZ,
Reinforced
F.
Concrete
Beams, United
[C-3]
COELLO,
Algorithm
C.
for
C.;
CHRISTAINSEN,
the
Optimal
A.
D.;
FARRERA,
Design
of
Axially
F.
Loaded
A.
Genetic
Non-Prismatic
Referncias Bibliogrficas
[D-1]
DAVIS,
L.
Nostrand
Reinhold, New
York, 1991.
[D-2]
DEMIDOVICH,
B.
P.;
MARON,
Computational
Mathematics,
Mir
Publishers,
Moscow, 1976.
[F-1]
FLETCHER,
R.
Practical
Methods
of
Optimization
Unconstrained
[F-2]
FLETCHER,
R.
Practical
Methods
of
Optimization
Constrained
[F-3]
[F-4]
FUSCO,
P.
B.
Estruturas de Concreto
[G-1]
GILL,
P.
E.;
MURRAY,
W.
Numerical
Methods
for
Constrained
[G-2]
GOLDENBER,
D.
E.
Genetic
Algorithms
in
Search,
Optimization
and
[G-3]
GERE,
J.
M.;
WEAVER
JUNIOR,
W.
Anlise
Matricial
de
Estruturas
[H-1]
HOROWITZ,
B.
Desing
of
Columns
Subjected
to
Biaxial
Bending, ACI
Referncias Bibliogrficas
[H-2]
HANN, B. D.
[L-1]
LACERDA,
M.J.S.,
E.G.M.,
VIEIRA,
CARVALHO,
V.P.P.B.,
A.C.P.L.F.,
DINIZ,
GALVO,
L.S.,
C.O.,
LUDERMIR,
VALENA,
T.B.
Sistemas
[L-2]
Rio
de Janeiro, 1977.
[L-3]
LUENBERGER,
D.G. Programacion
Linear
No
Linear, Stanford
University,
California, 1989.
[M-1]
MACGREGOR,
J.
G.
Reinforced
Concrete:
Mechanics
and
Design,
[M-2]
MEDRANO,
M.
S.
A plicaes
de
Programao
Matemtica
em
Anlise
[M-3]
[M-4]
de
Concreto
Armado
Flexo
Normal
Composta,
Referncias Bibliogrficas
[M-5]
Resistentes,
Iberian
XX
CILANCE
(20th
Latin-American
Congress
on
[M-6]
[M-7]
MICHALEWICZ,
Z.
Genetic
Algorithms
Data
Structures
Evolution
[N-1]
NEVES, F. A.
[N-2]
[N-3]
NETO,
F.
M.
levantamentos
Aplicao
Oceanogrficos
de
Algoritmos
(Tese
de
Genticos
ao
Doutoramento),
Palnejamento
de
EPUSP, So Paulo,
1997.
[O-1]
[O-2]
considerao
da
no-linearidade
fsica
modelagem
metodologia
de
Referncias Bibliogrficas
[P-1]
PFEIL,
W.
Concreto
Protendido:
Processos
Construtivos,
Perdas
de
[P-2]
PINTO,
[P-3]
PERDIGO,
de
Armado
Concreto
Segundo
as
Normas
Norte-Americanas (Dissertao
de
[R-1]
[S-1]
SHAFFER,
R.
Practical
Guide
to
Genetic
Algorithms,
Naval
Research
[S-2]
SILVA,
M.
A.
Sobre
Otimizao
de
Estruturas
Submetidas
[S-3]
SOARES,
R.
C.
Um
estudo
sobre
modelos
mecnico-probabilstico
para
[W-1]
Anexo - A
A -1
A NEXO A
Abaixo esto listados alguns dos algoritmos utilizados nos Mtodos de Programao
Matemtica para determinao dos pontos de mnimo de funes:
A 3 .1 - A L G O R IT M O P A R A O M T O D O D E N E W T O N -R A P H S O N
P a sso 1 : k = 0 estim ar x 0
P a sso 2 : calcu lar f ( x k )
P a sso 3 : se f ( x k ) < TOL , o nd e TOL = f ( x 0 ) , p are x k so lu o
caso co ntrrio v p ara o P a sso 4
P a sso 4 : C alcu le a Jaco b iana: f ( x k )
P a sso 5 : R eso lva
T
f ( x k ) d k = f ( x k )
P a sso 6 :
x k +1 = x k d k
P a sso 7 :
k = k+ 1 e v ao P a sso 2
s =1
s (0,1] at G ( s ) STOL Gc
Algoritmo 3 - 2 - Algoritmo para Busca Unidimensional
Anexo - A
A -2
A 3 .3 - A L G O R IT M O P A R A O M T O D O D E N -R
COM
B U S C A U N ID IM E N S IO N A L
P a sso 1 : k = 0 estim ar x 0
P a sso 2 : C alcu lar f ( x k )
P a sso 3 : se f ( x k ) < TOL p are x k so lu o , caso co ntrrio v p ara o P a sso 4
P a sso 4 : C alcu le a H essiana: 2 f ( x k )
T
{ (s ) = f ( x
s dk
)} , co m s 0 em relao s.
x k +1 = x k s k d k
k = k+1 e v ao Passo 2
(s ) = f ( x s d
(s )
s = 0 (0 ) = f ( x k )
k
k
s = 1 (1) = f ( x d )
0
s*
d
( s ) = G ( s ) = f ( x k s d k ).d k = 0
ds
Anexo - A
A -3
A 3 .4 - A L G O R IT M O P A R A O M T O D O D E Q U A S E -N E W T O N (B F G S )
P a sso 1 : k = 0 estim ar x 0 e B 0
P a sso 2 : calcu lar: f ( x k )
P a sso 3 : se f ( x k ) < TOL , o nd e TOL = f ( x 0 )
p are x k so lu o
caso co ntrrio v p ara o P a sso 4
P a sso 4 : C alcu le a d ireo d k
d k = B k f ( x k )
{ (s ) = f ( x
Minimizar
s dk
)}
C o m s 0 em relao s.
s k a so lu o d o p ro b lem a d e m inim izao acim a
P a sso 6 :
x k +1 = x k s k d k
P a sso 7 :
k = k+ 1 e v ao P a sso 2
k +1
Bk
(
k +1
k
B = B + 1 +
= f
=
k
(
k +1
) f ( )
k
) ( ) ( ) + (
( ) ( )
( )
k T
k T
k T
k T
k T
k T
k T
Anexo - A
A -4
A 3 .5 - A L G O R IT M O P A R A R E S O L U O D O S IS T E M A
P a sso 1 : k = o m esm o co ntad o r d a iterao d o B F G S
p = f ( x k )
P a sso 2 : Itere em i, d e i = k at i = 1 d e 1 em 1
( ( ) )
p= I+
P a sso 3 : q = B 0 p
P a sso 4 : Itere em i, d e i = 1 at i = k d e 1 em 1
( ( ) )
q= I+
E nto a d ireo d k = q
Algoritmo 3 - 5 - Algoritmo para Resoluo do Sistema
=
s k k k
=
f ( x k 1 ) k
k
( ( ) ) ( + ( ) ) f (
dk = I +
k T
k 1
k T
+ k f
k 1
Anexo - A
A -5
A 3 .6 - A L G O R IT M O P A R A O M T O D O N E W T O N / Q U A S E -N E W T O N
P a sso 1 :
( )
( )
( )
( )
2 f x 0 d 0 = f x 0
d ) Inicie Gc = d 0 f ( x 0 ) e faa GI = Gc
si = 1
G ( s i ) = d i f ( x i s i d i )
s (0,1] at G ( s i ) STOL Gc
iv) Increm ente: x i +1 = x i s i d i
b ) T este a d ivergncia:
( )
Anexo - A
A -6
A 3 .7 C A L C U L O D A D IR E O d i P E L O M T O D O D E N E W T O N
P a sso 1 : Increm ente o co ntad o r d a iterao : i = i + 1
( )
( )
i)
ii)
( )
( )
lineares: 2 f x i d i = f x i
iii)
A tu alize Gc = d i f ( x i )
iv )
A 3 .8 C A L C U L O D A D IR E O d i M T O D O D O B F G S
P a sso 1 : Increm ente as itera es: i = i + 1 ; j = j + 1
e
P a sso 2 : (F rm u la d o P ro d u to d o B F G S )
i
ii)
iii)
, o nd e:
d i 1
( ( )
( ))
d i 1 f x i f x i 1
( ( )
( ))
s i 1 f x i f x i 1 d i 1
( ) d
f x
i 1
i 1
( ( ) f ( )) +
= f
i 1
( )
iv) B j = I +
iT
j 1
( )
i 1
( + )
i
iT
( )
Anexo - A
A -7
A 3 .9 - A L G O R IT M O P A R A D E T E R M IN A R A D IR E O D E D E C R S C IM O
P A R A O M T O D O D O L A G R A N G IA N O
P a sso 1 : C alcu lar : A1
=
! "
1
# "
w = BT +
# $ '
% &
1
d1k =
k
2
*
f
+
i* gi ( x * )
x
(
)
i =1
g
x
)
1(
=0
g m ( x )
k +1
x
= t x k ,
(*
),
fazend o
A = 2 f ( x k ) + ik 2 gi ( x k ) e B = g ( x k ) p o d e-se reso lver o p ro b lem a p elo
m
i =1
A lgo ritm o 3 - 9 .
Algoritmo 3 - 10 - Algoritmo para o Mtodo do Lagrangiano com Restries
de Igualdade
Anexo - A
A -8
A 3 .1 1 - A L G O R IT M O P A R A O M T O D O D A P E N A L ID A D E
C O M R E S T R I E S D E I G U A L D A D E
P a sso 1 : E sco lha u m a seq ncia { k } p o r exem p lo {1,10,102 ,103 ,104 ,
Minimizar
m
1
P x , k = f ( x ) + k g i2 ( x )
2
i =1
o b tend o co m o so lu o x k
P a sso 3 : S eja T O L u m p arm etro d e co nvergncia.
S e x k satisfizer g ( x ) < TOL p arar
C o so co ntrrio , faa k +1 igu al ao p r xim o valo r d a seq ncia e v p ara
o P a sso 2 .
Algoritmo 3 - 11 - Algoritmo para o Mtodo da Penalidade com Restries
de Igualdade
A 3 .1 2 - A L G O R IT M O P A R A O M T O D O D O L A G R A N G IA N O A U M E N T A D O
C O M R E S T R I E S D E I G U A L D A D E
P a sso 1 : E stim ar o s valo res d e e
e faa k = 0
C o m A x,
A ( x, , )
k
, = f
( ) + i k g i ( ) + g i2 ( )
2
i =1
i =1
o b tend o co m o so lu o x k
satisfizer A x k ,
) < TOL
p arar
-)
k +1
+ g (
P a sso 5 : k = k + 1 , e v ao P a sso 2 .
Algoritmo 3 - 12 - Algoritmo para o Mtodo Lagrangiano Aumentado com
Restries de Igualdade
Anexo - A
A -9
seq ncia
dos
n m ero s
pode
ser
arb itrria,
ou
seja,
no
A 3.13 - A L G O R IT M O P A R A O M T O D O D A P E N A L ID A D E
COM
R E ST R I E S D E D E SIG U A L D A D E
P x,
P ( x, k )
q
1
= f ( x ) + k g j ( x )
2
j =1
o b tend o co m o so lu o x k
P a sso 3 : S eja T O L u m p arm etro d e co nvergncia.
S e x k satisfizer g ( x ) < TOL p arar
C o so co ntrrio , faa k +1 igu al ao p r xim o valo r d a seq ncia e v p ara
o P a sso 2 .
Algoritmo 3 - 13 - Algoritmo para o Mtodo da Penalidade com Restries
de Desigualdade
Anexo - A
A -1 0
A 3.14 - A L G O R IT M O P A R A O M T O D O D O L A G R A N G IA N O A U M E N T A D O
C O M R E ST R I E S D E D E SIG U A L D A D E
e faa k = 0
C o m A x,
A x,
k
, = f
)
q
( ) + jk
j =1
gj (
0 ) + 1 g (0 )
q
j =1
o b tend o co m o so lu o x k
satisfizer A x k ,
) < TOL
p arar
0)
k +1
+ g (
P a sso 5 : k = k + 1 , e v ao P a sso 2 .
Algoritmo 3 - 14 - Algoritmo para o Mtodo do Lagrangiano Aumentado com
Restries de Desigualdade
A 3 .1 5 - A L G O R IT M O P A R A O M T O D O D A P E N A L ID A D E
C O M R E S T R I E S M IS T A S
P a sso 1 : E sco lha u m a seq ncia { k } p o r exem p lo {1,10,102 ,103 ,104 ,
P ( x, k )
q
m
2
1
1
P x , k = f ( x ) + k ( g i ( x )) + k g j ( x )
2
2
i =1
j =1
o b tend o co m o so lu o x k
P a sso 3 : S eja T O L u m p arm etro d e co nvergncia.
S e x k satisfizer g ( x ) < TOL p arar
C o so co ntrrio , faa k +1 igu al ao p r xim o valo r d a seq ncia e v p ara
o P a sso 2 .
Algoritmo 3 - 15 - Algoritmo para o Mtodo da Penalidade com Restries
Mistas
Anexo - A
A -1 1
A 3 .1 6 M IN IM IZA O P E L O M T O D O D E N E W T O N
P a sso 1 : Increm ente o co ntad o r d a iterao ; i = i + 1
a) C alcu le o valo r d a fu no A x i ,
, e d a H essiana 2 A x i ,
2 A x i ,
(4
= A
c) A tu alize Gc = d i A x i ,
C alcu le
2 A x0 ,
o
,
valo r
da
e x0
A x 0 ,
fu no
da
H essiana
2 A x 0 ,
d ) Inicie Gc = d 0 A x 0 ,
= A
(4
, e faa GI = Gc
si = 1
G ( s i ) = d i A( x i s i d i ,
, )
Anexo - A
A -1 2
S e G ( s i ) > STOL Gc
S e A x i +1 ,
) > A ( 6
c) T este a so lu o d o p ro b lem a:
S e Gc ETOL GI , ento v p ara o P a sso 3 , so lu o satisfeita
d ) A nalise o p asso d a b u sca:
S e s i < 0, 001 , ento v p ara o A lgo ritm o 3 - 1 6
e) T este o lim ite d e itera es d o B F G S :
S e j = maxBFGS ento v p ara o A lgo ritm o 3 - 1 6
f) V p ara o A lgo ritm o 3 - 1 8
P a sso 3 : A tu alizao d o s m u ltip licad o res d e L agrange:
a) C alcu le o s no vo s m u ltip licad o res
6)
5 = 5 + g (6 )
k +1
k +1
+ g (
tr
: p ara to d as as restri es
5 5
5
k +1
k +1
tr
ii. k = k + 1
d ) R einicialize co m o s no vo s M u ltip licad o res:
i. C alcu le o no vo R esd u o : A x i ,
eq u a es
Anexo - A
A -1 3
lineares: 2 A x i ,
iii. A tu alize: Gc = d i A x i ,
= A
(9
: e;
d i 1
( ( )
iii.
, o nd e:
( ))
d i 1 f x i f x i 1
ii. =
j
( ( )
( ))
s i 1 f x i f x i 1 d i 1
( )
f x i 1 d i 1
( ( 9 ) f ( 9 )) +
= f
i 1
( : ; ) <
iv. B j = I +
iT
j 1
(= + ; : )
i
(9 )
i 1
iT
P a sso 4 : A tu alize Gc = d i A x i ,
Anexo - B
B-1
ANEXO B
Abaixo est apresentada a seqncia de comandos que compem o arquivo de
entrada do programa OTIMPORCA.
Anexo - B
B-2
Anexo - B
B-3
10
11
12
13
14
15
16
17
18
19
20
5.00
5.50
0.00
0.75
1.50
2.25
3.00
3.75
4.50
5.00
5.50
3.00
3.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
Anexo - B
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
0.00 9.00
0.75 9.00
1.50 9.00
2.25 9.00
3.00 9.00
3.75 9.00
4.50 9.00
5.00 9.00
5.50 9.00
0.00 12.00
0.75 12.00
1.50 12.00
2.25 12.00
3.00 12.00
3.75 12.00
4.50 12.00
5.00 12.00
5.50 12.00
0.00 15.00
0.75 15.00
1.50 15.00
2.25 15.00
3.00 15.00
3.75 15.00
4.50 15.00
5.00 15.00
5.50 15.00
01 03 1 01
03 12 1 03
12 21 1 05
21 30 1 07
30 39 1 09
02 9 1 02
09 18 1 04
18 27 1 06
27 36 1 08
36 45 1 10
03 04 1 11
04 05 1 11
05 06 1 11
06 07 1 11
07 08 1 11
08 09 1 11
09 10 1 11
10 11 1 11
12 13 1 11
13 14 1 11
14 15 1 11
15 16 1 11
16 17 1 11
B-4
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
24 17 18 1 11 1
25 18 19 1 11 1
26 19 20 1 11 1
27 21 22 1 11 1
28 22 23 1 11 1
29 23 24 1 11 1
30 24 25 1 11 1
31 25 26 1 11 1
32 26 27 1 11 1
33 27 28 1 11 1
34 28 29 1 11 1
35 30 31 1 11 1
36 31 32 1 11 1
37 32 33 1 11 1
38 33 34 1 11 1
39 34 35 1 11 1
40 35 36 1 11 1
41 36 37 1 11 1
42 37 38 1 11 1
43 39 40 1 12 1
44 40 41 1 12 1
45 41 42 1 12 1
46 42 43 1 12 1
47 43 44 1 12 1
48 44 45 1 12 1
49 45 46 1 12 1
50 46 47 1 12 1
1 2.10E+6 8.400E+5
1 20.0 2
2 20.0 2
3 20.0 2
4 20.0 2
5 20.0 2
6 20.0 2
7 20.0 2
8 20.0 2
9 20.0 2
10 20.0 2
11 15.0 1
12 15.0 1
1 111111 0.0 0.0 0.0
2 111111 0.0 0.0 0.0
01
SOBREC_VENTO
03 0.50 0.00 0.00
12 0.50 0.00 0.00
21 0.75 0.00 0.00
30 0.75 0.00 0.00
39 1.00 0.00 0.00
05 0.00 -1.00 0.00
Anexo - B
07
14
16
23
25
32
34
41
43
11
20
29
38
47
00
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
B-5
-1.00
-1.00
-1.00
-1.00
-1.00
-1.00
-1.00
-1.00
-1.00
-0.80
-0.80
-0.80
-0.80
-0.80
0.00
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
36 0.00
37 0.00
38 0.00
39 0.00
40 0.00
41 0.00
42 0.00
43 0.00
44 0.00
45 0.00
46 0.00
47 0.00
48 0.00
49 0.00
50 0.00
00 0.00
100
30
0.85
0.95
0.03
0.001
20
25
500
500
3.0
3.0
20.0
20.0
5.0
5.0
20
20
130
150
5
5
2.5
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
-0.50
0.00
Anexo - B
B-6
***********************************************************************
*
UNIVERSIDADE DE SAO PAULO
*
* DEPARTAMENTO DE ESTRUTURAS E FUNDACOES *
*
*
* PROGRAMA PARA OTIMIZACAO DE PORTICOS DE *
*
CONCRETO ARMADO
*
**********************************************************************
ELIVALDO ELENILDO DA SILVA
***
DADOS GEOMETRICOS DO PORTICO DE CONCRETO
***
____________________________________________________________
PORTICO
Numero de pontos nodais :
Numero de elementos :
Numero de condies de contorno :
Numero de tipos de material :
Numero de tipos de seo :
Numero do tipo de elemento :
Cord. X Cord.Y
0.00
4.50
0.00
0.75
1.50
2.25
3.00
3.75
4.50
5.00
5.50
0.00
0.75
1.50
2.25
3.00
3.75
4.50
5.00
5.50
0.00
0.75
1.50
2.25
0.00
0.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
3.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
6.00
9.00
9.00
9.00
9.00
47
50
2
1
12
3
Anexo - B
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
3.00
3.75
4.50
5.00
5.50
0.00
0.75
1.50
2.25
3.00
3.75
4.50
5.00
5.50
0.00
0.75
1.50
2.25
3.00
3.75
4.50
5.00
5.50
B-7
9.00
9.00
9.00
9.00
9.00
12.00
12.00
12.00
12.00
12.00
12.00
12.00
12.00
12.00
15.00
15.00
15.00
15.00
15.00
15.00
15.00
15.00
15.00
No inicial
1
3
12
21
30
2
9
18
27
36
3
4
5
6
7
8
9
10
12
13
14
15
No final Material
3
12
21
30
39
9
18
27
36
45
4
5
6
7
8
9
10
11
13
14
15
16
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Seo
3
5
7
9
11
4
6
8
10
12
1
1
1
1
1
1
1
1
1
1
1
1
Viga ou Pilar
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
Anexo - B
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
B-8
16
17
18
19
21
22
23
24
25
26
27
28
30
31
32
33
34
35
36
37
39
40
41
42
43
44
45
46
17
18
19
20
22
23
24
25
26
27
28
29
31
32
33
34
35
36
37
38
40
41
42
43
44
45
46
47
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
Propriedades de Material :
Material Mod.Elast.Long. Mod.Elast.Transv.
1
Seo
1
2
3
4
5
6
7
8
9
10
11
12
2100000.
Base [cm]
15.
15.
20.
20.
20.
20.
20.
20.
20.
20.
20.
20.
840000.
Altura [cm]
40.
40.
30.
30.
30.
30.
30.
30.
30.
30.
30.
30.
Viga[1] ou Pilar[2]
1
1
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Anexo - B
B-9
Condies de apoio :
No Restring.
1
2
Codigo
Desl. X
Desl. Y
Rot. Z
111111
0.000E+00
0.000E+00 0.000E+00
111111
0.000E+00
0.000E+00 0.000E+00
0.500
0.500
0.750
0.750
1.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
-1.000
-1.000
-1.000
-1.000
-1.000
-1.000
-1.000
-1.000
-1.000
-1.000
-0.800
-0.800
-0.800
-0.800
-0.800
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
Carga Distribuidas
Elemento
Q Distr X
11
12
13
14
15
16
0.000
0.000
0.000
0.000
0.000
0.000
Q Distr Y
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
Anexo - B
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
B-10
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
-0.500
Anexo - B
B-11
40
40
Propriedades da Seo :
Seo
rea
01
02
03
04
05
06
07
08
09
10
11
12
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
0.600E-01
Inrcia
0.800E-03
0.800E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
0.450E-03
rea cort.
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
0.000E+00
Desl. X
Desl. Y
Rot. Z
Anexo - B
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
0.6232E-15
0.7515E-02
0.7515E-02
0.7514E-02
0.7514E-02
0.7514E-02
0.7514E-02
0.7513E-02
0.7513E-02
0.7513E-02
0.1781E-01
0.1781E-01
0.1781E-01
0.1781E-01
0.1781E-01
0.1780E-01
0.1780E-01
0.1780E-01
0.1780E-01
0.2704E-01
0.2704E-01
0.2704E-01
0.2704E-01
0.2703E-01
0.2703E-01
0.2703E-01
0.2703E-01
0.2703E-01
0.3420E-01
0.3420E-01
0.3420E-01
0.3420E-01
0.3419E-01
0.3419E-01
0.3419E-01
0.3419E-01
0.3419E-01
0.3906E-01
0.3905E-01
0.3904E-01
0.3904E-01
0.3903E-01
0.3902E-01
0.3902E-01
0.3902E-01
0.3902E-01
B-12
-0.9136E-14
-0.1605E-03
-0.1639E-02
-0.2113E-02
-0.1719E-02
-0.8814E-03
-0.2330E-03
-0.6948E-03
-0.1674E-02
-0.2727E-02
-0.3018E-03
-0.1764E-02
-0.2279E-02
-0.1965E-02
-0.1229E-02
-0.6845E-03
-0.1236E-02
-0.2265E-02
-0.3369E-02
-0.4222E-03
-0.1786E-02
-0.2390E-02
-0.2254E-02
-0.1688E-02
-0.1209E-02
-0.1624E-02
-0.2474E-02
-0.3398E-02
-0.5124E-03
-0.1647E-02
-0.2286E-02
-0.2328E-02
-0.1962E-02
-0.1581E-02
-0.1870E-02
-0.2533E-02
-0.3271E-02
-0.5609E-03
-0.1752E-02
-0.2599E-02
-0.2874E-02
-0.2637E-02
-0.2155E-02
-0.1984E-02
-0.2194E-02
-0.2477E-02
-0.1113E-14
-0.2641E-02
-0.1294E-02
0.9171E-05
0.9385E-03
0.1163E-02
0.3521E-03
-0.1825E-02
-0.2060E-02
-0.2128E-02
-0.2574E-02
-0.1315E-02
-0.7554E-04
0.8136E-03
0.1022E-02
0.2191E-03
-0.1926E-02
-0.2161E-02
-0.2229E-02
-0.2276E-02
-0.1330E-02
-0.2748E-03
0.5598E-03
0.8432E-03
0.2446E-03
-0.1567E-02
-0.1802E-02
-0.1869E-02
-0.1737E-02
-0.1228E-02
-0.4450E-03
0.2804E-03
0.6178E-03
0.2366E-03
-0.1194E-02
-0.1429E-02
-0.1496E-02
-0.1655E-02
-0.1433E-02
-0.7670E-03
0.1106E-04
0.5710E-03
0.5821E-03
-0.2862E-03
-0.5211E-03
-0.5887E-03
Anexo - B
B-13
Elemento
No
Normal
Cortante
M.Fletor
01
1
3
3
12
12
21
21
30
30
39
2
9
9
8
18
27
27
36
36
45
3
4
3
4
5
6
6
7
7
8
8
9
9
10
10
11
12
13
13
14
14
15
15
16
16
17
17
18
6.967
-6.517
6.160
-5.710
5.281
-4.831
4.015
-3.565
2.261
-0.097
29.407
28.957
22.940
-22.490
16.544
-16.094
10.535
-10.085
5.014
-4.564
0.047
-0.047
0.047
-0.047
0.047
-0.047
0.047
-0.047
0.047
-0.047
0.047
-0.047
0.000
0.000
0.000
0.000
0.282
-0.282
0.282
-0.282
0.282
-0.282
0.282
-0.282
0.282
-0.282
0.282
-0.282
1.492
-1.492
1.040
-1.040
0.822
-0.822
0.477
-0.477
-0.172
-1.811
2.006
-2.006
1.959
-1.959
1.675
-1.675
1.269
-1.269
1.094
-1.094
0.357
0.130
0.357
0.130
-1.618
2.105
-2.105
-1.353
-3.593
0.408
-4.080
3.286
1.450
1.125
1.125
0.481
0.429
-2.720
-0.058
-2.859
-1.546
-2.632
-2.033
-1.290
-3.521
0.417
-4.008
3.241
3.070
1.406
1.538
1.581
1.139
1.327
0.546
0.885
0.097
-0.120
3.584
2.434
2.970
2.906
2.399
2.625
1.787
2.021
1.355
1.927
-2.944
3.030
-2.944
3.030
-2.749
1.353
2.593
-0.408
4.080
-3.286
4.568
-6.528
-1.125
-0.481
-0.800
0.000
0.058
2.859
0.546
2.632
2.033
1.290
2.521
-0.417
4.008
-3.241
4.496
-6.430
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Anexo - B
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
B-14
18
19
19
20
21
22
22
23
23
24
24
25
25
26
26
27
27
28
28
29
30
31
31
32
32
33
33
34
34
35
35
36
36
37
37
38
39
40
40
41
41
42
42
43
43
44
44
45
45
46
0.000
0.000
0.000
0.000
0.405
-0.405
0.405
-0.405
0.405
-0.405
0.405
-0.405
0.405
-0.405
0.405
-0.405
0.000
0.000
0.000
0.000
0.177
-0.177
0.177
-0.177
0.177
-0.177
0.177
-0.177
0.177
-0.177
0.177
-0.177
0.000
0.000
0.000
0.000
1.097
-1.097
1.097
-1.097
1.097
-1.097
1.097
-1.097
1.097
-1.097
1.097
-1.097
0.000
0.000
1.450
1.125
1.125
0.481
0.816
-1.873
0.328
-2.302
-1.159
-2.365
-1.647
-1.313
-3.134
0.105
-3.622
2.638
1.450
1.125
1.125
0.481
1.304
-0.713
0.816
-1.508
-0.671
-1.938
-1.159
-1.251
-2.646
-0.199
-3.134
1.968
1.450
1.125
1.125
0.481
1.811
0.120
1.323
-1.056
-0.164
-1.865
-0.652
-1.560
-2.139
-0.888
-2.627
0.899
1.450
1.125
-1.125
-0.481
-0.800
0.000
-0.328
2.302
0.159
2.365
1.647
1.313
2.134
-0.105
3.622
-2.638
4.109
-5.537
-1.125
-0.481
-0.800
0.000
-0.816
1.508
-0.329
1.938
1.159
1.251
1.646
0.199
3.134
-1.968
3.621
-4.501
-1.125
-0.481
-0.800
0.000
-1.323
1.056
-0.836
1.865
0.652
1.560
1.139
0.888
2.627
-0.899
3.114
-3.052
-1.125
-0.481
Anexo - B
B-15
50
46
47
0.000
0.000
1.125
0.481
-0.800
0.000
Reaes de Apoio :
No Restring. Forca X Forca Y Momento
1
2
Anexo - B
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
B-16
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
8.0
1.040
0.701
0.465
0.164
0.056
1.049
0.881
0.740
0.601
0.452
0.615
0.526
0.454
0.254
0.101
0.597
0.205
0.121
0.449
0.597
0.521
0.243
0.097
0.585
0.205
0.121
0.371
16.0
16.0
16.0
16.0
16.0
16.0
16.0
16.0
16.0
16.0
16.0
16.0
10.0
10.0
10.0
10.0
10.0
10.0
10.0
10.0
3
3
3
3
2
3
2
2
2
3
2
2
2
3
3
3
2
3
3
2
ALFA [FCN2]
0.368
0.770
0.644
0.402
0.042
0.772
0.862
0.862
0.777
0.780
0.633
0.454
0.223
0.101
0.823
1.086
0.088
0.000
0.472
0.521
0.243
0.097
0.804
1.065
0.088
0.000
0.480
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
0
1
1
0
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
2
2
3
3
2
ALFA [RO]
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
2
2
2
1
0
1
0
0
0
0
0
0
0
0
0
0
0
1
1
0
Anexo - B
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
B-17
0.480
0.468
0.247
0.020
0.386
0.166
0.087
0.168
0.833
0.384
0.235
0.156
0.483
0.282
0.121
0.036
0.552
0.824
0.675
0.650
0.236
0.358
0.290
0.468
0.247
0.022
0.386
0.812
0.071
0.000
0.299
0.320
0.235
0.156
0.488
1.014
0.121
0.000
0.804
1.059
0.675
0.349
0.436
0.920
0.153
0.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
Anexo - B
B-18
Anexo - B
B-19
Anexo - B
B-20
Anexo - B
B-21
Anexo - B
B-22
Anexo - B
B-23
Anexo - B
B-24
Anexo - B
B-25
Anexo C
C-1
ANEXO C
Os diversos mdulos que foram implementados para o OTIMPORCA esto
enumerados nos itens a seguir:
1. Mdulo de Leitura dos Dados de Entrada;
2. Gerador de Nmeros Aleatrios;
3. Gerador de Cromossomos Codificador (cadeia de bits);
4. Decodificadores para dada um dos diversos cromossomos;
5. Operador para de Cruzamento de 2 Pontos;
6. Operador para Mutao Uniforme;
7. Ordenador de Nmero;
8. Mdulo para fazer o Ranking dos Indivduos;
9. Operadores de Seleo de Indivduos para Cruzamentos;
10. Mdulo de Anlise Matricial de Estruturas Clculo dos Esforos do Prtico;
11. Mdulo de Verificao das Sees Transversais FCN (Penalizao);
a. Verificao de Equilbrio;
b. Verificao de Deformaes Compatveis.
12. Mdulo para Clculo do Custo da Estrutura;
13. Mdulo Verificador das Dimenses e Distribuio das Armaduras (Penalizao);
14. Mdulo para Clculo das Flechas Horizontal e Vertical (Penalizao);
15. Mdulo para Clculo das Taxas de Armadura das Sees (Penalizao);
16. Mdulo de Clculo da Mdia do Custo dos indivduos e verificao da
Convergncia;
17. Operador de Elitismo da Populao (10% melhores so guardados para prxima
gerao);
18. Mdulo de Gerao dos Arquivos de Sada.
a. Arquivo com os dados de cada da populao;
b. Arquivo com o resumo para cada gerao;
c. Arquivo com os dados do melhor indivduo obtido .
Para que se possa visualizar melhor o processo de otimizao de estruturas de
concreto armado, so apresentados a seguir alguns fluxogramas tanto para o exemplo de
Otimizao do Pilar Isolado como para o OTIMPORCA 1, a diferena entre a verso 1 e 2
est apenas na escolha das variveis para o problema como discutido no Capitulo 6.
Anexo C
C-2
VERIFICAO DA FCO
DEFROM AES
EQUI L BRIO
Anexo C
C-3
SELECIONA
N/2 P ARES
D E IN IV ID U O S
PARA CADA
GERAO
SEGUINTE
NOVA
POPULAO
MUTAO
CRUZAMENTO
EQUILBRIO
VERIFICAO DA FCO
DEFORMAES
CRIT RIO DE
PA RA DA
NO CONVERGIU
CONVERGIU
Anexo C
C-4
LEITURA DADOS
DE ENTRADA
POPULAAO INICIAL
GERAAO DOS CROMOSSOMOS
CROM OSSOM O
AS
CROM OSSOM O
H PILA RES
CROM OSSOM O
H VIGA S
EQCR
UOIL
BSRSIOOMO
MO
DESLOCA M ENTO
PENALIZAO
A SL
Anexo C
C-5
Anexo C
C-6
CROMOSSOMOS GERADOS NA
GERAO ANTEIOR
CROM OSSOM O
AS
CROM OSSOM O
H PILA RES
CROM OSSOM O
H VIGA S
EQCU
ILMO
BSRSIOOMO
RO
A SL
DESLOCA M ENTO
PENALIZAO
Anexo C
C-7
CUSTO MNIMO
CUSTO MDIO
CUSTO MXIMO