Escolar Documentos
Profissional Documentos
Cultura Documentos
Computao Evolucionria em
Problemas de Engenharia
2011
Copyright
c 2011 Omnipax Editora Ltda
Caixa Postal: 16532 - 81520-980 Curitiba, PR
Capa:
Srgio Alexandre Prokoev
Impresso:
Pix Bureau Grca e Editora
Ficha catalogrca:
Adriano Lopes (CRB9/1429)
Vrios autores
Inclui biograas
ISBN: 978-85-64619-00-5
e-ISBN: 978-85-64619-04-3
1. Introduo
A programao diria da operao da gerao um dos problemas mais
relevantes do setor de energia eltrica. Nessa tarefa, a meta o atendimento
da demanda ao menor custo possvel atravs da otimizao dos recursos
disponveis (Fortunato et al., 1990). A programao da operao torna-se
cada vez mais relevante, no apenas para promover economia e segurana
do sistema, mas tambm pelas seguintes razes:
2. Colnia de Formigas
As formigas, em sua busca por comida, deixam trilhas bem denidas entre
a colnia e a fonte de alimento, isso acontece devido ao depsito de uma
substncia chamada feromnio. Embora o processo de busca se inicie de
forma aleatria, se uma formiga encontra um caminho mais curto entre a
fonte de comida e o ninho, esta, ao retornar para o ninho, reforar a trilha
de feromnio deixada por ela na ida. Como seu caminho mais curto, ela
percorrer o trajeto de ida e volta mais vezes do que as outras, que levaro
mais tempo para sair e voltar ao ninho, reforando mais a concentrao
de feromnio. medida que outras formigas encontrarem essa trilha com
4 Silva Junior et al.
t ndice da hora;
trmica i na horat;
Pi (t) Potncia ativa gerada pela unidade trmica i na hora t;
Pimax Limite mximo de potncia ativa gerada pela unidade
trmica i;
Pimin Limite mnimo de potncia ativa gerada pela unidade
trmica i;
D(t) Demanda solicitada na hora t;
r(t) Reserva girante solicitada na hora t;
Tion Tempo mnimo de partida da unidade trmica i;
Tiof f Tempo mnimo de parada da unidade trmica i;
ACO para sistemas termoeltricos de gerao 5
ativa no instante t;
p (t) Multiplicador de Lagrange associado equao de balano de
potncia no instante t;
r (t) Multiplicador de Lagrange associado restrio de reserva
girante no instante t;
min F OB = A + B + C (1)
onde:
T X
X N
A= [ai + bi Pi (t) + ci Pi2 (t)] DOi (t) (2)
t=1 i=1
T X
X N
B= SCi (t) (3)
t=1 i=1
T X
X N
C= SDi (t) (4)
t=1 i=1
( )
hci : Tiof f Xiof f (t) Tiof f + cshi
SC = (5)
cci : Xiof f > Tiof f + cshi
6 Silva Junior et al.
N
X
DOi (t) Pi (t) = D(t) . . . d (t) (6)
i=1
N
X
DOi (t) Pimax D(t) + r(t) . . . r (t) (7)
i=1
4. Metodologia Proposta
A metodologia proposta baseia-se na utilizao dos multiplicadores de La-
grange, obtidos da soluo contnua do problema da programao diria da
operao de sistemas termoeltricos de gerao, como informaes adicio-
nais no processo de busca do algoritmo de colnia de Formigas. Para tanto,
a
a metodologia proposta utiliza trs etapas distintas: ( ) Obteno da solu-
o relaxada do problema, com objetivo de determinar o limite inferior do
custo de operao e assim, dar uma sensibilidade ao processo de busca no
que diz respeito distncia das solues obtidas pela colnia em relao ao
b
limite inferior encontrado; ( ) Obteno dos multiplicadores de Lagrange
associados aos estados operativos de cada uma das unidades geradoras,
durante o perodo de estudo, com o objetivo de elaborar de uma ordem
de mrito que auxiliar no processo de busca via colnia de formigas; ( ) c
As informaes oriundas dos multiplicadores de Lagrange so inseridas na
colnia de modo auxiliar no processo de busca.
ACO para sistemas termoeltricos de gerao 7
t
exi 1
F DOi (xti ) = t (11)
exi + 1
xmin
i xti xmax
i . . . xi (t) (12)
onde:
8 Silva Junior et al.
FDO
Funo Degrau
1
Funo Sigmoidal
0.5
0
x
0 2 4 6 8 10 12 14 16 18 20
ra t;
xmin .xmax Limite mnimo e mximo do argumento da funo sigmide;
T
X
D= P gC (t) (13)
t=1
onde:
(R$/MWh);
cia na hora . t
x1 (t) x2 (t) ... xN (t)
(t + 1) x2 (t + 1) ... xN (t + 1)
x1
MS = . . .
(14)
. . .
. . ... .
x1 (T ) x2 (T ) ... xN (T )
Como estes multiplicadores so de carter local, optou-se por calcu-
lar a mdia destes coecientes de Lagrange para cada uma das unidades,
Equao 15. O objetivo obter uma sensibilidade geral e com isso uma
ordem de mrito nica para todo o perodo de operao.
10 Silva Junior et al.
PT
t=1 xi (t)
xi = , i = 1, . . . , N (15)
T
Como os valores dos multiplicadores so negativos, j que estes retra-
tam a reduo da funo objetivo em relao tendncia da colocao
das unidades em servio, a ordem de mrito obtida atravs da ordenao
crescente dos valores mdios dos multiplicadores de Lagrange.
b
( ) solues cujos custos operacionais forem distantes do limite inferior,
contribuem de forma supercial na matriz de feromnio. Desta forma,
o feromnio depositado, na MF, pelo indivduo k para a soluo m na
iterao i dado pela Equao 16.
1
M Fki (m) = (16)
|F OBki (m) LIC|
onde:
anlise;
onde:
nf
X
M F i (m) = M Fki (m) (18)
k=1
heurstica do problema.
5. Resultados
Com o objetivo de vericar a ecincia das informaes dos multiplicadores
de Lagrange no processo de busca pelo algoritmo de colnia de formigas
foram realizadas simulaes de um sistema com quatro unidades termoel-
tricas de gerao e um perodo de programao de oito horas (Valenzuela
& Smith, 2002) e sistemas com dez, vinte e cem unidades geradoras, com
um perodo de programao de vinte e quatro horas (Senjyu et al., 2003).
O nmero total de combinaes para os sistemas em anlise apresentado
na Tabela 2, ilustrando a diculdade da obteno da melhor soluo para
o problema, ponto de mnimo global.
r
A metodologia proposta foi implementada em MATLAB e o ambiente
computacional utilizado foi um computador Pentium Dual Core, 1.86 GHz
e 2 GB RAM.
As Tabelas 3 e 4 apresentam, respectivamente, os custos operacionais
e os tempos aproximados de processamento obtidos pela metodologia pro-
posta.
Em negrito, destacam-se os resultados obtidos com a insero dos mul-
tiplicadores de Lagrange, atravs das formigas Obreiras, no processo de
busca da colnia. Os demais resultados no fazem uso das informaes
dos multiplicadores. Entretanto, so realizadas variaes no tamanho da
colnia de modo a vericar a ecincia do processo de busca sem estas
informaes adicionais.
possvel vericar que na colnia onde as informaes baseadas nos
multiplicadores de Lagrange foram inseridas, o processo de busca se apre-
sentou mais eciente. Ou seja, foi possvel obter solues de melhor quali-
14 Silva Junior et al.
PSO - - -
6. Concluses
Este captulo apresentou uma opo de representao para a varivel dis-
creta de deciso, inerente a programao diria da operao de sistemas
termoeltricos de gerao e, consequentemente, a utilizao das informa-
es dos multiplicadores de Lagrange, associados as decises de operao,
com o objetivo de melhorar a ecincia do processo de busca baseado no
comportamento de colnias de formigas. Diante dos resultados obtidos, os
seguintes aspectos podem ser enfatizados:
Referncias
Belede, L.; Jain, A. & Gaddam, R., Unit commitment with nature and
biologically inspired computing. In: Proceedings of World Congress on
Nature and Biologically Inspired Computing. Piscataway, EUA: IEEE
Press, p. 824829, 2009.
Bonabeau, E.; Theraulaz, G.; Deneubourg, J.; Aron, S. & Camazine, S.,
Self-organization in social insects. Trends in Ecology and Evolution,
12(5):188193, 1997.
de Oliveira, E.; da Silva Jr., I.; Pereira, J. & Carneiro Jr., S., Transmis-
sion system expansion planning using a sigmoid function to handle
integer investment variables. IEEE Transactions on Power Systems,
20(3):16161621, 2005.
Dorigo, M. & Caro, D., The ant colony optimization meta-heuristic. In:
Corne, D.; Dorigo, M. & Glover, D. (Eds.), New Ideas in Optimization.
New York, EUA, p. 1132, 1999, 450 p.
ACO para sistemas termoeltricos de gerao 17
Dorigo, M.; Caro, D. & Gambardella, L., Ant algorithms for discrete opti-
mization. Articial Life, 5(2):137172, 1999.
Dorigo, M.; Maniezzo, V. & Colorni, A., The ant system: Optimization by
a colony of cooperating agents. IEEE Transactions on Systems, Man
and Cybernetics, Part B, 26(1):2941, 1996.
Dorigo, M. & Sttzle, T., The ant colony optimization metaheuristic: Algo-
rithms, applications, and advances. In: Glover, F. & Kochenberger, G.
Handbook of Metaheuristics. New York, EUA: Springer, v. 57
(Eds.),
Operations Research and Management Science, p. 250285, 2003.
de
Hobbs, B.; Rothkopf, M.; O'Neill, R. & Chao, H. (Eds.), The Next Gene-
ration of Electric Power Unit Commitment Models. 1a edio. New
York, EUA: Kluwer Academic, 2001. 328 p.
Juste, K.; Kita, H.; Tanaka, E. & Hasegawa, J., An evolutionary program-
ming solution to the unit commitment problem. IEEE Transactions
on Power Systems, 14(4):14521459, 1999.
Logenthiran, T. & Srinivasan, D., Particle swarm optimization for unit
commitment problem. In: Proceedings of IEEE International Con-
ference on Probabilistic Methods Applied to Power Systems. p. 642
647, 2010.
Roosta, S., Parallel Processing and Parallel Algorithms: Theory and Com-
putation. New York, EUA, 1999. 585 p.
18 Silva Junior et al.
Senjyu, T.; Yamashiro, H.; Shimabukuro, K.; Uezato, K. & Funabashi, T.,
Fast solution technique for large scale unit commitment problem using
genetic algorithm. IEE Proceeding on Generation, Transmission and
Distribution, 150(6):753 760, 2003.
Sun, L.; Zhang, Y. & Jiang, C., A matrix real-coded genetic algorithm
to the unit commitment problem. Electric Power System Research,
76(9-10):716728, 2006.
Valenzuela, J. & Smith, A., A seeded memetic algorithm for large unit
commitment problems. Journal of Heuristics, 8(2):173195, 2002.
Wood, A. & Wollenberg, B., Power Generation, Operation and Control.
2a edio. New York, EUA: J. Wiley & Sons, 1996. 592 p.
Notas Biogrficas
Ivo Chaves da Silva Junior graduado e mestre em Eng. Eltrica pela
UFJF (2001 e 2003), e Doutor em Eng. Eltrica pela UFRJ/COPPE (2008).
Atualmente professor adjunto do curso de Eng. Eltrica da UFJF e atua
nos seguintes temas: otimizao de sistemas eltricos de potncia, expanso
de sistemas de transmisso, operao de sistemas hidrotrmicos, tcnicas
heursticas, metaheursticas e mercado de energia.
1. Introduo
Nos Sistemas Hidrotrmicos de Potncia (SHP), a gerao de energia el-
trica pode ser obtida de forma hidroeltrica, quando resulta do aprovei-
tamento da energia potencial da gua, e trmica, atravs da queima de
combustveis diversos como carvo, leo, gs ou sso do urnio e, even-
tualmente, por importao de sistemas vizinhos, conforme apresentado na
Figura 1. Toda a energia disponvel enviada atravs das linhas de trans-
misso para o atendimento da demanda. Portanto, faz-se necessrio um
Planejamento da Operao destes sistemas cada vez mais avanado, que
englobe as fontes de gerao de energia, com objetivo de garantir, da me-
lhor forma possvel, o atendimento da demanda. Este um grande desao
para os gerenciadores do Setor Eltrico, caso no resolvido adequadamente,
a uma crise de abastecimento de energia.
Alm disso, em sistemas de energia eltrica que tem uma grande partici-
pao de gerao hidroeltrica, como no caso do Brasil, aproximadamente
76,9% (EPE, 2010), pode-se utilizar a energia potencial da gua arma-
zenada nos reservatrios, gerenciando-a convenientemente, para atender a
demanda e substituir de forma racional a gerao dispendiosa das unidades
trmicas.
Entretanto, o volume de gua auente aos reservatrios desconhecido,
pois depende basicamente das auncias que iro ocorrer no futuro. Alm
disso, a disponibilidade de energia hidroeltrica limitada pela capacidade
de armazenamento nos reservatrios. Isto introduz uma relao entre uma
deciso de operao em uma determinada etapa e as consequncias futuras
desta deciso. Por exemplo, se a deciso for utilizar energia hidroeltrica
para atender o mercado e no futuro ocorrer uma seca, poder ser necessrio
utilizar gerao trmica, de custo elevado, ou interromper o fornecimento
de energia. Por outro lado, se a opo for o uso mais intensivo de gerao
trmica, conservando elevados os nveis dos reservatrios, e ocorrerem va-
zes altas no futuro, poder haver vertimento no sistema, representando
um desperdcio de energia e, em consequncia, um aumento desnecess-
AGs no planejamento da operao de sistemas hidrotrmicos 21
2. Formulao Matemtica
O problema do Planejamento da Operao de Sistemas Hidrotrmicos de
Potncia (POSHP) pode ser formulado atravs de um modelo de otimi-
zao, onde o custo de operao dos sistemas hidrotrmicos dado pelas
termoeltricas, j que as usinas hidroeltricas tm custo de operao quase
nulo, a menos de taxas, j que ela utiliza a energia potencial da gua. Na
realidade neste custo podem ser includas eventuais importaes de energia
e o custo do dcit, sem prejuzo das consideraes e anlises feitas.
A seguir apresenta-se uma anlise sobre a modelagem do problema,
bem como, as formas de obteno do custo marginal de operao e do
valor marginal da gua, conforme denido em Carneiro (1991).
O custo de operao de uma usina termoeltrica C(G), pode ser repre-
sentado por uma funo convexa crescente, prxima de um polinmio de
segundo grau, dado pela Equao 1.
G G(t) G (2)
C[G(t)]
= | t (3)
G(t) G(t)
Independentemente do combustvel empregado nas usinas termoeltri-
cas, o custo possui derivadas sempre positivas, conforme a Equao (4):
C[G(t)]
> 0 (4)
G(t)
O problema do Planejamento da Operao de Sistemas Hidrotrmicos
de Potncia, tem como custo de operao justamente o custo do sistema
no hidrulico complementar, dado pela funo C(.), o qual depende obvi-
amente da demanda total D do sistema e tambm da gerao hidroeltrica
H, pois quanto maior esta gerao, menor ser a complementao trmica
necessria, admitindo-se que D(t) = G(t) + H(t), onde:
C = C[G(t)] (5)
onde:
C(t) = C[D(t) H(t)] para D(t) H(t), (6)
Logo:
H[x(t), u(t)]
(t) = (t) |u(t) . (10)
u(t)
Isto pode ser entendido como uma igualdade na operao tima, entre
o benefcio marginal de armazenar a gua e o benefcio marginal de deuir.
Maiores detalhes podem ser encontrados em Martinez (2001); Leite et al.
(2002, 2006); Tavares et al. (1984).
Como exemplo, e sem prejuzo de generalidade, no caso de se usar uma
funo de custo do tipo C(G) = k[G(t)]2 , tem-se:
C(G(t)
= 2kG(t). (11)
G(t)
Em sistemas com uma porcentagem substancial de gerao hidroel-
trica, como no caso do Brasil, pode-se utilizar a energia armazenada nos
reservatrios do sistema para atender a demanda, substituindo assim a ge-
rao dispendiosa das unidades trmicas. Neste caso o valor da gua em
si, ou seja valor dessa energia gerada, determinado pela gerao termoe-
ltrica, ou melhor, o valor da gerao hidrulica em cada usina dado pelo
valor do que substitudo de energia termoeltrica.
AGs no planejamento da operao de sistemas hidrotrmicos 25
T
X
M in [C(t)] (13)
t=1
sujeito a:
N
X
H(t) = [xi (t), qi (t), zi (t)] (14)
i=1
X
xi (t + 1) = xi (t) + yi (t) + [qk (t) + zk (t)] qk (t) zk (t) (17)
ki
onde:
3. Algoritmos Genticos
Os Algoritmos Genticos (AGs) foram introduzidos em meados de 1976
por John Holland e seus colaboradores da Universidade de Michigan; mas
seu pleno desenvolvimento s ocorreu a partir da dcada de 80 atravs do
trabalho de Goldberg (Goldberg, 1989). Os AGs so algoritmos de busca
inspirados na teoria da Seleo Natural. Eles atuam sobre uma populao
de indivduos, baseados no fato de que indivduos com boas caractersticas
genticas tm maiores chances de sobrevivncia e de produzirem indivduos
cada vez mais aptos, enquanto indivduos menos aptos tendem a desapa-
recer.
Algoritmos Genticos baseiam-se inicialmente na gerao de uma po-
pulao formada por um conjunto aleatrio de indivduos, que podem ser
vistos como possveis solues para um problema. Durante o processo evo-
lutivo, esta populao avaliada: para cada indivduo dado um ndice,
reetindo sua habilidade de adaptao a um determinado ambiente. Uma
porcentagem dos mais adaptados mantida, enquanto os outros so des-
cartados. Os membros selecionados podem sofrer modicaes em suas
caractersticas fundamentais atravs de mutaes e cruzamentos genticos,
gerando descendentes para a prxima gerao. Este processo, chamado de
reproduo, repetido at que um conjunto de solues satisfatrias seja
encontrado (Goldberg, 1989; Beasley et al., 1993).
4. Algoritmo Proposto
Para o desenvolvimento e aplicao do algoritmo proposto para a soluo
do problema do Planejamento da Operao de Sistemas Hidrotrmicos de
Potncia foi necessria uma preparao e adaptao dos AGs s condies
encontradas no problema do POSHP (Leite, 2003).
Uma grande preocupao nesta preparao e adaptao foi a de respei-
tar as caractersticas fsicas do problema original, tentando sempre observar
a relao entre o real e o comportamento do algoritmo.
Atestada a possibilidade da aplicao de AGs, buscou-se aperfeioar
a preparao e adaptao, aprofundar os estudos visando superar os obs-
tculos encontrados, tais como a dimenso dos indivduos, aplicao da
tcnica a sistemas mais prximos da realidade, de grande porte, com gran-
des cascatas interligadas e com condies operativas mais severas, como
tambm aperfeioar o desempenho do algoritmo com a introduo de no-
vos recursos computacionais. A seguir sero apresentadas, no algoritmo
proposto, todas as adaptaes feitas no algoritmo tradicional para resolu-
o do POSHP, e nalizando, ser mostrado um Estudo, composto de 35
usinas hidroeltricas com o objetivo de vericar a viabilidade do algoritmo
proposto.
28 Asano et al.
Figura 4. Populao.
V1 = 17190, 0
4.5 Seleo
A seleo feita para determinar em quais e em quantos indivduos sero
aplicados os diversos tipos de operadores genticos utilizados, conforme
Figura 5.
caractersticas originais.
A maneira utilizada neste trabalho foi a seguinte: pode-se optar por trs
tipos de taxas de cruzamento diferentes, segundo a Tabela 3. Conforme a
taxa adotada, utilizando uma funo de ajuste (Schlick, 1994), o lho ter
mais caractersticas do melhor pai. Para permitir que isso ocorra de forma
bem aleatria, nada impede que o novo descendente tenha caractersticas
dos dois pais na mesma proporo. Apenas dado, atravs do sorteio, um
peso maior aos melhores indivduos, ou seja, os que estiverem nas primeiras
posies podero ser beneciados.
Vale lembrar que, quanto menor for a taxa adotada, maior ser a chance
de selecionar o melhor indivduo, devido funo de ajuste (Schlick, 1994).
Exemplo: supondo que sejam sorteados dois indivduos para sofrer cruza-
mento uniforme: pai 1 na posio 4 e pai 2 na posio 7.
Cria-se um indivduo chamado mscara onde o valor de cada gene ser
aleatrio. Este valor ser baseado no somatrio das posies escolhidas
para sofrerem cruzamento uniforme, conforme Figura 6. Exemplo: pai
1, na posio 4; pai 2, na posio 7 e privilegiando o melhor indivduo,
adotando taxa = 0,1.
onde:
P
Pposicoes = pai1 + pai2 + 2
Pposicoes = 4 + 7 + 2
oes = 13
posic
indiferente taxa = 0, 5
= taxa (pai1 + 1) + (1 taxa) (pai2 + 1)
= 0, 5 (4 + 1) + (1 0, 5) (7 + 1)
= 0, 5 5 + 0, 5 8
= 2, 5 + 4, 0
= 6, 5
Para a = 0, 57 e T = 0, 8
gene 1 = T gene 1p1 + (1 T ) gene 1p2
gene 1 = 0, 8 0.90 + (1 0, 8) 0, 75
gene 1 = 0, 72 + 0.2 0, 75
gene 1 = 0, 72 + 0, 15
gene 1 = 0, 87
Caso fosse adotada taxa = 0,5 ou taxa que privilegie o pior indivduo,
o valor do gene 1 seria:
Para a = 0, 5 e T = 0, 5
gene 1 = T gene 1p1 + (1 T ) gene 1p2
gene 1 = 0, 5 0., 90 + (1 0, 5) 0, 75
gene 1 = 0, 45 + 0, 5 0, 75
gene 1 = 0, 45 + 0, 375
gene 1 = 0, 825
Para a = 0, 47 e T = 0, 2
AGs no planejamento da operao de sistemas hidrotrmicos 39
2. Montar uma lista com pontos a serem mutados. Sabendo que esta
lista dever conter a informao das posies dos genes a serem al-
teradas.
40 Asano et al.
Portanto:
f (x) f (x + x) f (x)
= limx0 (21)
x x
Suponha que se deseja minimizar a funo f (x) e efetuar uma variao
em x para minimizar f (x). Precisa-se para isso conhecer a derivada de
f (x). H trs casos a considerar:
Se f /x > 0, ento f (x) aumenta quando x aumenta, por isso se
deve diminuir x.
Se f /x < 0, ento f (x) diminui quando x aumenta, por isso se
deve aumentar x.
Se f /x = 0, ento f (x) um mximo ou um mnimo, ou seja um
ponto de inexo ou ponto de cela, por isso no se deve variar x.
Portanto,
f
x(k) = x(k 1) (22)
x
em que uma constante positiva, pequena, que especica quanto se
deve variar x (na iterao k) e a derivada f /x indica a direo dessa
variao. Se, repetidamente, esta equao for usada, f (x) continuar a
descer em relao ao seu valor mnimo (desde que seja sucientemente
pequeno).
No caso do problema do POSHP, escolhe-se um indivduo da populao,
alguns pontos (gene) so sorteados aleatoriamente, e calcula-se o gradiente
nestes pontos visando a minimizao da funo objetivo.
Por exemplo: o indivduo i foi sorteado na populao e nos pontos
2, 7 e 10 sero calculados os gradientes. Calculando o custo, conforme
denido na formulao matemtica, para o indivduo i, tem-se: custo(i) =
550219, 3222, custo do indivduo antes da aplicao da mutao gradiente.
AGs no planejamento da operao de sistemas hidrotrmicos 43
5. Estudo
As usinas hidroeltricas brasileiras dispem de dados histricos de vazes
auentes naturais com incio no ano de 1931 at 2001. Esse dados esto
disponveis em discretizao mensal ou semanal, tendo sido obtidos a partir
2
de um processo baseado em medies e anlises . No estudo ser adotada
uma mdia deste histrico, denida como mdia de longo termo - MLT,
que reete a sazonalidade das auncias ocorridas na usina.
Nest estudo foi considerada a inuncia da taxa de desconto, em 10%
ao ano, consoante ofcio SRG/ANEEL n. 02/2001, de 15/01/2001. Esta
inuncia afeta a operao diminuindo os nveis dos reservatrios no incio
do horizonte de planejamento, j que a gerao trmica adiada para o
nal do perodo de planejamento.
6. Concluso
Conforme apresentado neste documento, o referido trabalho mostra a apli-
cabilidade e potencialidade dos Algoritmos Genticos no Planejamento da
Operao de Sistemas Hidrotrmicos de Potncia.
Com relao tcnica adotada, vrios testes no que diz respeito a de-
nio do tamanho de uma populao eciente, busca de uma soluo inicial
mais adequada ao problema e a ponderao dos operadores genticos uti-
lizados foram considerados nesta fase de desenvolvimento da ferramenta
computacional. Tais anlises buscam uma maior segurana na avaliao
quanto aos tipos de operadores que melhor se adaptam ao problema e ao
emprego de tcnicas especiais, como os algoritmos hbridos, que contribu-
ram para um melhor desempenho da ferramenta, conforme evidenciado.
Cabe relembrar que o objetivo principal da ferramente, investigar a
aplicao da tcnica citada no Planejamento Eletro-Energtico, voltado
principalmente para o Planejamento Energtico de curto prazo, foi exaus-
tivamente avaliado atravs de testes com usinas pertencentes ao Sistema
Sudeste Brasileiro. Estes testes abrangeram desde usina isolada, sistemas
com usinas em cascata simples, sistema com vrias usinas com cascatas
em paralelo, at um complexo sistema de grande porte (35 usinas interli-
50 Asano et al.
Agradecimentos
Os autores agradecem Fundao Estadual de Amparo Pesquisa do
Estado de So Paulo (FAPESP) pelo apoio nanceiro ao projeto.
Referncias
Alencar, T.R. & Leite, P.T., Development of an intelligent tool for planning
the operation. World Academy of Science, Engineering and Techno-
logy, 63:519, 2010a.
Alencar, T.R. & Leite, P.T., Development of a computational tool for appli-
cation in the operation of hydrothermal power systems. In: Proceedings
of IEE Transmission and Distribution Conference and Exposition. New
Orleans, USA, p. 16, 2010b.
Beasley, D.; Bull, D.R. & Martin, R.R., An overview of genetic algorithms:
University Computing, 15(4):170181, 1993.
Part 2, research topics.
Chen, P.H. & Chang, H.C., Genetic aided scheduling of hydraulically cou-
pled plants in hydro-thermal coordination.IEEE Transactions on
Power Systems, 11(2):975981, 1996.
Cicogna, M.A., Modelo de Planejamento da Operao Energtica de Sis-
temas Hidrotrmicos a Usina Individualizada Orientado por Objetos.
Dissertao de mestrado, Faculdade de Engenharia Eltrica e de Com-
putao, Universidade de Campinas, Campinas, SP, 1999.
Cicogna, M.A. & Soares, S., Um sistema de suporte deciso para o pla-
nejamento e a programao da operao de sistemas hidrotrmicos
Anais do XVII SNPTEE Seminrio Nacional de
de potncia. In:
Produo e Transmisso de Energia Eltrica. Uberlndia, MG, 2003.
Corne, D.; Dorigo, M. & Glover, F. (Eds.), New Ideas in Optimization.
New York, USA: McGraw-Hill, 1999. 450 p.
Fortunato, L.A.M.; Neto, A.; Barreto, L.A.L. & Ferreira, C., Operation
Proceedings of
planning studies of the brazilian generation system. In:
IFAC Symposium on Planning and Operation of Eletric Energy Sys-
tems. Rio de Janeiro, RJ, p. 193200, 1985.
Gen, M. & Cheng, R., Genetic Algorithms and Enginneering Design. Re-
ading, EUA: Addison-Wesley, 1997. 432 p.
Schlick, C., Fast alternatives to Perlin's bias and gain functions. In: Heck-
bert, P.S. (Ed.), Graphics Gems IV. San Diego, USA: Academic Press
Professional, p. 401403, 1994.
Tavares, H.; Soares, S. & Lyra, C., Modelling and optimization of hy-
drothermal generation scheduling. IEEE Transactions on Power Ap-
paratus and Systems, PAS-103(8):21262133, 1984.
Yang, P.C.; Yang, H.T. & Huang, C.L., Scheduling short-term hydrother-
mal generation using evolutionary programming techniques. IEE Pro-
ceeding Generation, Transmission, and Distribution, 143(4):371376,
1996.
54 Asano et al.
Notas Biogrficas
Patricia Teixeira Leite Asano possui graduao em Engenharia Eltrica pela
Universidade Federal de Mato Grosso (1995), mestrado em Engenharia Eltrica
pela Universidade de So Paulo (1999) e doutorado em Engenharia Eltrica
So Carlos pela Universidade de So Paulo (2003). Atualmente professora
adjunto da Universidade Federal do ABC, atuando principalmente nos seguintes
temas: algoritmos genticos, sistemas hidrotrmicos, planejamento da operao,
otimizao e inteligncia articial.
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
56 Alves et al.
1. Introduo
O crescimento de um pas afeta diretamente o crescimento e o aumento
do mercado consumidor de energia eltrica. Por outro lado, diculdades
econmicas podem provocar restries de verbas para os investimentos.
Tais fatores geram a necessidade de se elaborar estudos mais complexos,
para o suprimento de energia eltrica a uma determinada rea, que podem
envolver uma massa de dados com muitas informaes, exigindo anlise
detalhada de um nmero maior de alternativas para os mais diversos pro-
blemas. Alm disto, existe a necessidade de se ter respostas rpidas para o
consumidor que tem se tornado cada vez mais exigente, tanto com relao
ao tempo em que ca privado do fornecimento de energia eltrica, quanto
em relao ao nmero de vezes que isto ocorre.
Todos estes fatores, por si s, j apontam para a necessidade de ajustes
das concessionrias de energia eltrica com relao aos servios prestados.
Estes ajustes so comumente tratados atravs do planejamento de distribui-
o de energia eltrica em redes, que o processo de estudos e anlises que
visa garantir a ecincia de uma rede eltrica. Um planejamento de distri-
buio satisfatrio inclui tamanho, locao, rotas, interconexes e previso
do momento (quando) e locais adequados (onde) para futuras linhas
de transmisso, subestaes, alimentadores e equipamentos relacionados
distribuio de energia eltrica.
No que diz respeito localizao e dimensionamento de subestaes,
torna-se evidente a necessidade de adotar estudos de tcnicas que permitam
a otimizao do processo, que pode ser obtida com do uso de modelos
matemticos e algoritmos, assim como proposto neste trabalho.
Tal otimizao faz uso dos mapas de carga que so representaes gr-
cas da distribuio de carga em uma localidade ou regio, convenientemente
subdividida em reas elementares (quadrculas), que so as menores unida-
des de rea a serem consideradas na distribuio geogrca de carga. Sua
denio depende do tipo de estudo a ser realizado. Por exemplo, para o
planejamento de subestaes em Curitiba, Regio Metropolitana (RMC) e
2
adjacncias, so utilizadas quadrculas de rea de 1 km . Os dados utiliza-
dos neste estudo foram fornecidos pela concessionria de energia eltrica,
atravs de uma planilha eletrnica, em ambiente Microsoft Excel, contendo
as suas coordenadas no sistema Universal Transversa de Mercator (UTM),
as demandas de cargas em cada uma delas, bem como a localizao e a
capacidade de atendimento das subestaes existentes.
Problemas de localizao de instalaes (ou medianas) aparecem fre-
quentemente na prtica em uma variedade de aplicaes como, por exem-
plo, a localizao do centro de comutao numa rede telefnica, armazns
de suprimentos numa rede de distribuio e a localizao de centros de
triagens de cartas, dentre outras.
AGs para planejamento da distribuio de energia eltrica 57
n X
X n
M in ai dij xij (1)
i=1 j=1
60 Alves et al.
sujeito a:
n
X
xij = 1, i = 1, 2, , n (2)
j=1
xi,j yi , i, j = 1, 2, , n (3)
n
X
yj = p (4)
j=1
onde:
ai = demanda do vrtice i;
... ...
4. Resultados
A forma como o programa principal foi elaborado permite a interao com
os engenheiros responsveis pelo planejamento da distribuio da conces-
sionria (Alves, 2002). So permitidos estudos de casos diversos, sob cir-
cunstncias diversas. Dentre as variaes possveis, podem ser destacados:
o fator de multiplicao das cargas (FMC); o tipo de mutao, pois a es-
colha do gene que sofrer mutao pode ser ou no aleatria; a mutao
pode ser do tipo usual (um gene trocado) ou do tipo multimutao (dois
ou mais genes podem ser trocados); o tipo de cruzamento, visto que os cru-
zamentos podem ocorrer apenas nos n genes que esto situados direita
dos 30 primeiros genes, que representam subestaes xas j existentes.
Pode-se ainda escolher quantas parties ter o cruzamento.
Alguns resultados so apresentados na tabela 1 que inclui dados como:
nmero do estudo de caso (indicado por EC); nmero de possveis novas
subestaes (NSE); nmero de cromossomos na populao inicial (POP);
nmero de iteraes realizadas para obteno da soluo (NIT); cruzamen-
tos efetivos (CE); o nmero de vezes em que mutaes foram efetivas (ME);
fator de multiplicao de cargas (FMC); tempo de processamento em se-
gundos (TPS); carga total atendida em KVA (CTA) e momento eltrico
total em KVA/km (MET).
As trs primeiras linhas de cada caso referem-se a cruzamentos de uma
partio e mutaes usuais. A quarta linha de cada um dos casos refere-se
a cruzamentos com duas (ou mais) parties e multimutaes; a quinta
linha de cada caso refere-se ao cruzamento de uma partio e mutao
usual com aplicao do fator de multiplicao de cargas.
No caso de duas novas SE's, por exemplo, nota-se que a melhor soluo
em termos de momento eltrico mnimo se d com populao inicial de 70
cromossomos. Note-se, porm, que esta no a melhor soluo em tempo
computacional. Isto indica que a gura humana do engenheiro respons-
vel pelo planejamento da distribuio continua essencial no processo da
deciso, uma vez que as prioridades devem ser por ele estabelecidas.
Os grcos em MATLAB que mostram localizaes timas de novas
subestaes para a regio de estudos (levando-se em conta as subestaes j
existentes) bem como relatrios comparativos e os mapas com a localizao
atual das SE's j existentes na regio de estudos, alm de detalhes relativos
a dados e implementao, podem ser encontrados em Alves (2002).
AGs para planejamento da distribuio de energia eltrica 69
5. Concluses
O estudo do problema de localizao de instalaes, aplicado ao problema
da localizao das SE's tem como objetivo a automao da localizao de
novas possveis subestaes. Com este trabalho, pretende-se desenvolver
uma ferramenta til aos engenheiros da rea de distribuio responsveis
pela localizao otimizada, de forma local ou at mesmo global das mesmas.
certo que muitas alternativas na gerao de energia so pesquisadas
como, por exemplo: gerao elica, solar, pelas oscilaes das ondas dos
mares, etc. Mas, sem dvida, alm de avano e pesquisa quanto gerao
de energia, precisa-se ter em mente a preocupao com a sua distribuio.
Para tanto, vital um planejamento adequado, que se inicia sempre pela
deciso do melhor local de construo de uma SE. Nesse trabalho, prope-
se a utilizao de Algoritmos Genticos para a concessionria.
A metodologia proposta serve como auxlio para a soluo do problema,
mas, a gura do tomador de decises, neste caso, o engenheiro responsvel
pelo planejamento de subestaes imprescindvel. Quando se procura uni-
camente a minimizao do momento eltrico, muitas solues satisfatrias
podem ser encontradas. Entretanto, dentre estas, pode haver aquela cujo
resultado no seja o melhor matematicamente mas, quando considerado
o contexto do empreendimento (a construo de uma nova subestao),
possvel que fatores como disponibilidade do terreno ideal, incluindo seu
custo e outros, a torne mais atrativa do que a soluo melhor em termos
matemticos. As opes e decises pertencem ao cabedal de experincia
do setor de planejamento.
70 Alves et al.
Referncias
Alves, A., Algoritmos genticos aplicados ao Planejamento da Distribuio
de Energia Eltrica em Curitiba e Regio Metropolitana A Locali-
zao das Subestaes. Dissertao de mestrado, Mtodos Numricos
em Engenharia, Universidade Federal do Paran, Curitiba, PR, 2002.
Bodin, L.; Golden, B.; Assad, A. & Ball, M., Routing and scheduling of
vehicles and crews the state of the art. Computers and Operations
Research, 10(2):63212, 1983.
Corra, E.S.; Steiner, M.T.A.; Freitas, A.A. & Carnieri, C., A genetic
algorithm for solving a capacitated p-median problem. Numerical Al-
gorithms, 35(2-4):373388, 2004.
Cunha, A.S. & Pinto, R.L.U.S., Uma tcnica para ajuste dos parmetros
de um algoritmo gentico. In: Anais do XXXIII Simpsio Brasileiro
de Pesquisa Operacional. Campos do Jordo, SP, p. 11051116, 2001.
Detofeno, T.C. & Steiner, M.T.A., Optimizing routes for the colection of
urban solid waste: a case study for the city of Joinville, state of Santa
Catarina. IJIE - Revista Iberoamericana de Engenharia Industrial,
2(1):124136, 2010.
Glover, F.; Laguna, M. & Mart, R.. Control and Cybernetics, 29(3):653
684, 2000.
Gruppelli Jr., F.A.; Yuan, J.Y.; Carnieri, C.; Volpi, N.M.P.; Steiner,
M.T.A.; Wilhelm, V.E.; Mussi, N.H.; Antonio, C.; Miqueles, E.; An-
dretta Filho, E.L.; Kalinowski, A.; Alves, A.C.; Gulin, C.; Zambene-
detti, V.C. & Klimkowski, M., Algoritmos para recomposio de sis-
AGs para planejamento da distribuio de energia eltrica 71
Smiderle, A.; Steiner, M.T.A. & Wilhelm, V., Tcnicas da pesquisa ope-
racional aplicadas a um problema de cobertura de arcos. TEMA
Tendncias em Matemtica Aplicada e Computacional, 5(2):347356,
2004.
Teitz, M.B. & Bart, P., Heuristic methods for estimating the generalized
vertex median of weighted graph. Operations Research, 16(5):955961,
1968.
72 Alves et al.
Notas Biogrficas
Arileide Cristina Alves Mestre em Mtodos Numricos em Engenharia
e Doutora em Engenharia Mecnica, ambos pela Universidade Federal do
Paran (UFPR). Atualmente professora na Universidade Positivo (UP) e na
Universidade Tecnolgica Federal do Paran (UTFPR) nas engenharias Eltrica,
Mecnica e da Computao.
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
74 Scola et al.
1. Introduo
No Brasil mais de 73% da potncia eltrica produzida por usinas hidro-
eltricas (Tolmasquim & Guerreiro, 2009). Apesar do potencial hidrulico
remanescente ser considervel, sua maior parte est localizada longe dos
estados consumidores industrializados do sudeste. Em adio a este fato, a
crescente oposio construo de novos grandes reservatrios por razes
ecolgicas e sociais, indicam a necessidade de uma operao eciente do
sistema existente (Labadie, 2004).
O problema da otimizao da operao de sistemas com nico e mlti-
plos reservatrios no linear, no convexo e restrito, tendo sido abordado
por diversos mtodos determinsticos e estocsticos (Labadie, 2004; Yeh,
1985). Na ltima dcada, mtodos evolucionrios mono-objetivo, em par-
ticular diversas verses de algoritmos genticos, foram aplicados a sistemas
de nico reservatrio (Chang et al., 2005; Jothiprakash & Shanthi, 2006;
Cheng et al., 2008).
Tantos so os fatores envolvidos na operao de usinas hidroeltricas,
que se torna natural que diversas abordagens para a otimizao multiobje-
tivo do problema tenham sido propostas, para sistemas de nico e mltiplos
reservatrios. O modelo no linear do sistema hidroeltrico brasileiro com-
pleto foi linearizado e resolvido atravs de tcnicas de programao linear,
considerando a soma ponderada de seis objetivos (Barros et al., 2003). Um
algoritmo gentico foi aplicado para a otimizao da operao de um reser-
vatrio para usos mltiplos, considerando dois objetivos (Reddy & Kumar,
2006). Os mesmos autores empregaram uma verso elitista-mutada do al-
goritmo de enxame de partculas, considerando a soma ponderada de dois
objetivos (Kumar & Reddy, 2007). Uma caracterstica comum a todos es-
tes trabalhos a preocupao com o tratamento da perda de diversidade
da populao. Por exemplo, um algoritmo gentico multiobjetivo macro-
evolucionrio foi desenvolvido para a otimizao das curvas de operao de
um sistema de reservatrio para usos mltiplos (Chen et al., 2007).
Neste trabalho um algoritmo gentico multiobjetivo empregado para
a otimizao da operao de uma usina hidroeltrica brasileira ao longo
de um ano tpico. So propostas duas formulaes matemticas alter-
nativas para o problema, com diferentes maneiras de tratar as restries
operacionais. As formulaes propostas mostram-se mais favorveis para
a otimizao multiobjetivo com algoritmos genticos do que a abordagem
tradicional.
Otimizao Multiobjetivo da Operao de uma Usina Hidroeltrica 75
i = i Qti
W (2)
2.2 Objetivos
Na literatura so encontrados diferentes objetivos representando medidas
quantitativas de diferentes aspectos especcos do sistema energtico abor-
dado. Alguns exemplos destas funes objetivo so apresentados a seguir,
comeando pelos objetivos considerados neste trabalho. Esses foram esco-
lhidos porque tratam dos principais aspectos fsicos da operao da usina,
gerao de energia e potncia complementar, excluindo as volatilidades dos
aspectos econmicos.
N
X
max WT = i ti
W (3)
i=1
i i {1, 2, . . . , N }
max min W (4)
i
76 Scola et al.
N
X
min i )2 ,
(DT W (5)
i=1
N
X
min (Si Vi )2 , (6)
i=1
Uma verso para este objetivo, com derivada descontnua, poderia ser
proposta na forma:
N
X
min i Qsi ti , (8)
i=1
N
X
max i Dc )ti ,
p i (W (9)
i=1
2.3 Restries
O problema sujeito a restries de natureza fsica e operacional.
iW
W max (12)
Qti Q t,max
(13)
78 Scola et al.
V0 = VN (15)
3. Formulaes Alternativas
Como ser mostrado na prxima seo, as restries no lineares repre-
sentam um problema para o algoritmo gentico, que tem diculdade para
encontrar indivduos factveis. Como resultado, a populao do algoritmo
gentico que resolve o problema como descrito na Seo 2 apresenta perda
de diversidade e a frente de Pareto produzida cobre somente um pequeno
intervalo das funes objetivo.
Trs abordagens foram testadas neste trabalho para enfrentar este pro-
blema e so comentadas a seguir.
min
Vi1 = Vimin (Qai Qmin
t )ti
i {1, 2, . . . , N 1} (16)
4. Estudo de Caso
A usina hidroeltrica Nova Ponte, no leito rio Araguari, concluda em 1994,
foi um dos ltimos grandes reservatrios construdos no sudeste brasileiro.
Operada pela Companhia Energtica de Minas Gerais, CEMIG, seu reser-
3
vatrio apresenta capacidade mxima de armazenamento de 12.792 hm ,
3
operando a partir do volume mnimo de 2.412 hm . Com potncia nominal
total de 510 MW, est equipada com trs turbinas hidrulicas tipo Francis,
3
que juntas admitem um mnimo de 125 e um mximo de 510 m /s de gua
.
O clima na regio caracterizado por duas estaes bem denidas, a
primeira seca, entre os meses de abril e setembro, e a segunda chuvosa,
estendendo-se de outubro a maro. Ele reete na vazo auente ao reser-
vatrio, para a qual dados esto disponveis desde 1931. Em termos mdios
3
125 m /s de gua chegam ao reservatrio no ms de agosto, enquanto em
3 3
fevereiro a mdia de 541 m /s, com uma auncia mxima de 1243 m /s.
A potncia gerada pela usina hidroeltrica durante um intervalo de-
terminada pela Equao 2, onde a funo produtividade determinada
pelo seguinte polinmio de quinto grau, determinado pelo ONS (Operador
Nacional do Sistema) e fornecido pela operadora, CEMIG.
5. Resultados
A otimizao foi realizada utilizando o algoritmo NSGA-II padro, a facti-
bilidade foi tratada como parte do operador de seleo (Deb et al., 2000).
Os experimentos foram realizados com dados de um ano tpico (de maio de
1976 a abril de 1977), com os volumes do reservatrio no incio e no nal
da otimizao xados em 95 por cento do mximo permitido.
Somente alguns poucos dos experimentos realizados, empregando a for-
mulao bsica, produziram populaes com indivduos factveis, mesmo
quando a populao inicial foi trabalhada para incluir somente indivduos
factveis ou quase factveis. As frentes de Pareto para 8 desses experimen-
tos, com populaes de 400 indivduos e 5000 geraes so apresentadas na
Otimizao Multiobjetivo da Operao de uma Usina Hidroeltrica 81
Para cada uma das outras duas formulaes, o algoritmo foi executado
21 vezes, com 400 indivduos e 2500 geraes. A formulao da reduo
do domnio das variveis de deciso obteve uma frente de Pareto com-
pletamente povoada, mas com grande disperso nos resultados entre as
execues, conforme mostrado na Figura 2. Algumas das frentes so de
fato inferiores quelas encontradas com a formulao bsica, mas neste
caso a populao inicial foi gerada aleatoriamente tornando imprpria a
comparao.
A formulao irrestrita produziu a cada execuo uma frente de Pareto
ampla e bem povoada, conforme mostrado na Figura 3. Na Figura 4, so
apresentadas todas solues ecientes e as frentes de Pareto combinadas
para ambas formulaes. evidente desses experimentos que a formulao
irrestrita gera melhores resultados, produzindo frentes mais amplas, que
se comparam ou at mesmo superam a frente de Pareto combinada da
formulao da reduo do domnio das variveis de deciso.
No que tange operao da usina hidroeltrica, dentre os pontos eci-
entes gerados pela formulao irrestrita, a menor potncia mnima gerada
tem um valor de 141,8 MW, correspondendo a energia mxima produzida
3
de 2,718x10 GWh. No outro extremo da frente de Pareto a maior potncia
3
mnima gerada foi de 297,6 MW, com 2,643x10 GWh de energia gerada.
82 Scola et al.
6. Concluses
So muitas e conitantes as medidas da qualidade da operao de usinas
hidroeltricas. Solues de compromisso entre tais objetivos podem ser
encontradas atravs da otimizao multiobjetivo, permitindo ao operador
a tomada de decises sobre o conjunto de solues ecientes. Neste tra-
balho consideraram-se como objetivos duas medidas do desempenho fsico
de uma usina hidroeltrica na otimizao multiobjetivo de sua operao
ao longo de um ano tpico. A utilizao de algoritmo gentico, no depen-
dente da existncia ou continuidade das funes objetivo, permitiu que se
empregasse uma medida mais apropriada da mxima demanda de potncia
complementar.
Diante da perda da diversidade observada na evoluo do algoritmo ge-
ntico de otimizao, causada pelo grande nmero de solues infactveis,
84 Scola et al.
Agradecimentos
Os autores agradecem o apoio da Fundao Estadual de Amparo Pesquisa
do Estado de Minas Gerais (FAPEMIG).
Referncias
Barros, M.; Ros, D. & Lopes, J., Objective functions for hydropower sys-
tem operation. In: Moglen, G. (Ed.), Proceedings of Watershed 2005.
ASCE, p. 101101, 2005.
Barros, M.; Tsai, F.C.; Yang, S.L.; Lopes, J. & Yeh, J.G., Optimization of
large-scale hydropower system operations. Journal of Water Resources
Planning and Management, 129(3):178188, 2003.
Chang, F.J.; Chen, L. & Chang, L.C., Optimizing the reservoir operating
rule curves by genetic algorithms. Hydrological Processes, 19(11):2277
2289, 2005.
Chen, L.; McPhee, J. & Yeh, W., A diversied multiobjective GA for opti-
mizing reservoir rule curves. Advances in Water Resources, 30(5):1082
1093, 2007.
Cheng, C.T.; Wang, W.C.; Xu, D.M. & Chau, K., Optimizing hydropower
reservoir operation using hybrid genetic algorithm and chaos. Water
Resources Management, 22(7):895909, 2008.
Deb, K.; Agrawal, S.; Pratab, A. & Meyarivan, T., A fast elitist non-
dominated sorting genetic algorithm for multi-objective optimization:
86 Scola et al.
Jothiprakash, V. & Shanthi, G., Single reservoir operating policies using ge-
netic algorithm. Water Resources Management, 20(6):917929, 2006.
Sharma, V.; Jhab, R. & Naresh, R., Optimal multi-reservoir network con-
trol by two-phase neural network. Electric Power Systems Research,
68(3):221228, 2004.
Notas Biogrficas
Lus Antnio Scola tem mestrado em Engenharia Mecnica (UFRJ, 1989)
e professor ddjunto do Departamento de Cincias Trmicas e dos Fluidos
da Universidade Federal de So Joo del Rei (MG). Atualmente discente
de doutorado no programa de ps-graduao em Engenharia Eltrica da
Universidade Federal de Minas Gerais.
.
Captulo 5
1. Introduo
Em determinadas aplicaes um controle preciso da velocidade do aciona-
mento independente de distrbios de carga presentes no processo essencial
para a garantia da qualidade do produto nal. Em processos de laminao
de chapas de ao e fabricao de lmes plsticos, por exemplo, variaes na
velocidade do acionamento eltrico comprometem a qualidade do produto
nal. Em uma planta industrial tpica de fabricao de lmes plsticos exis-
tem aproximadamente 30 motores, na grande maioria de corrente contnua,
trabalhando em conjunto e com velocidade constante. Assim, qualquer va-
riao de velocidade em um dos motores transmitida aos demais uma vez
que so mecanicamente interconectados pelo processo (Ho et al., 1994).
Para assegurar que a velocidade dos acionamentos seja mantida constante
apesar das variaes de carga necessrio que o regulador de velocidade
responda rapidamente.
A grande maioria dos reguladores de velocidade encontrados no mer-
cado do tipo Proporcional-Integral (PI) cujos ganhos podem ser deter-
minados com base na teoria clssica de controle. Entretanto, em funo
das no linearidades inerentes do sistema tais como saturao magntica,
comutao, limitao de corrente e tenso das chaves eletrnicas que com-
pem o conversor, alm do prprio distrbio de carga, um ajuste timo
para o regulador de velocidade nem sempre uma tarefa fcil. Neste con-
texto, o conceito de timo pode variar em funo dos critrios adotados,
porm, em acionamento eltrico com regulao de velocidade, poderia ser,
por exemplo, aquele ajuste do regulador capaz de levar o motor veloci-
dade de referncia no menor espao de tempo possvel.
Com reguladores do tipo PI, para se limitar a ao do integrador e
evitar os problemas de windup, por exemplo, pesquisadores propuseram
diferentes circuitos anti-windup cujos parmetros devem ser ajustados em
conjunto com os ganhos do regulador PI (da Silva et al., 2001).
Na busca de solues alternativas para problemas de controle de velo-
cidade em acionamentos eltricos, diferentes tcnicas foram desenvolvidas.
Entre elas, encontra-se o uso da teoria de Lgica Nebulosa (Fuzzy Logic ).
Neste caso, e em funo do grande nmero de parmetros do controlador,
um ajuste timo para o regulador de velocidade passou a ser uma tarefa
muito difcil. Para a soluo deste problema a teoria de Algoritmo Ge-
ntico (AG) surgiu como uma poderosa ferramenta de busca e otimizao
capaz de possibilitar este ajuste. da Silva et al. (2000) propuseram o uso da
teoria de AG para o ajuste on-line de um simples regulador de velocidade
tipo PI, cujo resultado comparado com aquele obtido utilizando-se a teo-
ria clssica de controle linear. Naquele trabalho, o resultado encontrado
atravs do uso de AG demonstrou melhor desempenho do que aquele ob-
tido utilizando-se a teoria clssica de controle j consolidada pela literatura
existente. Com o objetivo de se comparar o desempenho de diferentes con-
Aplicao de AG na otimizao de regulador de velocidade 91
2. Fundamentao Terica
Algoritmo Gentico pode ser denido como um processo estocstico de
busca e otimizao baseado no mecanismo de seleo natural onde o in-
divduo melhor preparado ou com as melhores caractersticas genticas
possui maiores chances de sobrevivncia (Gen & Cheng, 1997). O AG se
inicia com um conjunto de possveis solues, normalmente denidas ou
criadas de forma aleatria, identicado como populao. Cada indivduo
da populao chamado de cromossomo, representando uma possvel so-
luo para um determinado problema. Os cromossomos so formados por
um conjunto de parmetros chamados de genes, normalmente, porm no
necessariamente, codicados de forma binria (Chippereld & Fleming,
1995). Estes cromossomos so evoludos atravs de sucessivas geraes
dentro das quais cada indivduo ou cromossomo avaliado de acordo com
um determinado critrio, representando assim sua capacidade para a solu-
o do problema apresentado. Os melhores indivduos (cromossomos) de
cada populao so selecionados para se cruzarem e gerar descendentes.
Os menos preparados so ento substitudos pelos descendentes daquela
gerao de forma a se manter constante o tamanho da populao.
De acordo com o princpio da seleo natural, um determinado indiv-
duo pode sofrer mutaes. Assim, em AG, mutaes podem ser realizadas
atravs de um operador de forma a produzir mudanas aleatrias nos cro-
mossomos atravs da modicao de seus genes. Esta operao desempe-
nha uma importante funo no sentido de recuperar um gene perdido no
processo de seleo ou simplesmente proporcionar o aparecimento de um
gene que poderia no estar presente na populao inicial. Dentro deste
contexto, a taxa de mutao deve ser limitada em um percentual do n-
mero total de genes de uma determinada populao de forma a controlar a
92 Silva et al.
taxa com que novos genes sero introduzidos na populao (Gen & Cheng,
1997).
No existe na literatura um valor denido para cada problema a ser
resolvido. Porm, uma elevada taxa de mutao pode fazer com que os
descendentes (lhos) comecem a perder sua semelhana com seus ascen-
dentes (pais). Desta forma, o AG poderia perder a capacidade de evoluo
a partir do histrico das geraes passadas. Por outro lado, se a taxa de
mutao for muito baixa, muitos genes que poderiam ser importantes ja-
mais seriam testados. Portanto, embora a taxa de mutao possa variar
em funo do problema ou do tamanho da populao, algumas sugestes
podem ser encontradas na literatura (Man et al., 1996). Do ponto de vista
de convergncia do processo de busca e otimizao, esta operao impede
que o algoritmo possa convergir para um ponto conhecido como mnimo
local que pode no representar a melhor soluo para o problema.
Um tpico processo de AG como pode ser representado conforme segue
(Man et al., 1996):
// Gerao Inicial
g = 0;
// Incio da populao
Inicializar P(g);
// Avaliao da capacidade de cada indivduo da populao
Teste para critrio de nalizao do processo
(nmero de geraes ou outro critrio qualquer)
Enquanto no concludo
// Selecionar sub-populao para gerao de descendentes
P'(g) = seleo de pais a partir de P(g)
// Recombinao de genes dos pais selecionados
recombinar P'(g);
// Perturbao da populao cruzada estocasticamente
realizar mutao P'(g);
// Avaliar a capacidade de cada novo indivduo
avaliar P'(g);
// Selecionar os sobreviventes
P(g+1) = sobreviventes P(g), P'(g);
// Incrementar a contagem de gerao
g = g+1
m
For i, j = 1,2
IF input(i) is MF(i) then Output(j) is MF (j)
Crom. =[ a1 . . . a4 b1 . . . b 4 c1 . . . c4 d1 . . . d 4 ]
4. Metodologia
Para a realizao do presente trabalho, foi utilizado um sistema de aciona-
mento eltrico para um motor do tipo Brushless CC. O sistema emprega um
DSP com lgica de programao desenvolvida no ambiente MATLAB/SIM-
ULINK. Uma interface de software possibilitou a comunicao direta entre
o MATLAB e o DSP de forma a se escrever os parmetros do controlador
no DSP e obter leituras de velocidade e corrente, atravs de placas de aqui-
sio de dados (French et al., 1998). O diagrama de blocos da Figura 5
ilustra o sistema utilizado.
Corrente nominal: 9 A;
5. Resultados Experimentais
Uma vez iniciado o AG, no houve mais a interveno humana at sua
concluso, que se deu em funo do nmero de geraes inicialmente de-
nido. Para efeitos de vericao, a Figura 6 ilustra algumas respostas
de velocidade obtidas na primeira gerao. A evoluo do AG medida em
termos da IAE ilustrada na Figura 7. Observa-se que a melhor resposta
de velocidade obtida com um dos indivduos da primeira gerao propor-
cionou uma IAE de 40,6 rad e que, ao trmino do processo, o valor da IAE
foi reduzido para 26,9 rad. A Figura 8 ilustra a resposta de velocidade e
de corrente do motor obtida com o regulador fuzzy cujo ajuste dado pelo
AG ao nal de 20 geraes, critrio utilizado para a concluso do processo.
Aplicao de AG na otimizao de regulador de velocidade 99
evoluo foi de 16,5 rad, ilustrando que a evoluo foi muito signicativa
apesar do tamanho da populao e do espao de procura reduzido.
6. Concluses
Este captulo apresentou o uso do AG aplicado Lgica Nebulosa. Para o
controlador de velocidade baseado em lgica nebulosa desenvolvido, traba-
lhando com nmero mnimo de funes de pertinncia e de regras, ainda
foram necessrios o ajuste de 16 parmetros relacionados s funes de
pertinncia. Esta tarefa no simples, mesmo para um especialista, espe-
cialmente na presena de variaes de carga. Para o ajuste do controlador
foi inicialmente criada uma populao de 20 indivduos ou cromossomos,
que foi evoluda por 20 geraes. O espao de busca imposto foi relati-
vamente grande com o objetivo de se vericar a capacidade do AG em
encontrar a melhor resposta para o problema levar o motor sua veloci-
dade de referncia e manter sua velocidade mesmo na presena de variao
de carga. Observou-se que o AG convergiu em direo melhor resposta,
porm, em funo da dimenso reduzida da populao inicialmente criada,
bem como do nmero de geraes, a resposta nal encontrada poderia
ainda ser melhorada, seja aumentando o nmero de geraes, aumentando
a dimenso da populao, ou reduzindo o espao de busca a partir dos
resultados previamente obtidos. Aumentando-se o tamanho da populao
e reduzindo o espao de busca, o AG conseguiu, aps 20 geraes, um
ajuste que levou o motor velocidade de referncia com a maior acelera-
o possvel. O ajuste do regulador de velocidade fuzzy encontrado pelo
AG fez com que o motor partisse e acelerasse com corrente praticamente
nominal. Nota-se que, na presena de um degrau de carga de 62 % de seu
valor nominal, praticamente no se v variao na velocidade do motor, o
que signica que o controle ajustado pelo AG conseguiu responder rapida-
mente variao de carga, mantendo constante sua velocidade. Como em
AG todos os cromossomos ou indivduos devem ser avaliados, dependendo
do problema a ser resolvido, da dimenso da populao, do nmero de pa-
rmetros, do espao de busca e do nmero de geraes, o tempo necessrio
Aplicao de AG na otimizao de regulador de velocidade 103
Referncias
Bose, B., Power Electronics and Variable Frequency Drives: Technology
and Applications. 1a edio. New York, USA: IEEE Press, 1997.
French, C.D.; Finch, J.W. & Acarnley, P.P., Rapid prototyping of a real-
time DSP based motor drive controller using SIMULINK. In: Proce-
edings of International Conference on Simulation. York, UK: IEE, p.
284291, 1998.
Gen, M. & Cheng, R., Genetic algorithms and engineering design. New
York, USA: John Wiley & Sons, 1997.
Ho, S.; Jones, A. & Cox, C.S., Torque disturbances and their eect on
th
process control. In: Proceedings of the 5 International Conference
on Power Electronics and Variable Speed Drives. London, UK: IEE, p.
602607, 1994.
Lee, M. & Takagi, H., Integrating design stages of fuzzy systems using
nd
genetic algorithms. In: Proceedings of the 2 IEEE International
Conference on Fuzzy Systems. San Francisco, USA: IEEE, p. 612617,
1993.
Man, K.; Tang, K. & Kwong, S., Genetic algorithms: concepts and appli-
cations. IEEE Transactions on Industrial Electronics, 43(5):519533,
1996.
104 Silva et al.
Meredith, L.; Karr, C. & Kumar, K., The use of genetic algorithms in de-
rd
sign of fuzzy logic controllers. In: Proceedings of the 3 Workshop on
Neural Networks. Bellingham, USA: International Society for Optical
Engineering SPIE, p. 549555, 1993.
da Silva, W.; Acarnley, P. & Finch, J., Anti-windup circuits with on-
th
line optimisation by genetic algorithm. In: Proceedings of the 9
European Conference on Power Electronics and Applications. Graz,
Austria: EPE Association, p. 111, 2001.
da Silva, W.G.; Acarnley, P.P. & Finch, J.W., Application of genetic algo-
rithms to the on-line tuning of electric drive speed controllers. IEEE
Transactions on Industry Applications, 47(1):217219, 2000.
Tang, K.; Man, K.; Liu, Z. & Kwong, S., Minimal fuzzy membership and
rules using hierarchical genetic algorithm. IEEE Transactions on In-
dustrial Electronics, 45(1):162169, 1998.
Ying, H., Fuzzy Control and Modeling: Analytical Foundations and Appli-
cations. 1a edio. New York, USA: Wiley-IEEE Press, 2000.
Aplicao de AG na otimizao de regulador de velocidade 105
Notas Biogrficas
Wander Gonalves da Silva concluiu graduao em Engenharia Eltrica pelo
Instituto Superior de Ensino e Pesquisa de Ituiutaba - ISEPI em junho de 1986
e em agosto do mesmo ano tornou-se professor no curso de Engenharia Eltrica
da mesma instituio. Em julho de 1989 tornou-se Mestre em Engenharia
Eltrica pela Universidade Federal de Santa Catarina - UFSC. Em maio de 1999
tornou-se PhD pela Universidade de Newcastle, Inglaterra. Em 2009 juntou-se
ao quadro de professores da Escola de Engenharia Eltrica e de Computao -
EEEC da Universidade Federal de Gois - UFG. Possui publicaes cientcas
relevantes na rea de acionamento de mquinas eltricas e se interessa tambm
pelo desenvolvimento de pesquisas relacionadas qualidade da energia eltrica e
sistemas de controle.
.
Captulo 6
1. Introduo
O projeto de ltros digitais, tanto do tipo FIR (Finite Impulse Response )
quanto IIR (Innite Impulse Response ), um problema clssico na Enge-
nharia Eltrica (Hamming, 1997). A literatura reporta diversos mtodos
para o clculo dos coecientes que caracterizam a resposta em frequn-
cia do ltro, como amostragem em frequncia e diversas abordagens por
janelamento, cada um com suas caractersticas prprias, vantagens e des-
vantagens. (Diniz et al., 2004).
A maioria dos mtodos de projeto direcionada para ltros do tipo
passa-altas ou passa-baixas, embora alguns tambm possam ser utilizados
para ltros passa-faixas ou rejeita-faixas. Porm, poucos mtodos per-
mitem um controle maior das especicaes, ou maior nmero de faixas.
Na literatura recente, por exemplo, so raros os mtodos que permitem
especicar um ltro com duas bandas passantes e trs de rejeio, cada
uma com requisitos de ripple (oscilao) e ganho diferentes (Zhang et al.,
2008; Ahmed, 2003). Por esta razo, mtodos heursticos de otimizao,
notadamente aqueles da computao evolucionria, podem ter uma grande
aplicabilidade prtica neste problema de engenharia.
De fato, h alguns trabalhos utilizando algoritmos genticos (AG)
(Goldberg, 1989) e otimizao por enxame de partculas (Particle Swarm
Optimization PSO) (Kennedy & Eberhart, 2001) que monstraram bons
resultados, geralmente obtendo solues melhores do que aquelas alcana-
das pelos mtodos tradicionais (Barros, 2006). Porm, a grande maioria
de tais trabalhos focaliza apenas o projeto de ltros passa-baixas ou passa-
altas, que so os problemas mais simples de serem resolvidos. muito raro
encontrar projeto de ltros mais complexos, com especicao de vrias
bandas, como j mencionado. Outra questo muito importante a forma
de avaliao da qualidade dos ltros digitais, representado pela funo
de tness num algoritmo de computao evolucionria. Todos os artigos
que os autores encontraram na literatura recente minimizam o Erro Mdio
Quadrtico (Mean Square Error MSE) entre a resposta em frequncia
do ltro calculado e uma curva-alvo de resposta desejada (Najjarzadeh &
Ayatollahi, 2008; Barros et al., 2007; Huang et al., 2004). Embora esta
abordagem geralmente leve a resultados prximos do alvo desejado, ela
tem algumas desvantagens.
Primeiramente, necessrio montar uma curva-alvo. Porm, o mais
intuitivo e usual o usurio fornecer as especicaes do ltro sob a forma
de ganho nas bandas passante e de rejeio, bem como as frequncias que
compem essas faixas. Utilizar a curva ideal, expressa pelo MSE, pode
levar o algoritmo a buscar um ltro muito longe do factvel, tendo como
resultado ltros ruins.
Outra desvantagem da abordagem tradicional de tentar igualar uma
curva-alvo a diculdade de se obter ltros dentro das especicaes, mas
Comparao de tcnicas para projeto de filtros FIR 109
2. Fundamentao Terica
2.1 Filtros digitais FIR
Um ltro um sistema que realiza operaes matemticas em um determi-
nado sinal, com a nalidade de reduzir ou amplicar certos aspectos deste
sinal (Oppenheim & Schafer, 1975). Um exemplo simples da aplicao de
um ltro na separao das faixas grave, mdia e aguda de um sinal de
udio, direcionando cada uma a um alto-falante mais adequado para sua
reproduo. Um ltro tambm pode ser projetado com o m de eliminar
uma determinada caracterstica, como por exemplo, o rudo decorrente da
rede eltrica (de frequncia constante) inserido em algum sinal que carregue
outra informao.
Filtros digitais so sistemas lineares invariantes no tempo discreto (Di-
niz et al., 2004). Estes diferem dos ltros analgicos em vrios aspectos,
notadamente na forma do sinal de entrada, que passa do domnio contnuo
para o domnio discreto, e na forma de implementao. Dentre os ltros di-
gitais, h os do tipo no-recursivo, chamados assim por no terem a sada a
cada instante afetada por sadas anteriores. Estes ltros so caracterizados
por uma equao a diferenas que segue o formato mostrado na Equao 1.
110 Oliveira et al.
M
X
y(n) = ~bt x(n k) (1)
k=0
10
RespostaAlvo
Resposta obtida
0
10
Magnitude (dB)
20
30
40
50
60
0 0.2 0.4 0.6 0.8 1
Freqncia Normalizada( rad/amostra)
Figura 1. Exemplo 1 de curva-alvo e resposta obtida.
10
RespostaAlvo
Resposta obtida
0
10
Magnitude (dB)
20
30
40
50
60
0 0.2 0.4 0.6 0.8 1
Freqncia Normalizada( rad/amostra)
Figura 2. Exemplo 2 de curva-alvo e resposta obtida.
desejvel criar mais parmetros para que o usurio tenha que ajustar a
funo de tness para cada ltro que for projetar.
3. Metodologia
3.1 Clculo do fitness
Como explicado na Seo 2.3, o clculo do tness de um ltro pela aborda-
gem do MSE em relao a uma curva-alvo no satisfatrio. Por isto, neste
trabalho prope-se uma nova abordagem, que avalia de forma quantitativa
o atendimento ou no s especicaes fornecidas pelo projetista.
Para calcular a qualidade do ltro, necessrio primeiramente calcular
a resposta em frequncia do mesmo. Esta resposta obtida atravs da
transformada discreta de Fourier (DFT) dos coecientes do ltro. Porm,
Comparao de tcnicas para projeto de filtros FIR 115
~ = |F{[~
X x 01 02 ... 0kN ]}| (2)
onde X ~ o vetor de resposta do ltro, F a transformada de Fourier, ~ x
o vetor de coecientes do ltro, N o nmero de coecientes, e k o
nmero de elementos da transformada de Fourier (isto , N adicionado de
k N zeros). Os primeiros k2 elementos de X ~ so ento transformados no
vetor ~r, que ser utilizado para os clculos.
De posse do vetor de resposta ~r, separa-se este vetor em rrej~ e rpas
~ ,
respectivamente, a resposta na banda de rejeio e a resposta na banda de
passagem. Desta forma mais simples fazer a avaliao da qualidade do
ltro, pois o requisito o mesmo para a banda inteira.
Tendo em mos as respostas nas bandas especicadas, pode-se calcular
o tness deste ltro, composto por quatro termos a serem otimizados,
conforme a Equao 3.
1
f it(~x) =
1 + p1 specRej + p2 specP as + p3 idealRej + p4 idealP as
(3)
116 Oliveira et al.
Pk
i=1 [[min(gM inP as, rpas (i)) gM inP as]2 + [max(1, rpas (i)) 1]2 ]
specP as =
largP as
(5)
onde k o nmero de elementos do vetor rpas , largP as a largura da
banda de passagem em nmero de amostras, e gM inP as o mnimo ganho
permitido na banda de passagem, que tambm pode ser interpretado como
o mximo ripple permitido, j que, por denio, o ganho mximo 1. Este
termo ento calcula o erro quadrtico em relao faixa de ganho permitida
na banda de passagem. Portanto, o ganho pode estar em qualquer ponto
entre 1 e gM inP as, e ter erro zero. Desta forma, apenas ganhos que
desobedecerem a especicao da banda de passagem geraro erro.
Se os termos specPas e specRej avaliam a conformidade do ltro s
especicaes, os outros fornecem uma medida de qualidade do ltro no
sentido de proximidade com a resposta ideal. Eles so desejveis pois os
termos spec no diferenciam entre ltros que obedeam s especicaes,
sendo que uma boa funo de tness deve levar o algoritmo a buscar um
ltro com a melhor resposta possvel. As Equaes 6 e 7 mostram como
estes termos so calculados.
Comparao de tcnicas para projeto de filtros FIR 117
Pk
[1 rpas (i)]2
idealP as = i=1
(6)
largP as
Pk
[rrej (i)]2
idealRej = i=1
(7)
largRej
Estas equaes so mais simples pois um ltro ideal tem um valor
xo para o ganho em cada banda, em vez de uma faixa de valores que
a especicao supe. A consequncia de ter estes dois termos a mais na
equao do tness que jamais existir um ltro com tness igual a 1, pois
para isso os 4 termos da equao precisariam ser iguais a zero. Enquanto os
termos spec* podem e devem chegar a zero ao nal da evoluo, os termos
ideal* jamais atingiro este valor, j que apenas um ltro ideal teria tal
caracterstica.
3.2 Experimentos
Para avaliar a metodologia proposta para clculo do tness e comparar
os mtodos de computao evolucionria, foram utilizados quarto ltros
digitais diferentes: um passa-baixas (PB), um passa-altas (PA), um passa-
faixa (PF) e um rejeita-faixa (RF). Os resultados foram comparados com
o mtodo tradicional de Parks-McClellan, que garante um ripple constante
nas bandas (McClellan & Parks, 1973). Este mtodo foi escolhido em vez
de um que utilize janelamento, porque permite a especicao de cada
banda, enquanto que por funo-janela s possvel escolher a frequncia
de corte.
Cada ltro a ser projetado dever ter pelo menos 40dB de atenuao na
banda de rejeio, e no mximo 1dB de ripple na banda de passagem. As
frequncias que delimitam cada banda em cada ltro, assim como a ordem
de cada um, esto na Tabela 1. As frequncias esto normalizadas em
relao a F2s , como comum no projeto de ltros. A coluna Ordem mostra
a ordem necessria para atingir as especicaes com o mtodo Parks-
McClellan, seguida da ordem de fato utilizada nos experimentos. Ou seja,
alguns destes ltros tm ordem menor do que a necessria, tornando o
problema muito mais difcil, pois matematicamente impossvel atingir a
especicao.
4. Resultados e Discusso
Nesta seo, os resultados obtidos pelos trs algoritmos so apresentados
e comparados com o ltro calculado por Parks-McClellan. Em cada gura
a seguir, os pontos marcados so as frequncias que limitam cada banda.
Comparao de tcnicas para projeto de filtros FIR 119
10
10
20
Av [dB]
30
40
50
60
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
Av [dB]
30
40
50
60
70
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
Av [dB]
30
40
50
60
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
o, o ganho ainda alto, enquanto o ltro obtido pelo PSO tem as duas
bandas de rejeio abaixo de -40dB, como exibido na Figura 8 .
No ltro RF, a ondulao na banda de passagem foi praticamente elimi-
nada pelo Parks-McClellan (Figura 9), enquanto o ltro obtido pelo PSO
Comparao de tcnicas para projeto de filtros FIR 121
10
10
20
Av [dB]
30
40
50
60
70
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
Av [dB]
30
40
50
60
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
30
Av [dB]
40
50
60
70
80
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
Av [dB]
30
40
50
60
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
10
10
20
Av [dB]
30
40
50
60
0 0.2 0.4 0.6 0.8 1
/ [rad/s]
5. Concluses
Neste trabalho foi proposta uma nova abordagem para o clculo de tness
de ltros digitais com mtodos de computao evolucionria. Esta abor-
dagem avalia a conformidade do ltro s especicaes em vez de buscar
igualar uma curva-alvo. Os resultados obtidos se mostraram melhores do
124 Oliveira et al.
0.9
0.8
0.7
Melhor Fitness
0.6
PSO
0.5 HS
AG
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Gerao/Iterao
0.9
0.8
0.7
Melhor Fitness
0.6
PSO
0.5 HS
AG
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Gerao/Iterao
0.9
0.8
0.7
Melhor Fitness
0.6
PSO
0.5 HS
AG
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Gerao/Iterao
0.9
0.8
0.7
Melhor Fitness
0.6
PSO
0.5 HS
AG
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Gerao/Iterao
Agradecimentos
Os autores agradecem ao CNPq pela bolsa de produtividade em pesquisa
a H.S. Lopes, UDESC e ao programa FUMDES pela bolsa de doutorado
a R.S. Parpinelli, bem como CAPES pelas bolsas de mestrado (demanda
social) a D.R. Oliveira, M.H. Scalabrin e F.R. Teodoro.
Referncias
Ahmed, S., Design of FIR lters with arbitrary amplitude and phase spe-
cications using genetic algorithm. In: Proceedings of IEEE Interna-
tional Symposium on Micro-NanoMechatronics and Human Science.
Piscataway, USA: IEEE, v. 2, p. 648651, 2003.
Barros, A., Projeto de Filtros FIR Atravs de Algoritmos Genticos. Disser-
tao de mestrado, Programa de Ps-graduao em Engenharia Eltria
e Informtica Industrial, Universidade Tecnolgica Federal do Paran,
2006. 127 p.
Barros, A.; Lopes, H. & Stelle, A., FIR lter design method and tool
based on genetic algorithms. In: Proceedings of the 1st IEEE Sympo-
sium on Computational Intelligence in Image and Signal Processing.
Piscataway, USA: IEEE Computer Society, v. 1, p. 151156, 2007.
Diniz, P.; da Silva, E. & Netto, S., Processamento Digital de Sinais
Projeto e Anlise de Sistemas. Porto Alegre, RS: Artmed, 2004. 590
p.
Comparao de tcnicas para projeto de filtros FIR 127
Geem, Z.; Kim, J. & Loganathan, G., A new heuristic optimization algo-
rithm: Harmony search. Simulation, 76(2):6068, 2001.
Goldberg, D., Genetic Algorithms in Search, Optimization and Machine
Learning. Reading, USA: Addison-Wesley, 1989.
Hamming, R., Digital Filters. 3a edio. Mineola, NY: Dover Publications,
1997.
Holland, J., Adaptation in Natural and Articial Systems. University of
Michigan Press, 1975.
Huang, W.P.; Zhou, L.F. & Qian, J.X., FIR lter design: Frequency sam-
pling lters by particle swarm optimization algorithm. In: Proceedings
of the 3rd International Conference on Machine Learning and Cyber-
netics. v. 4, p. 23222327, 2004.
Kennedy, J. & Eberhart, R., Particle swarm optimization. In: Proceedings
of IEEE International Conference on Neural Networks. IEEE, v. 4, p.
19421948, 1995.
Kennedy, J. & Eberhart, R., Swarm Intelligence. San Francisco, USA:
Morgan Kaufmann, 2001.
Lathi, B., Modern Digital and Analog Communication. 3a edio. New
York, USA: Oxford University Press, 1998.
McClellan, J. & Parks, T., A unied approach to the design of optimum
FIR linear phase lters. IEEE Transactions on Circuit Theory, 1:190
196, 1973.
Najjarzadeh, M. & Ayatollahi, A., A comparison between genetic algorithm
and PSO for linear phase FIR digital lter design. In: Proceedings
of 9th International Conference on Signal Processing. IEEE, v. 4, p.
21342137, 2008.
Oppenheim, A. & Schafer, R., Digital Signal Processing. Prentice-Hall,
1975. 585 p.
Oppenheim, A. & Schafer, R., Discrete-Time Signal Processing. 2a edio.
Prentice-Hall, 1999. 870 p.
Williams, A. & Taylors, F., Electronic Filter Design Handbook. 3a edio.
New York, USA: McGraw-Hill, 1995. 800 p.
Zhang, J.; Jia, D. & Li, K., FIR digital lters design based on chaotic
mutation particle swarm optimization. In: Proceedings of the Interna-
tional Conference on Audio, Language and Image Processing. v. 1, p.
418422, 2008.
128 Oliveira et al.
Notas Biogrficas
Daniel Rossato de Oliveira graduado em Engenharia Eltrica pela Univer-
sidade Tecnolgica Federal do Paran/Curitiba (UTFPR, 2009) e atualmente
mestrando na rea de Engenharia de Computao na mesma universidade, alm
de ser professor substituto do Departamento de Eletrnica da UTFPR/Curitiba.
1. Introduo
Devido constante preocupao em atender as exigncias normativas
quanto aos produtos comercializados no Brasil e no exterior (ANATEL,
2000; IEC, 2003), novas tcnicas de medio relacionadas aos testes de
Compatibilidade Eletromagntica (CEM) requerem a ateno de Univer-
sidades e Institutos de Pesquisa em todo o mundo. Contudo, o alto custo
envolvido no desenvolvimento de tais tcnicas pode se apresentar como
uma barreira econmica. No intuito de se buscar alternativas menos one-
rosas, inmeros estudos vm sendo empreendidos nos meios acadmico e
industrial, dentre os quais se destacam o desenvolvimento de cmaras re-
verberantes de modos misturados (IEC, 2003).
O modelo cannico da cmara reverberante constitui um ambiente blin-
dado, cujos modos de propagao transversal-eltrico (TE) e transversal-
magntico (TM) so misturados em seu interior por um ou mais arranjos
de ps metlicas girantes. Este processo visa obter um campo eletromag-
ntico estatisticamente uniforme, cujo campo eltrico avaliado com base
no desvio padro das componentes deste campo. Vrias propostas so ana-
lisadas pela comunidade cientca com o intuito de se resolver o problema
apresentado. Dentro deste contexto, estudos vm sendo desenvolvidos pelo
grupo de pesquisadores autores do presente artigo, que busca analisar a
excitao de cmaras reverberantes de modos misturados realizada por ar-
ranjos de condutores, em substituio s ps anteriormente referidas. Os
condutores representam uma grande vantagem como mtodo de excitao,
pois o espao por eles requerido menor em relao ao modelo cannico,
onde ps suspensas localizadas na parede superior da cmara ocupam um
volume considervel. Assim, se comparadas s convencionais, as dimenses
da cmara podem ser reduzidas, o que torna sua construo economica-
mente vivel e melhor aplicvel a equipamentos de pequeno porte.
A proposta do presente artigo diz respeito caracterizao e oti-
mizao de uma cmara reverberante excitada por condutores, conforme
ilustrado na Figura 1. O objetivo principal conhecer o comportamento
dos campos dentro da cmara, o que permite a determinao e maximi-
zao do volume de trabalho til. Para clareza de entendimento, seguem
duas denies, de acordo com as acepes utilizadas neste trabalho:
2. Fundamentao Terica
Esta seo apresenta a fundamentao terica deste trabalho. So reporta-
dos o entendimento fsico e a formulao matemtica de cmaras reverbe-
rantes de modos misturados cannicas e do modelo no convencional. Em
seguida, so apresentados os detalhes sobre a caracterizao do modelo
no convencional e sua necessidade de otimizao. Por m, conhecendo-
se o problema, parte-se para a justicativa de utilizao da computao
evolucionria, em especco os algoritmos genticos, para a sua resoluo.
r "r #
1 m 2 n 2 p 2
fmnp = + + (1)
0 0 a b c
16 2 V
Q= FC (2)
tx rx 3
PEET
EB = 10log (3)
PR
N
1 X
Ek = Ek,i (4)
N i=1
N
1 X X
E x,y,z = Ek,i (5)
3N
k=x,y,z i=1
s
PN
E k )2
i=1 (Ek,i
k = (6)
N 1
sP PN
k=x,y,z i=1 (Ek,i E x,y,z )2
k,y,z = (7)
3N 1
ou, em uma notao em decibeis:
k + E k
bk = 20log10 (8)
Ek
x,y,z + E x,y,z
bx,y,z = 20log10 (9)
E x,y,z
Conforme determinado pela norma, os valores individuais e combinado
do desvio padro entre um espectro de frequncias de 80 MHz a 1 GHz,
considerando-se uma funo Gaussiana para a distribuio do campo el-
trico, devem satisfazer as seguintes condies:
(c) Busca pelo mximo volume de trabalho e mximo campo eltrico por
um mtodo de otimizao, obedecendo s restries anteriormente
apresentadas.
vericao dos pontos da grade que so internos a ele. O elipside faz com
que seja necessria apenas uma comparao para saber se o ponto interno
ou externo ao volume. Outro slido, por exemplo, um paraleleppedo,
implicaria em vrias comparaes (seis faces, seis confrontaes) para a
determinao da condio de ponto interno ou externo.
At aqui trabalhou-se na caracterizao do volume de trabalho. Isto
signica que existe a necessidade da resoluo de um problema com dois
objetivos [max(volume), max(campo)], sujeito a restries; com seis va-
riveis de otimizao que denem geometricamente o volume de trabalho:
dois raios equatoriais, um raio polar (rx ,ry ,rz ) e trs parmetros associa-
dos translao do elipside a partir do centro da cmara (x, y, z ). Agora,
esta caracterizao a busca pelo melhor volume de trabalho pressu-
pe que as dimenses fsicas da cmara e as grandezas eletromagnticas
de sua excitao estejam denidas. Em outras palavras, existe ainda outra
procura: a busca pelo melhor posicionamento dos condutores responsveis
pela excitao, pela amplitude e fase da corrente que ir alimentar estes
condutores, entre outros parmetros. Para cada arranjo dessas variveis,
tem-se um innito nmero de possveis valores para o par volume de tra-
balho e homogeneidade de campo. Pode-se, inclusive, pensar em adicionar
o prprio tamanho da cmara como parmetro desta otimizao.
Em resumo, cada possvel soluo possui uma fronteira Pareto prpria.
Se cada soluo possui sua prpria fronteira de objetivos, como determi-
nar o melhor arranjo? Esta fronteira apresenta o compromisso entre os
objetivos. Aqui, buscou-se uma maneira de expressar a exibilidade deste
compromisso, o ndice de mrito LA. Este ndice consiste na determina-
o da rea abaixo da fronteira Pareto, conforme ilustrado na Figura 2. A
maximizao desta rea implica em uma maior liberdade de uso da cmara.
Portanto, este trabalho trata o processo de construo de uma cmara
reverberante excitada por condutores com dois estgios de otimizao:
3. Metodologia
De forma breve, conforme ilustrado na Figura 2, o procedimento adotado
segue os seguintes passos:
4. Resultados
Como exemplo de resoluo do processo de construo proposto,
apresentam-se os ltimos resultados obtidos. O problema foi inicialmente
parametrizado da seguinte forma, para otimizao:
Para caracterizao:
5. Discusso e concluses
O presente trabalho apresenta uma contribuio para uma compreenso
adequada do funcionamento de cmaras reverberantes de modos mistura-
dos no convencionais, cuja excitao realizada a partir de um arranjo
de condutores. Algoritmos Genticos mono e multiobjetivo foram as fer-
ramentas utilizadas, as quais permitiram a anlise de um grande nmero
situaes e suas possveis solues. Isto possibilitou a equipe fomentar
discusses a respeito de cmaras reverberantes aplicadas a testes de com-
patibilidade eletromagntica.
Cabe destacar, ainda, que o mais interessante neste trabalho no
s obter a melhor soluo. A inteno proporcionar ao engenheiro no
apenas uma vasta gama de possveis solues (o que facilita negociaes
testes para vrios tipos de equipamentos, com funcionalidades e tamanhos
fsicos diferentes, por exemplo), mas tambm a possibilidade de conhecer
melhor o prprio problema.
Com relao a trabalhos futuros, pensa-se inserir no processo novas
variveis de otimizao, como, por exemplo, a amplitude e a fase das exci-
Caracterizao e Otimizao de Cmaras Reverberantes 143
Agradecimentos
Os autores transmitem seus sinceros agradecimentos a todos os colegas e co-
laboradores da EPUSP, particularmente do LMAG. Em especial, pela con-
ana depositada neste trabalho e pela oportunidade de conduzir as ativi-
dades de pesquisa em um centro de excelncia. Os autores tambm deixam
impresso o reconhecimento ao PROCAD/CAPES, ao CAPES/COFECUB
e FAPESP pelo suporte nanceiro indispensvel para o desenvolvimento
destas pesquisas. Por m, os autores agradecem s respectivas instituies
de origem por permitirem a alocao de tempo para pesquisa.
Referncias
ANATEL, , Resoluo No 237 Regulamento para a certicao de equi-
pamentos de telecomunicaes quanto aos aspectos de compatibilidade
eletromagntica. Brasilia, DF: Agncia Nacional de Telecomunicaes,
2000.
Avila, S.; Santos Jr., M.; Weinzierl, D.; Krhenbhl, L.; Perrussel, R.;
Vollaire, C.; Sartori, C.; Lebensztajn, L. & Cardozo, J., Maximum
working volume evaluation in a non-canonical reverberation chamber.
IEEE Transactions on Magnetics, 45(3):16461649, 2009.
144 Avila et al.
Coello Coello, C.; Lamont, G. & Van Veldhuizen, D., Evolutionary Algo-
rithms for Solving Multi-Objective Problems. 2a edio. New York,
EUA: Springer Science, 2007.
Santos Jr., M.; Avila, S.; Sartori, C.; Weinzierl, D.; Krhenbhl, L.; Le-
bensztajn, L. & Cardozo, J., Conductor position optimization of a
transmission line excitation chamber. IEEE Transactions on Magne-
tics, 46(8):32613264, 2010.
Weinzierl, D.; Sartori, C.; Perotoni, M.; Cardoso, J.; Kost, A. & Heleno,
E., Numerical evaluation of noncanonical reverberation chamber con-
gurations. IEEE Transactions on Magnetics, 44(6):14581461, 2008.
Caracterizao e Otimizao de Cmaras Reverberantes 145
Notas Biogrficas
.
Captulo 8
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
148 de Lima et al.
1. Introduo
O Problema da Recarga do Reator Nuclear (PRRN) tambm conhecido
como Otimizao do Projeto de Padres de Carregamento so denomina-
es para o problema de otimizao associado operao de recarga do
combustvel em um reator nuclear. Trata-se de um problema clssico e
uma questo de grande interesse econmico e extrema relevncia para a
Engenharia Nuclear, que tem sido estudado por mais de 40 anos.
A recarga do combustvel nuclear ocorre periodicamente em usinas nu-
cleares e realizada toda vez que a queima dos elementos combustveis
(EC) no ncleo do reator atinge um determinado valor em que no mais
possvel manter o reator crtico, produzindo energia potncia nominal.
Desta forma, os EC so descarregados do ncleo e armazenados em uma
piscina de combustveis usados, onde os EC com baixa concentrao de
92
U235 so mantidos denitivamente nesta piscina, enquanto os EC com
92
maiores concentraes de U235 , remanescentes do ciclo anterior e, EC
novos comporo o ncleo do ciclo seguinte. Por exemplo, na operao de
recarga de um Reator a gua Pressurizada (Pressurized Water Reactor
PWR), ao nal de um ciclo de operao, aproximadamente 1/3 dos ele-
mentos combustveis so substitudos por elementos novos, que juntamente
com os 2/3 restantes vo compor um novo padro de carregamento.
A soluo mais comum para a este problema de otimizao consiste na
determinao de um padro de carregamento que maximize a vida til do
combustvel nuclear, permitindo o aumento do ciclo de queima do combus-
tvel, trazendo ganhos operacionais e econmicos relacionados ao funcio-
namento da usina, sujeito a restries de segurana. Porm, a diculdade
de encontrar esta soluo relacionada com o grande nmero de possveis
combinaes de elementos combustveis que podem compor o ncleo do
prximo ciclo, dene o PRRN como um problema combinatrio altamente
complexo, pertencente classe dos problemas no polinomiais (NP) com-
pletos, onde a diculdade cresce exponencialmente de acordo com o nmero
de elementos combustveis considerados.
Alm da otimizao manual, realizada por especialista em padres de
carregamento, vrias tcnicas de otimizao tm sido aplicadas ao PRRN
com o objetivo de automatizar este processo. Neste captulo so apresen-
tados os resultados da aplicao das tcnicas de otimizao por colnia
de formigas, colnia de abelhas, enxames de partculas, algoritmos genti-
cos, alm de uma abordagem com inspirao quntica para o algoritmo de
colnia de formigas, para a soluo deste problema.
O objetivo deste captulo no fazer um estudo comparativo entre os
diferentes algoritmos mas, sim, mostrar a viabilidade do uso dos mesmos
no desenvolvimento efetivo de trabalhos em uma rea da engenharia, alm
de destacar as principais diferenas entre eles na otimizao do problema
da recarga nuclear.
Computao Evolucionria Aplicada ao Problema da Recarga de Reatores Nucleares 149
3.1.2 Seleo
O processo de seleo consiste em selecionar cromossomos de melhores ap-
tides para gerar, atravs do processo de cruzamento, novos cromossomos
152 de Lima et al.
3.1.3 Cruzamento
O processo de cruzamento tem como principal objetivo perpetuar o mate-
rial gentico (bits) dos cromossomos mais aptos e consiste na recombinao
de alelos atravs da troca de segmentos entre pares de cromossomos. O
processo de cruzamento aplicado aos cromossomos com uma probabi-
lidade determinada pela taxa de cruzamento pc . Este processo pode ser
implementado de vrios modos, sendo os mais comuns o cruzamento de um
ponto e o cruzamento de dois pontos. A diferena entre o cruzamento de
dois pontos e o cruzamento de um ponto que ao invs de escolher apenas
um ponto de cruzamento escolhem-se randomicamente dois. O cruzamento
de um ponto realizado da seguinte forma: primeiramente dois cromosso-
mos da populao atual so selecionados; a seguir seleciona-se (de forma
aleatria) um ponto de cruzamento sobre a sequncia de bits (cromos-
somo) e, em seguida a troca de segmentos realizada a direita do ponto
de cruzamento escolhido. O resultado deste processo a criao de dois
novos cromossomos que apresentam caractersticas dos cromossomos que
os geraram.
3.1.4 Mutao
O processo de mutao tem o papel de introduzir e manter a diversidade
gentica da populao. Desta forma, pode ser denido como um distr-
bio introduzido no gene, que altera a direo de busca do algoritmo. Tem
por objetivo assegurar uma maior varredura do espao de busca e preve-
nir o aprisionamento da populao em falsos timos locais. O operador
de mutao aplicado aos cromossomos com uma probabilidade dada pela
taxa de mutao pmr , geralmente se utiliza uma taxa de mutao pequena,
para que o algoritmo no seja transformado em um processo de busca ale-
atria. O processo de mutao realizado da seguinte forma: primeira-
mente seleciona-se aleatoriamente um cromossomo da populao atual; em
seguida seleciona-se (tambm de forma aleatria) um alelo deste cromos-
somo e, altera-se o valor do alelo selecionado. O resultado deste processo
a criao de indivduos formados por alelos no previamente testados.
Computao Evolucionria Aplicada ao Problema da Recarga de Reatores Nucleares 153
f (H) d(H)
m (H, t + 1) m(H, t). . 1 pc . o(H).pm (1)
f l1
vij (t + 1) = wvij (t) + c1 r1 (pbest(t)ij xij (t)) + c2 r2 (gbest(t)j xij (t)) (2)
xij (t + 1) = xij (t) + vij (t + 1), onde i = 1, 2, ..., Pij = 1, 2, ..., n (3)
[F E(r,s)] [HE(r,s)]
P
[F E(r,z)] [HE(r,z)]
se s Jk (r)
Roleta = zJk (r) (5)
0 se s
/ Jk (r)
f uncao objetivoi
pi = SN
(9)
P
f uncao objetivoj
j=1
160 de Lima et al.
1 2 m
qubit =
(11)
1 2 m
1, 2, ... m,
j = (12)
1, 2, ... m,
2
onde e 1, so nmeros complexos sendo que |1, | a probabilidade
1,
de que o qubit seja encontrado no estado 0 e |1, |2 a probabilidade de
que o qubit seja encontrado no estado 1, obedecendo a restrio |1, | +
2
2
|1, | = 1.
Para fazer com que o QACO seja capaz de resolver problemas de oti-
mizao necessrio converter a notao de qubits para a forma binria
convencional. Isto feito atravs da observao do feromnio j . Pri-
meiramente, um nmero randmico p gerado e ento comparado com o
parmetro de probabilidade de explorao pe . Se p for maior ou igual a o
pe , o caminho do j -simo bit da formiga i determinado pela Equao 13:
0, se j, j,
Caminhoi,j = (13)
1, se j, > j,
0, se c < 0
c (x) = (14)
1 se c > 0
" 0
#
i i cos(id ) sen(id ) i
0 = R(id ) = (15)
i i sen(id ) cos(id ) i
1
CB
, se Prm 1, 395
F uncao Objetivo = (17)
Prm , Caso contrario
[F E(r,s,p)] [HE(r,s,p)]
P
[F E(r,z,p)] [HE(r,z,p)]
se s Jk (r)
Roleta = zJk (r) (19)
0 se s
/ Jk (r)
5. Resultados
Ao longo de 10 anos de pesquisa em dissertaes de mestrado e teses de dou-
torado no LMP/COPPE, foram estudados vrios algoritmos evolucionrios
com inteno de resolver o problema da recarga de uma forma eciente.
168 de Lima et al.
6. Concluses
Neste captulo foi mostrada a viabilidade do uso de metaheursticas de oti-
mizao, tais como algoritmos genticos, enxame de partculas, algoritmo
de abelhas, colnia de formigas, e a verso quntica do algoritmo de colnia
de formigas, na otimizao de um problema de grande relevncia econ-
mica da Engenharia Nuclear: a otimizao da recarga do combustvel da
Computao Evolucionria Aplicada ao Problema da Recarga de Reatores Nucleares 169
Referncias
Bean, J., Genetic algorithms and random keys for sequencing and optimi-
zation. ORSA Journal on Computing, 6(2):154160, 1994.
Chapot, J., Otimizao Automtica de Recargas de Reatores a gua Pres-
surizada Utilizando Algoritmos Genticos. Tese de doutorado, Pro-
grama de Engenharia Nuclear/COPPE, Universidade Federal do Rio
de Janeiro, Rio de Janeiro, RJ, 2000.
Chapot, J.; Silva, F. & Schirru, R., A new approach to the use of genetic
algorithms to solve pressurized water reactor's fuel management opti-
mization problem. Annals of Nuclear Energy, 26(7):641665, 1999.
da Silva, M.; Schirru, R. & de Lima, A., QACO_alpha applied to the nu-
clear reactor core fuel reload optimization. Progress in Nuclear Energy,
53(1):8085, 2011.
de Lima, A.; Schirru, R.; Silva, F. & Medeiros, J., A nuclear reactor core
fuel reload optimization using articial ant colony connective networks.
Annals of Nuclear Energy, 35(9):16061612, 2008.
Karaboga, D., An Idea Based on Honey Bee Swarm for Numerical Optimi-
zation. Technical Report TR06, Computer Engineering Department,
Erciyes University, Kayseri, Turkey, 2005.
Lin, C.; Yang, J.I.; Lin, K.J. & Wang, Z.D., Pressurized water reactor
loading pattern design using the simple tabu search. Nuclear Science
and Engineering, 129(1):6171, 1998.
Notas Biogrficas
Alan M. M. de Lima bolsista CAPES/FAPERJ, possui graduao em
Fsica pela Universidade Federal Fluminense (UFF 1998), mestrado, doutorado
e ps-doutorado em Engenharia Nuclear pela Universidade Federal do Rio de
Janeiro UFRJ (2000, 2005 e 2006). Tem experincia na rea de Engenharia
Nuclear, com nfase em Ncleo do Reator e recarga de reatores nucleares do
tipo PWR, atuando principalmente nos seguintes temas: otimizao, algoritmos
evolucionrios e inteligncia articial.
.
Captulo 9
1. Introduo
Dentre os mtodos de otimizao heursticos desenvolvidos nos ltimos
anos, o algoritmo de Evoluo Diferencial (ED), proposto em 1995 por
Storn e Price (Storn & Price, 1995), se congura como uma das estratgias
mais utilizadas para a resoluo de problemas da cincia e engenharia. Seu
sucesso se deve a sua concepo conceitual simples, facilidade de imple-
mentao, capacidade de estruturao em arquitetura paralela, habilidade
de escapar de timos locais, e pelos resultados obtidos em aplicaes com
diferentes graus de complexidade.
Em linhas gerais, a idia principal por trs deste algoritmo o es-
quema proposto para atualizao de cada indivduo, a saber, por meio
da realizao de operaes vetoriais. Basicamente, a diferena ponderada
entre dois indivduos da populao adicionada a um terceiro indivduo
da mesma populao. Assim, o indivduo gerado atravs deste esquema
avaliado segundo a funo objetivo, podendo inclusive substituir indiv-
duos mal sucedidos nas geraes seguintes. Esta caracterstica faz com que
esta tcnica seja reconhecida como uma abordagem puramente estrutural,
o que a diferencia em relao s outras tcnicas evolutivas, j que estas
tm fundamentao terica inspirada na natureza.
Na literatura recente inmeras aplicaes usando o algoritmo de ED po-
dem ser encontradas. Os prprios autores deste captulo j publicaram um
elenco relativamente amplo de trabalhos relatando aplicaes deste tipo,
dentre as quais pode-se citar a estimao de parmetros cinticos em um
secador rotatrio (Lobato et al., 2008), a estimao de parmetros de um
ltro adaptativo utilizado como ferramenta para controle de qualidade em
linhas de montagem de cmbios automotivos (Oliveira-Filho et al., 2008),
e a estimao da difusividade trmica de frutas (Mariani et al., 2008).
Na rea de controle timo tem-se como exemplos a determinao do per-
l timo de alimentao de substrato em fermentadores (Kapadi & Gudi,
2004) e a resoluo de problemas de controle timo clssicos com restri-
es de desigualdade (Lobato et al., 2007b). No contexto multi-objetivo
destacam-se a otimizao estrutural de vigas (Lobato & Steen Jr., 2007),
a determinao do perl timo de alimentao de substrato em um pro-
blema de controle timo com ndice utuante (Lobato et al., 2007a), a
otimizao das condies operacionais de um reator industrial utilizado
para a produo de estireno (Babu et al., 2005) e o uso de tcnicas de
meta-modelagem associada ao enfoque multi-objetivo para o tratamento
de um problema de interao uido-estrutura (Lobato, 2008). Outras apli-
caes podem ser encontradas em Price et al. (2005), em Lobato (2008) e
no site: http://www.icsi.berkeley.edu/storn/code/html.
Apesar do nmero expressivo de aplicaes em reas distintas da li-
teratura especializada, pode-se dizer que o nmero de contribuies em
Resoluo de problemas inversos com evoluo diferencial 175
3. Concepo Conceitual
O algoritmo de ED baseia-se na realizao de operaes vetoriais na qual
a diferena ponderada entre dois indivduos distintos, adicionada a um
176 Lobato et al.
4. Aplicaes
Para as aplicaes que se seguem faz-se necessrio enfatizar alguns pontos
para a melhor compreenso dos estudos. Como no so conhecidos os pon-
tos experimentais relativos a cada aplicao, so admitidos valores para
as variveis de projeto a serem determinadas a m de resolver o problema
direto (resoluo do problema de simulao). Desta forma, conhecendo-
se o perl da intensidade da radiao (e da temperatura no problema de
conduo) em pontos do domnio e atribuindo-se um rudo denido pelo
usurio dene-se os pontos experimentais sintticos que sero utilizados
neste captulo. Este rudo acrescido ao ponto calculado procura reproduzir
os erros de medio que so inerentes a qualquer procedimento experimen-
tal. Deste modo, tal aspecto ser considerado neste trabalho atravs da
seguinte relao:
exp = cal + ri (5)
Resoluo de problemas inversos com evoluo diferencial 179
Nd
X
Q= (ical iexp )2 (6)
i=1
Z1
I (, ) ( )
p , 0 I , 0 d0 ,
+ I (, ) =
2
1
A1 1 2 A2
<0 >0
=1 =1
=0
= 0 =o
Z1
I 0, 0 0 d0 , > 0
I (0, ) = A1 + 21 (8)
Z1
I o , 0 0 d0 , < 0
I (o , ) = A2 + 22 (9)
0,045
0,040
0,035
0,030
0,025
Dados Experimentais ( = 0)
0,020
I(
Evoluo Diferencial
0,015 Recozimento Simulado
0,010
= 5
0,005
0,000
-1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
Mais detalhes sobre este estudo de caso pode ser encontrado em Lobato
et al. (2010b).
CR2
2CR
E (V ar (x)) = 2F 2 CR + 1 + V ar (x) (11)
NP NP
V ar (x (g + 1))
(12)
V ar (x (g))
(2005) (Fmax =2). No caso de CR, este deve pertencer ao intervalo ]0 1], e
o parmetro c denido como:
V ar (x (g + 1))
c (15)
V ar (x (g))
No problema inverso considerado neste estudo de caso, o objetivo a
determinao da espessura ptica (o ), do albedo de espalhamento sim-
ples ( ), das reectividades 1 e 2 , e dos coecientes da funo de fase
de espalhamento (bk , k=1, 2, ..., M ). O meio considerado homogneo,
i.e. =constante. So analisadas duas funes de fase, FF-1 e FF-2, cujos
coecientes so listados na Tabela 4. Alm disso, para a gerao dos pon-
tos experimentais sintticos, so considerados os seguintes valores para as
variveis de projeto: o =1, =0,5, 1 =2 =0,2. Para as funes de fase so
feitas aproximaes polinomiais de ordem M,
M
X
p(, 0 ) = bk Pk ()Pk (0 ) (16)
k=0
Tabela 4. Coecientes das funes de fase FF-1 e FF-2 (Chu et al., 1957).
Coeciente Forward Scattering Backward Scattering
FF-1 (M =4, m1 =1,4 e =1) FF-2 (M =5, m1 = e =1)
b1 0,57024 -0,56524
b2 0,56134 0,29783
b3 0,11297 0,08571
b4 0,01002 0,01003
b5 0,00000 0,00063
b6 - 0,00000
m1 o ndice de refrao, D/, D o dimetro da partcula e
o comprimento de onda da radiao incidente.
Z 1
I2 L1 , 0 0 d0 +
I1 (L1 , ) = 2 (1 3 )
0
Z 1
I1 L1 , 0 0 d0 ,
22 <0 (19)
0
Regio 2 (L1 x L1 + L2 )
Z 1
I2 (x, ) s2
I2 x, 0 d0 , 1 1
+ 2 I2 (x, ) = (20)
x 2 1
Resoluo de problemas inversos com evoluo diferencial 187
Z 1
I1 L1 , 0 0 d0 +
I2 (L1 , ) = 2 (1 2 )
0
Z 1
I2 L1 , 0 0 d0 ,
23 >0 (21)
0
Z 1
I2 L1 + L2 , 0 0 d0 ,
I2 (L1 + L2 , ) = A2 () + 24 <0 (22)
0
onde I(x, ) representa a intensidade da radiao na camada i, com i=1
ou 2, i o coeciente de extino dado por:
i = kai + si (23)
Mais detalhes sobre essa aplicao pode ser encontrada em Lobato et al.
(2010c).
Z1
I , 0 d0 , (0, o ) , [1, 1]
I (, ) + I (, ) = H () +
2
1
(24)
sujeito s condies de contorno I(0, )=A1 =1 e I(o , )=A2 =0
(1 =2 =0). O termo H() o termo fonte relacionado temperatura
4
adimensional denido como (1- ) ( ).
A formulao matemtica uni-dimensional em estado estacionrio do
problema combinado conduo-radiao, na forma adimensional, dado
pela equao de Poisson (Silva Neto & ziik, 1993; Silva Neto & Moura
Neto, 2005):
d2 (1 ) 4
( ) ( ) G ( ) = 0, 0 < <o (25)
d 2 N
sujeito s condies de contorno (0)=1 e (o )=T2 /T1 .
Z1
1 k T
G= I (, ) d, N = , = (26)
2 4n2i
T13 T1
1
ndice de refrao,
a constante de Stefan-Boltzmann e os contornos
=0 e =o so mantidos nas temperaturas T1 e T2 , respectivamente.
O problema inverso multi-objetivo proposto consiste na determinao
do parmetro de conduo-radiao (N ), da espessura ptica (o ) e do al-
bedo de espalhamento simples ( ), atravs da minimizao dos funcionais:
NdI 2
X
Q1 = Iical (o , , N ) Iiexp (27)
i=1
Nd 2
X
Q2 = cal
i (o , , N ) exp
i (28)
i=1
5. Consideraes Finais
Este captulo teve por objetivo a resoluo de problemas inversos em pro-
cessos difusivos e transferncia radiativa usando o algoritmo de ED. Neste
contexto, o algoritmo mostrou-se eciente quando comparado com outras
tcnicas clssicas e heursticas, alm de poder ser vericada uma reduo
no nmero de avaliaes da funo objetivo quando comparado, por exem-
plo, com o algoritmo de Recozimento Simulado. Deve ser ressaltado que
Resoluo de problemas inversos com evoluo diferencial 191
Agradecimentos
O Prof. Lobato e o Prof. Steen Jr agradecem pelo apoio do INCT-EIE,
atravs de recursos do CNPq e FAPEMIG. O Prof. Silva Neto agradece o
suporte nanceiro advindo da FAPERJ e do CNPq.
192 Lobato et al.
Referncias
Abbass, H.; Sarker, R. & Newton, C., PDE: a Pareto-frontier dieren-
tial evolution approach for multi-objective optimization problems. In:
Proceedings of the 2001 Congress on Evolutionary Computation. Pis-
cataway, USA: IEEE Press, p. 971978, 2001.
Chalhoub, E.; Campos Velho, H. & Silva Neto, A., A comparison of the
one-dimensional radiative transfer problem solutions obtained with
the monte carlo method and three variations of the discrete ordinates
method. In: Proceedings of 19 International Congress of Mechanical
th
Chu, C.M.; Clark, G. & Churchill, S., Tables of Angular Distribution Coef-
cients for Light Scattering by Spheres. Ann Arbor, USA: Engineering
Research Institute, University of Michigan, 1957.
Deb, K.; Pratap, A.; Agarwal, S. & Meyarivan, T., A fast and elitist
multiobjective genetic algorithm: NSGA-II. IEEE Transactions on
Evolutionary Computation, 6(2):182197, 2002.
Lobato, F.; Murata, V.; Oliveira-Lopes, L. & Steen Jr., V., Solution of
multi-objective optimal control problems with index uctuation using
dierential evolution. In: Proceedings in 6 Brazilian Conference
th
Lobato, F.; Oliveira-Lopes, L.; Murata, V. & Steen Jr., V., Evoluo
diferencial aplicada soluo de problemas de controle timo com
restries de desigualdade. In: Anais do X Encontro de Modelagem
Computacional. Nova Friburgo, Brasil, p. 110, 2007b.
Resoluo de problemas inversos com evoluo diferencial 193
Lobato, F. & Steen Jr., V., Engineering system design with multi-
objective dierential evolution. In: Proceedings in 19 International
th
Lobato, F.; Steen Jr., V. & Silva Neto, A., Solution of the coupled inverse
conduction-radiation problem using multi-objective optimization die-
rential evolution. In: Proceedings of 8 World Congress on Structural
th
Lobato, F.; Steen Jr., V. & Silva Neto, A., Evoluo diferencial (Dieren-
tial Evolution ). In: Silva Neto, A. & Becceneri, J. (Eds.), Tcnicas de
Inteligncia Computacional Inspiradas na Natureza Aplicaes em
Problemas Inversos em Transferncia Radiativa. So Carlos: SBMAC,
v. 41 de Notas em Matemtica Aplicada e Computacional, p. 91100,
2009a.
Lobato, F.; Steen Jr., V. & Silva Neto, A., A comparative study of the
application of dierential evolution and simulated annealing in inverse
radiative transfer problems.Journal of the Brazilian Society of Me-
chanical Sciences and Engineering, 32(special):518526, 2010a.
Lobato, F.; Steen Jr, V. & Silva Neto, A., Estimation of space-dependent
single scattering albedo in radiative transfer problems using dierential
Proceedings of Inverse Problems, Design and
evolution algorithm. In:
Optimization Symposium. Joo Pessoa, PB, p. 18, 2010b.
Lobato, F.; Steen Jr., V. & Silva Neto, A., Solution of inverse radiative
transfer problems in two-layer participating media with dierential
evolution. Inverse Problems in Science and Engineering, 18(2):183
195, 2010c.
Mariani, V.; Lima, A. & Coelho, L., Apparent thermal diusivity estima-
tion of the banana during drying using inverse method. Journal of
Food Engineering, 85(4):569579, 2008.
Oliveira-Filho, R.; Lobato, F.; Duarte, M. & Steen Jr., V., Estimao dos
parmetros de um ltro adaptativo utilizado como ferramenta para
controle de qualidade em linha de montagem de cmbios automotivos
Anais do V Congresso
atravs da tcnica de evoluo diferencial. In:
Nacional de Engenharia Mecnica. Salvador, BA, 2008.
ziik, M., Radiation Transfer and Iterations with Conduction and Con-
vection. 1a edio. John Wiley & Sons, 1973.
Price, K., Genetic annealing. Dr Bobb's Journal, 19(10):127132, 1994.
Silva Neto, A. & Moura Neto, F., Problemas Inversos Conceitos Fun-
damentais e Aplicaes. 1a edio. Rio de Janeiro, RJ: Editora da
Universidade do Estado do Rio de Janeiro, 2005.
Soeiro, F. & Silva Neto, A., Inverse radiative transfer problems in two-layer
participating media. In: Motasoares, C.; Martins, J.; Rodrigues, H.;
Ambrsio, J.A.; Pina, C.B.; Motasoares, C.; Pereira, E. & Folgado,
Proceedings of III European Conference on Computational
J. (Eds.),
Mechanics. Springer Netherlands, p. 477, 2006.
Stephany, S.; Becceneri, J.; Souto, R.; Campos Velho, H. & Silva Neto, A.,
A pre-regularization scheme for the reconstruction of a spatial depen-
dent scattering Albedo using a hybrid ant colony optimization imple-
mentation. Applied Mathematical Modelling, 34(3):561572, 2010.
Storn, R. & Price, K., Dierential evolution: a simple and ecient adaptive
scheme for global optimization over continuous spaces. Technical Re-
port TR-95-012, International Computer Science Institute, Berkeley,
USA, 1995.
Storn, R. & Price, K., Dierential evolution a simple and ecient heuris-
tic for global optimization over continuous spaces. Journal of Global
Optimization, 11(4):341359, 1997.
Zahaire, D., Critical values for the control parameters of dierential evolu-
tion algorithms. In: R. Matousek, P.O. (Ed.), Proceedings of the 8
th
Notas Biogrficas
.
Captulo 10
1. Introduo
Nos ltimos dez anos, alguns trabalhos foram desenvolvidos utilizando con-
ceitos da Teoria dos Jogos Evolucionrios (TJE) e Teoria dos Jogos (TJ)
nos Algoritmos Genticos (AG), atravs do uso dos jogos Hawk-Dove, Di-
lema do Prisioneiro e ainda outros tipos de jogos (Lehrer, 2000; Teixeira,
2005; Brito et al., 2005; Teixeira et al., 2006b,a; Lahoz-Beltra et al., 2009;
Teixeira et al., 2010b,a).
Estas abordagens foram estabelecidas com base na observao de como
a natureza funciona, como, por exemplo, uma colnia de formigas, um
enxame de abelhas e, at mesmo, a sociedade humana. Alm disto, o Al-
goritmo Gentico de Holland (1975), o Algoritmo Gentico Simples (Simple
Genetic Algorithm SGA) de Goldberg (1989) e todos os seus descendentes
diretos no implementam, de fato, o conceito de fentipo e, sim, somente
armam que ele o valor de tness do indivduo.
No entanto, a denio de fentipo bem mais abrangente na Biologia,
do que esta empregada na teoria dos Algoritmos Genticos, sendo que ele,
o fentipo, contribui, e muito, para o processo evolutivo dos indivduos
da populao. Segundo Dawkins (1999), o comportamento de um animal
tende a maximizar a sobrevivncia de seus genes para aquele comporta-
mento, mesmo que eles estejam ou no no seu corpo. Ou seja, o conceito
de fentipo est tambm intimamente relacionado ao comportamento dos
indivduos, que fator determinante para a sobrevivncia dos seus genes.
Desta forma, uma questo pode ser feita e necessita de resposta: no
contexto dos Algoritmos Genticos h alguma maneira que permita aos
indivduos alterar o seu valor de tness durante o processo evolutivo? A
resposta : No, no h! Mas, sim, possvel! Mas como?. A Teoria
dos Jogos pode ser utilizada como pilar terico fundamental para caracte-
rizar uma nova abordagem fenotpica para os Algoritmos Genticos, pois
formaliza matematicamente situaes de conito de interesses, onde agen-
tes racionais devem tomar decises com o objetivo de maximizar os seus
ganhos.
Alm disto, importante e necessrio tambm mencionar os trs princi-
pais aspectos que possibilitam a evoluo de uma populao de indivduos,
estabelecidos por (Darwin, 1859), que so: (a) diversidade em uma po-
pulao de uma mesma espcie; (b) luta pela sobrevivncia; (c) seleo
natural. Assim, ao compreender melhor a estrutura bsica e os fundamen-
tos dos Algoritmos Genticos, possvel armar que estes trs aspectos so
contemplados sim, porm no como ocorre na natureza.
Como consequncia se faz necessrio a constatao de alguns fatos e
uma breve discusso sobre estes trs aspectos, aplicados ao contexto dos
Algoritmos Genticos. Neles, a diversidade populacional tende a decrescer
ao longo do processo evolutivo e, com isto, possvel e comum ocorrer,
ao seu nal, uma homogeneidade dos indivduos, ou seja, eles passam a
AG com interao social para problemas de otimizao global 199
2 Um alelo pode ser denido como os possveis valores que um gene pode ter.
Por exemplo, se um AG tiver representao binria, os valores {0,1} so os
alelos possveis para os genes dos indivduos.
AG com interao social para problemas de otimizao global 201
2.3 Consideraes
Esta seo apresentou brevemente os conceitos pertinentes ao contexto dos
Algoritmos Genticos, que so necessrios para a sua compreenso e que
daro embasamento para a compreenso do SIGA. A partir da prxima
seo so apresentados aspectos relativos aos fundamentos da Teoria dos
Jogos, essenciais para a compreenso da sua aplicabilidade ao contexto dos
AG.
AG com interao social para problemas de otimizao global 203
T +S
R> (2)
2
T +S
>S (3)
2
Para cada par de comportamentos possvel, o pagamento de linha-
coluna est listado na clula apropriada da tabela, onde cada valor sig-
nica: T a tentao que cada jogador tem, caso traia sozinho; R a
recompensa que cada jogador recebe se ambos os jogadores cooperarem; P
a punio que cada um dos jogadores recebe quando ambos traem; e, S
o pagamento do otrio, que coopera sozinho.
Alm disto, existem variaes para este jogo, onde possvel exibilizar
as relaes existentes entre os quatro termos (T, R, P e S ), da relao na
Equao 1, de forma a gerar diferentes conguraes de jogos. Tambm,
pode-se variar no que se refere quantidade de iteraes entre os jogos,
pois na forma clssica do DP os jogadores disputam em apenas um nico
encontro.
As estratgias de comportamento dos jogadores, no caso do Dilema do
Prisioneiro, podem ser de dois tipos: (a) puras, onde o jogador sempre
coopera (ALL-C) ou sempre trai (ALL-D) ; e, mistas, onde o jogador pode
combinar cooperar e trair, de acordo com aquilo que no momento lhe atri-
bua um maior ganho. Neste caso possvel citar a estratgia Aleatrio,
onde ora o jogador coopera, ora trai, sem seguir um padro pr-denido; e,
tambm, a estratgia TFT (Tit-For-Tat ), onde o jogador primeiramente
coopera e, a partir do segundo encontro passa a agir com o mesmo compor-
tamento que o seu adversrio teve no encontro anterior (Rapoport, 1999).
206 Teixeira et al.
3.3 Consideraes
Esta seo apresentou conceitos pertinentes ao contexto da Teoria dos Jo-
gos, mais especicamente em relao aos aspectos do Paradigma do Dilema
do Prisioneiro, que constitui o segundo pilar fundamental para a construo
da estrutura do SIGA, que detalhado na prxima seo.
momento que ele passa a contar com mais um cromossomo, como no caso
do SIGA, h a necessidade de se alterar a maneira de calcular o valor de
tness de um indivduo, denominado aqui de f itnessT otal .
Desta forma, alm de possurem um valor de tness relacionado solu-
o do problema, agora passam a ter um valor de tness baseado na soma
dos ganhos obtidos na etapa de interao social, conforme a Equao 4.
4.4 Consideraes
Esta Seo apresentou o Algoritmo Gentico com Interao Social (SIGA),
onde foi includa a etapa de interao social antes da reproduo dos indi-
vduos. Assim, foram descritos os aspectos que diferem dos AGs tradicio-
nais, no sentido de denir um indivduo composto por dois cromossomos,
um para a soluo do problema e o outro para codicar geneticamente a
210 Teixeira et al.
g1 = max 0 (6)
g2 = max 0 (7)
212 Teixeira et al.
g3 = h b 0 (8)
g5 = 0, 125 h 0 (10)
g6 = max 0 (11)
g7 = P Pc 0 (12)
Onde:
r
2 1 2
= 0 + 2 0 00 + 00 (13)
2R
0 P
= (14)
2hl
00 MR
= (15)
J
1
M =P L+ (16)
2
s
t2 h+t 2
R= + (17)
4 2
( " #)
t2 h+t 2
J =2 2hl + (18)
12 2
6P L
= (19)
bt2
4P L3
= (20)
Eb3
q
t2 b6 !
4, 013E
r
36 t E
Pc = + 1 (21)
L2 2L 4G
Alm disto, os seguintes valores foram considerados: P = 6000 lb,
L = 14 in, E = 30 106 psi, G = 12 106 psi, max = 13600 psi,
max = 30000 psi, max = 0, 25 in e os intervalos de valores para cada uma
das quatro variveis: 0,1 h 2,0; 0,1 l 10,0; 0,1 t 10,0; 0,1
b 2,0.
O SIGA foi executado 30 vezes para diferentes conguraes de par-
metros e, assim, cou estabelecido o conjunto que apresentou os melhores
AG com interao social para problemas de otimizao global 213
Sujeito a:
g1 = x1 + 0, 0193x3 0 (23)
214 Teixeira et al.
g2 = x2 + 0, 00954x3 0 (24)
4 3
g3 = x23 x4 x + 1296000 0 (25)
3 3
g4 = x4 240 0 (26)
Alm disto, os seguintes intervalos de valores foram utilizados para
cada uma das quatro variveis: 10,0625 x1 990,0625; 10,0625
x2 990,0625; 10 x3 200; 10 x4 200.
O SIGA foi executado 50 vezes para diferentes conguraes de parme-
tros e cou estabelecido o conjunto que apresentou os melhores resultados:
mtodo de seleo = torneio; tamanho do torneio = 2; quantidade de ge-
raes = 2000; tamanho da populao = 200; taxa de cruzamento = 85%;
taxa de mutao = 20%; alfa = 1,0; beta = 1,0; jogos = 100; rodadas =
10; R = 5; T = 3; P = 1; S = 0.
O melhor resultado obtido dentre as 30 execues realizadas foi igual
a 6066,029360, que o terceiro melhor dentre os resultados disponveis na
literatura e apresentados na Tabela 4.
x32 x3
g1 = 1 0 (28)
71785x41
4x22 x1 x2 1
g2 = + 10 (29)
12566 x2 x31 x41 5108x21
140.45x1
g3 = 1 0 (30)
x22 x3
x1 x2
g4 = 10 (31)
1.5
O SIGA foi executado 20 vezes para diferentes conguraes de parme-
tros e cou estabelecido o conjunto que apresentou os melhores resultados:
mtodo de seleo = torneio; tamanho do torneio = 2; quantidade de ge-
raes = 2000; tamanho da populao = 300; taxa de cruzamento = 85%;
taxa de mutao = 10%; alfa = 1,0; beta = 1,0; jogos = 100; rodadas =
10; R = 5; T = 3; P = 1; S = 0.
216 Teixeira et al.
Sujeito a:
27
g1 = 10 (33)
x1 x22 x3
397, 5
g2 = 10 (34)
x1 x22 x3
AG com interao social para problemas de otimizao global 217
1, 93x34
g3 = 10 (35)
x2 x3 x36
1, 93x35
g4 = 10 (36)
x2 x3 x37
s
750, 0x4 2
1, 0
g5 = + 16, 9 106 1 0 (37)
110x36 x2 x3
s
750, 0x5 2
1, 0
g6 = + 157, 5 106 1 0 (38)
85x37 x2 x3
x2 x3
g7 = 10 (39)
40
5x2
g8 = 10 (40)
x1
x1
g9 = 10 (41)
12x2
1, 5x6 + 1, 9
g10 = 10 (42)
x4
1, 1x7 + 1, 9
g11 = 10 (43)
x5
Alm disto, os seguintes intervalos de valores foram utilizados para
cada uma das sete variveis: 2,6 x1 3,6; 0,7 x2 0,8; 17 x3
28; 7,3 x4 8,3; 7,3 x5 8,3; 2,9 x6 5,0; 7,3 x7 5,5.
O SIGA foi executado 50 vezes para diferentes conguraes de parme-
tros e cou estabelecido o conjunto que apresentou os melhores resultados:
218 Teixeira et al.
6. Consideraes Finais
Este captulo apresentou uma nova meta-heurstica hbrida de otimizao
baseada na natureza, denominada de Algoritmo Gentico com Interao
Social (SIGA), aplicada na resoluo de quatro problemas de engenharia
bastante difundidos na literatura.
Para a sua concepo foram observados aspectos presentes, por exem-
plo, na dinmica das interaes sociais entre seres humanos. No entanto,
a abordagem aqui apresentada um modelo bastante simplicado do que
AG com interao social para problemas de otimizao global 219
Agradecimentos
Este trabalho tem o suporte acadmico do Laboratrio de Computaao
Natural (LCN), do Centro Universitrio do Estado do Par (CESUPA),
e do Programa de Ps-Graduao em Engenharia Eltrica (PPGEE), do
Instituto de Tecnologia (ITEC) da Universidade Federal do Par (UFPA).
Referncias
Alfares, F. & Esat, I., Real-coded quantum inspired evolution algorithm
applied to engineering optimization problems. In: Proceedings of the
Second International Symposium on Leveraging Applications and For-
mal Methods, Verication and Validation. Washington, USA: IEEE
Computer Society, p. 169176, 2006.
Borges, P., A Model of Strategy Games based on the Paradigm of the Ite-
rated Prisoner's Dilemma Employing Fuzzy Sets. Tese de doutorado,
Programa de Ps-Graduao em Engenharia de Produo, Universi-
dade Federal de Santa Catarina, Florianpolis, SC, 1996.
Brajevic, I.; Tuba, M. & Subotic, M., Improved articial bee colony algo-
th
rithm for constrained problems. In: Proceedings of the 11 WSEAS
International Conference on Neural Networks, Fuzzy Systems and Evo-
lutionary Computing. Stevens Point, USA: WSEAS, p. 185190, 2010.
Brito, F.; Teixeira, O. & Oliveira, R., A introduo da interao fenotpica
em algoritmos genticos atravs dos jogos evolucionrios e da codi-
cao e transmisso gentica do comportamento. In: Anais do VII
Simpsio Brasileiro de Automao Inteligente. 2005.
Cagnina, L.; Esquivel, S. & Coello Coello, C., Solving engineering optimi-
zation problems with the simple constrained particle swarm optimizer.
Informatica, 32(3):319 326, 2008.
Coello Coello, C., Use of a self-adaptive penalty approach for engineering
optimization problems. Computers in Industry, 41(2):113127, 2000.
Dawkins, R., The Extended Phenotype: the long reach of the gene. New
York, USA: Oxford University Press, 1999.
Deb, K., Optimal design of a welded beam via genetic algorithms. AIAA
Journal, 29(11):20132015, 1991.
Deb, K., Geneas: a robust optimal design technique for mechanical compo-
nent design. In: Dasgupta, D. & Michalewicz, Z. (Eds.), Evolutionary
Algorithms in Engineering Applications. Berlin, Germany: Springer-
Verlag, p. 497514, 1997.
Lahoz-Beltra, R.; Ochoa, G. & Aickelin, U., Cheating for problem solving:
a genetic algorithm with social interactions. In: Proceedings of Genetic
and Evolutionary Computation Conference. p. 811818, 2009.
Lehrer, C., Operador de Seleo para Algoritmos Genticos baseado no Jogo
Hawk-Dove. Dissertao de mestrado, Programa de Ps-graduao
em Cincia da Computao, Universidade Federal de Santa Catarina,
Florianpolis, SC, 2000.
Luce, D. & Raia, H., Games and Decisions: Introduction and Critical
Survey. Mineola, USA: Dover Publications, 1989.
Mitchell, M., An Introduction to Genetic Algorithms. Cambridge, USA:
MIT Press, 1998.
222 Teixeira et al.
Teixeira, O.; Brito, F.; Teixeira, A. & Oliveira, R., Genetic algorithms
with social interaction phase as phenotype characterization. In: Press,
X.U. (Ed.), Proceedings of Advances in Natural Computation and Data
Mining. Xi'an, China, 2006a.
Teixeira, O.; Lobato, W.; Yasojima, C.; Brito, F.; Teixeira, A. & Oliveira,
R., Fuzzy social interaction genetic algorithm. In: Proceedings of the
th
10 Annual Conference on Genetic and Evolutionary Computation.
p. 21132114, 2010a.
Teixeira, O.; Lobato, W.; Yasojima, C.; Brito, F.; Teixeira, A. & Oliveira,
R., A new hybrid nature-inspired metaheuristic for problem solving
based on the social interaction genetic algorithm employing fuzzy sys-
th
tems. In: Proceedings of the 10 International Conference on Hybrid
Intelligent Systems. Atlanta, USA, p. 3136, 2010b.
Teixeira, O.; Teixeira, A.; Brito, F. & Oliveira, R., Game theory as a new
paradigm for phenotype characterization of genetic algorithms. In:
th
Proceedings of the 8 Annual Conference on Genetic and Evolutionary
Computation. New York, USA, p. 14311432, 2006b.
von Neumann, J. & Morgenstern, O., Theory of Games and the Economic
Behavior. Princeton, USA: Princeton University Press, 1944.
AG com interao social para problemas de otimizao global 223
Notas Biogrficas
Otvio Noura Teixeira graduado em Tecnologia em Processamento de Dados
(1998), pelo Centro Universitrio do Estado do Par (CESUPA), graduado em
Bacharelado em Cincia da Computao (2003), mestre em Engenharia Eltrica
(2005) e doutorando em Engenharia Eltrica, pela Universidade Federal do Par
(UFPA). Atualmente Professor em tempo integral, e com experincia de mais
de 11 anos de docncia, no Centro Universitrio do Estado do Par (CESUPA),
onde tambm coordenador e pesquisador do Laboratrio de Computao
Natural. Ele j orientou mais de 40 trabalhos de concluso de curso e participou
de 85 bancas de defesa, alm de ter publicado 40 artigos em eventos e peridicos.
.
Captulo 11
1. Introduo
O Controlador Preditivo baseado em Modelo (MPC) originou-se nos anos
70 e, desde ento, tem sido bastante estudado no meio acadmico e apli-
cado no controle de diversas plantas industriais (Qin & Badgwell, 2003). O
termo MPC designa uma ampla variedade de mtodos de controle que fa-
zem uso explcito do modelo de um processo para obter o sinal de controle
pela minimizao de uma funo objetivo (Camacho & Bordons, 2004).
Esta metodologia de natureza aberta, dentro da qual diferentes algo-
ritmos de controle tm sido desenvolvidos, tais como: Controle Preditivo
Generalizado (GPC) (Clarke et al., 1987), Controle por Matriz Dinmica
(DMC) (Cutler & Ramaker, 1979) e Controle Auto Adaptativo Estendido
Preditivo (Keyser & van Cuawenberghe, 1985), entre outros. O Controla-
dor Preditivo pode ser aplicado em processos lineares, no lineares, mono
e multivariveis, com restries e atrasos, desde aqueles com dinmica es-
tvel at os de fase no minima e instveis em malha aberta (Camacho &
Bordons, 2004).
O MPC geralmente exibe um bom desempenho e robustez, desde que
os parmetros de sintonia sejam adequadamente escolhidos pelo projetista
(Maciejowski, 2000). Entretanto, a seleo dos parmetros no uma
tarefa fcil, na medida em que no existe um mtodo geral e preciso de
sintonia que assegure a estabilidade (Bitmead et al., 1990). O mtodo mais
usado na literatura para o ajuste dos parmetros do MPC atualmente o
da tentativa e erro, exigindo, alm de um bom conhecimento do processo
por parte do operador, tambm um certo tempo at que a resposta obtida
seja satisfatria. Em alguns processos instveis em malha aberta, como
o nvel do molde a ser estudado neste captulo e tambm em sistemas
multivariveis como o laminador apresentado por de Almeida et al. (2009b),
no se consegue determinar os parmetros de sintonia atravs de tentativa
e erro, a m de obter uma resposta estvel e otimizada. Por isto, observa-se
na literatura que ainda pouco explorada a aplicao do MPC em sistemas
instveis em malha aberta, lineares ou no.
O objetivo utilizar o MPC com modelo neural, a m de realizar o
controle do nvel do molde do lingotamento contnuo, que um processo
instvel em malha aberta e no linear (Sanchotene & Salles, 2009; Mattedi
et al., 2010). Para este caso, o mtodo de sintonia do MPC baseado em
tentativa e erro praticamente invivel de ser aplicado, sendo fundamental
utilizar ferramentas computacionais baseadas em computao evolucion-
ria para obter automaticamente os parmetros do controlador. Exemplos
de artigos que utilizam o Algoritmo Gentico para sintonizar os parme-
tros do MPC so encontrados em Filali & Wertz (2001), de Almeida et al.
(2006) e de Almeida et al. (2009a).
O processo de lingotamento contnuo consiste, basicamente, da trans-
formao do ao, inicialmente em seu estado lquido e temperatura superi-
Controlador preditivo neural do nvel do molde sintonizado via AG 227
ores a 1600 C, em placas de ao de formato, espessura, superfcie, consis-
tncia e propriedades mecnicas conhecidas, segundo padres existentes.
no molde da mquina de lingotamento contnuo que se realiza o processo de
resfriamento primrio, formando uma casca de ao slido. Para que isto
seja realizado necessrio manter um nvel constante e predeterminado de
ao lquido no seu interior em diferentes condies de processo.
Apesar da aplicao de controlador clssico Proporcional-Integral-
Derivativo (PID) ser ainda encontrado no controle do molde, a sua frgil
robustez diante dos efeitos e variaes de parmetros presentes no processo
de lingotamento tem impulsionado pesquisadores do mundo inteiro, tanto
na siderurgia quanto no meio acadmico, ao desenvolvimento de tcnicas
mais sosticadas de controle. Em Yoo & Kueon (1997) mostra-se a apli-
cao de uma tcnica de controle por modo deslizante. Em Kurokawa
et al. (1993) desenvolvido um controlador H e em Tao & Wang (2005)
so utilizadas a Lgica Fuzzy e Redes Neurais para resolver o problema de
controle do nvel do molde. No se encontram na literatura estudos sobre
aplicaes do MPC no linear do nvel do molde do lingotamento contnuo.
Os artigos existentes sobre este assunto esto relacionados ao controlador
GPC para o molde linear, conforme mostrado em Loureiro (1994), Guo
et al. (2000) e Sanchotene (2009).
Duas tcnicas MPC com Redes Neurais sero estudadas: uma delas
utiliza Linearizao instantnea do modelo neural do molde e a outra utiliza
o gradiente da funo objetivo para determinar a ao de controle. Tais
mtodos sero comparados quanto a robustez, estabilidade e qualidade de
controle.
O captulo organizado da seguinte forma: na Seo 2 apresentam-se
os conceitos bsicos do MPC, os algoritmos MPC neural a serem imple-
mentados, e mostra-se como o Algoritmo Gentico foi utilizado na sintonia
destes controladores. Utilizando-se de dados reais, apresenta-se na Seo 3
a modelagem da malha de controle do nvel do molde usando redes neu-
rais e tambm feita a representao matemtica dos distrbios existentes
que afetam a qualidade do processo. Na Seo 4 discutem-se as simulaes
computacionais obtidas, apresentando a comparao entre as duas tcnicas
MPC neural. Na Seo 5 feita a concluso.
N2 Nu
X X
J= y (t + k) w(t + k)]2 +
[ [u(t + k 1)]2 (2)
k=N1 j=1
[Nu , N2 , , , ], (3)
1
F it(Nu , N2 , , , ) = P , (4)
(y w)2
onde y a sada do processo e w a referncia.
Em seguida, o AG evolui a espcie atravs da realizao das trs opera-
es genticas (reproduo, crossover de ponto nico e mutao aleatria),
onde os melhores indivduos tem maior probabilidade de ter descendentes
nas geraes futuras. Neste trabalho, o mtodo de seleo usado o da
roleta onde, atravs da Equao 4, se determina a poro que o indivduo
ter dentro da roleta. So feitas M 1 execues da roleta para seleci-
onar os indivduos. Paralelo seleo por roleta, foi utilizado o elitismo,
que assegura que os resultados nunca sero piores do que os da gerao
anterior.
O AG executa um loop de G geraes e, ao nal da ltima, apresentar-
se- o melhor indivduo. O algoritmo utilizado na sintonia do MPC o
seguinte:
(t) = [y(t 1), . . . , y(t n), u(t d), . . . , u(t d m)] (8)
onde:
g[(t)] g[(t)]
ai = |(t)=( ) bi = |(t)=( ) (10)
y(t i) u(t d i)
e:
Xsg (t)
! s 2
R
Xs g Xsg (t)
As = 2 R2 cos1 2
R (t) RXsg
R 2 2
(14)
A vlvula gaveta est localizada logo aps a sada distribuidor e o
transporte do uxo do ao da vlvula gaveta para o molde feita atravs
Controlador preditivo neural do nvel do molde sintonizado via AG 235
dH(t) 1
= [As .Vn (t Tv ) Am .Vcs (t)] (15)
dt Am
onde: H a altura do nvel do molde; Am a rea do molde; g a
gravidade; h a altura do uido entre os nveis de ao do distribuidor e do
molde e Vcs velocidade de lingotamento ou extrao da placa.
A partir da Equao 15 chega-se seguinte funo de transferncia:
1 h i
As esTv 2gh Am Vcs
p
H= (16)
Am s
caracterizando-se, portanto, como uma malha integradora (no estvel em
malha aberta).
Para a representao matemtica dos demais blocos que compem a
malha de controle, foram realizados experimentos na planta real, am de
identicar o modelo conforme mostra Sanchotene (2009). A funo de
transferncia (Equao 17) representa o controlador da malha de posio
da vlvula gaveta (malha escrava) e o sistema hidrulico responsvel por
sua movimentao fsica.
0.25
Gp (s) = (17)
0.5s + 1
A funo de transferncia (Equao 18) representa o bloco referente ao
sensor de nvel do molde.
e0,02s
GS (s) = (18)
0.4s + 1
Desta maneira, observa-se na Figura 3 o sistema no-linear completo
simulado no Matlab para representao do processo real de controle do
nvel do molde.
1 1 (t T1 ), T1 t < T2
Aclg (t) = f, T2 t < T3
f + 2 (t T3 ), T3 t < T4
Vcs (m/min)
foscilao (Hz) = (19)
D(m) 60
O aparecimento do fenmeno de bulging ocorre principalmente na re-
gio de desdobramento do ao no interior da mquina, prximo ao molde,
onde h maior volume de ao lquido no interior da placa e, obviamente,
menor espessura de pele de ao solidicado. A Equao 19 indica uma
relao direta do fenmeno com aspectos construtivos da mquina: capa-
cidade de refrigerao e de velocidade, distanciamento de rolos denidos
em projeto e curvatura total de lingotamento.
Particularmente, dependendo da regio onde h a ocorrncia de bulging
e do espaamento dos rolos que compem esta regio, pode ocorrer o apa-
recimento de frequncias de oscilao diferentes e simultneas na superfcie
do molde.
A amplitude deste fenmeno est diretamente relacionada com a capa-
cidade de refrigerao e tipo de ao lingotado (quanto menor a quantidade
de carbono em sua composio em conjunto com a adio de ligas, maior
a maleabilidade do material e amplitude do fenmeno), dentre outros
fatores de menor contribuio.
Para a simulao do efeito bulging no processo identicado, procede-se
da mesma forma que o realizado no item anterior. , ento, necessrio de-
nir o ponto correto de insero do fenmeno no diagrama de blocos do pro-
cesso identicado (Figura 3). Conforme descrito anteriormente, entende-se
o efeito bulging como uma variao de volume no molde. A Figura 5 re-
presenta um possvel ponto de insero do efeito no modelo obtido.
Controlador preditivo neural do nvel do molde sintonizado via AG 239
0.04
0.03
0.02
0.01
0
0 1000 2000 3000 4000 5000 6000 7000 8000
nmero de amostras
1.5
Nvel do Molde (m)
0.5
0.5
0 1000 2000 3000 4000 5000 6000 7000 8000
nmero de amostras
Figura 8. Sada real e sada prevista pela rede neural a 30 passos a frente.
0.9
0.8
0.7 Referncia
Nvel do Molde
Nvel do Molde (m)
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1000 2000 3000 4000 5000 6000
nmero de amostras
5. Concluso
Neste captulo foi analisado o desempenho do controlador preditivo neural
no controle do nvel do molde sujeito a distrbios de bulging e clogging. Dois
Controlador preditivo neural do nvel do molde sintonizado via AG 245
0.2
0.1
Referncia
0.05 Nvel do Molde
0
0 100 200 300 400 500 600 700 800 900 1000
nmero de amostras
0.08
0.06
Sinal de Controle
0.04
Variao do Sinal de Controle
0.02
0.02
0 100 200 300 400 500 600 700 800 900 1000
nmero de amostras
0.2
Referncia
Nvel do Molde (m)
0.1
0.05
0
0 100 200 300 400 500 600 700 800 900 1000
nmero de amostras
0.08
0.06
0.04
Sinal de Controle
0.02
0
0 100 200 300 400 500 600 700 800 900 1000
nmero de amostras
Agradecimentos
Os autores agradecem Arcelor Mittal Tubaro pelo apoio e incentivo a
realizao desta pesquisa.
Referncias
de Almeida, G., Sintonia de Controle Preditivo Generalizado Atravs de
Algoritmo Gentico. Dissertao de mestrado, Programa de Ps-
graduao em Engenharia Eltrica, Universidade Federal do Esprito
Santo, Vitria, ES, 2006.
de Almeida, G.; Salles, J. & Denti Filho, J., Optimal tuning parameters
of the dynamic matrix predictive controller with constraints. Latin
American Appplied Research, 39(1):3340, 2009a.
de Almeida, G.; Salles, J. & Filho, J., Using genetic algorithms for tuning
the parameters of a generalized predictive control. In: VII Confern-
cia Internacional de Aplicaes Industriais (INDUSCON). Recife, PE,
2006.
Bitmead, R.R.; Gevers, M. & Wertz, V., Adaptative optimal control. The
thinking man's GPC. Englewood Clis, USA: Prentice-Hall, 1990.
Camacho, E.F. & Bordons, C., Model Predictive Control. London, UK:
Springer-Verlag, 2004.
Clarke, D.; Mohtadi, C. & Tus, P., Generalized predictive control Part
I. The basic algorithm. Automatica, 23(2):137148, 1987.
Filali, S. & Wertz, V., Using genetic algorithms to optimize the design
parameters of generalized predictive controllers. International Journal
of Systems Science, 32(4):503512, 2001.
248 Sanchotene et al.
Guo, G.; Li, W.; Wang, J. & Liu, M., A CGPC controller in a continuous
casting process. In: Proceedings of 3 World Congress on Inteligent
rd
Mattedi, A.; ALmeida, G.; Salles, J. & Sanchotene, F., Controle preditivo
do nvel do molde do lingotamento contnuo na presena de distrbios e
restries do processo. In: Proceedings of IX IEEE/IAS International
Conference on Industry Applications (INDUSCON). So Paulo, SP, p.
16, 2010.
M.Nrgaard, ; Ravn, O.; Poulsen, N. & Hansen, L., Neural Networks for
Modelling and Control of Dynamic Systems. London, UK: Springer-
Verlag, 2000.
Tao, J. & Wang, N., Fuzzy neuron hybrid control for continuous steel
casting. In: Proceedings of 16 IFAC World Congress. Prague, Czech
th
Yoo, S. & Kueon, Y., Development of mold level controller using sliding
mode control in continuous casting processing. In: Proceedings of
5th IEEE Mediterranean Conference on Control and Systems. Paphos,
Cyprus, 1997.
250 Sanchotene et al.
Notas Biogrficas
Fbio de Borba Sanchotene formado em Engenharia Eltrica pela Univer-
sidade Federal do Esprito Santo (2001), Especialista em Automao Industrial
pela Universidade de Uberaba (2003) e tem Mestrado em Automao pela Uni-
versidade Federal do Esprito Santo (2009). Atua como engenheiro eletricista na
ArcelorMittal desde 2002, sendo responsvel pelo desenvolvimento de solues na
rea de automao de sistemas de controle envolvendo mquinas de lingotamento
e laminadores.
1. Introduo
Escalonamento (scheduling) de atividades signica designar um conjunto
de eventos ao longo do tempo, atendendo a um conjunto de restries e, em
geral, otimizando alguma funo objetivo. Os problemas de escalonamento
desempenham um papel importante dentro da computao, especialmente
dentro da pesquisa operacional, pelo fato de fomentar a investigao de
modelos computacionais e de novas tcnicas algortmicas.
O problema de escalonamento de atividades pode ser encontrado em
diversos contextos, seja envolvendo mquinas (simples ou paralela) (Sheen
& Liao, 2007; Blazewicz et al., 1994), processos (Sonmez & Gursoy, 2007;
Bansal et al., 2009) ou pessoas (Yunes et al., 2000). O escalonamento de
pessoal pode ser dividido em dois tipos: escalonamento de pessoal em local
xo e escalonamento de pessoal no setor de transportes (Bodin, 1983). O
escalonamento no setor de transportes um dos mais complexos do ponto
de vista computacional (Bodin, 1983). O desao computacional, portanto,
encontrar uma metodologia que obtenha uma soluo satisfatria para o
problema em tempo computacional vivel.
Como reportado por Bodin (1983), a maioria dos problemas de es-
calonamento no admitem soluo em tempo polinomial e so poucos os
casos modelados por programao matemtica utilizando algoritmos exa-
tos (Yunes et al., 2000). O escalonamento na agroindstria tratado aqui
se diferencia do escalonamento de transporte pelo fato da hora incio de
cada viagem ser desconhecido. O problema investigado surge no contexto
de uma indstria que processa mais de 1 milho de aves por semana onde
pequenas melhorias no escalonamento podem resultar em reduo signi-
cativa do desperdcio, implicando em reduo de custos. O escalonamento
automatizado deve ser capaz de denir a escala de atividades das equi-
pes de apanha, assegurando o constante fornecimento de suprimento para
a indstria, respeitando um conjunto de restries operacionais e otimi-
zando uma funo objetivo. Alm disto, informaes sobre o tamanho da
la de caminhes ou tempo de espera na la so parmetros que devem
ser otimizados. Por outro lado, estas informaes so complexas para se-
rem integradas em um modelo de programao matemtica. Considerando
a complexidade de se criar um modelo de programao matemtica e a
diculdade de incorporar informaes das las, optou-se por utilizar um
algoritmo heurstico.
O problema em tela no tem sido reportado na literatura, exceto uma
variao do mesmo apresentado por Hart et al. (1999), tambm baseado
em um caso real no norte da Inglaterra. Neste caso, a empresa no desejava
um escalonamento otimizado, mas apenas um sistema que automatizasse
o escalonamento, minimizando o nmero de violaes de restries. Por-
tanto, o caso foi tratado como um problema de satisfao de restries, o
qual foi abordado usando algoritmos genticos. Porm vrias caracters-
Algoritmo evolutivo hbrido para escalonamento na agroindstria 253
2. Descrio do Problema
O objeto deste estudo o escalonamento integrado na agroindstria. Este
problema est relacionado ao Escalonamento de Pessoal (Personnel Sche-
duling) integrado com escalonamento da produo e designao de veculos
de transporte. O problema investigado surge de um caso real observado
no setor da agroindstria, cujo insumo processado oriundo de carga de
aves vivas que no podem ser estocadas por muito tempo. A empresa
investigada realiza o processamento de mais de um milho de aves por se-
mana, dividido em trs plantas (fbricas) em diferentes localizaes. Os
caminhes com carga que chegam na fbrica devem aguardar num galpo
ventilado, principalmente nos perodos de alta temperatura do vero. O
desao dirio da empresa realizar o escalonamento das equipes de apa-
nha (mais de 100 pessoas no total) para manter as fbricas em constante
funcionamento, atendendo s restries operacionais e trabalhistas, alm
de minimizar os custos. A Figura 1 resume um exemplo de escalonamento
com duas equipes de apanha e mostra a sequncia de locais para as equipes
e as designaes (transportes) das cargas para trs fbricas. A ilustrao
mostra duas sequncias individuais, uma para cada equipe, embora em al-
guns momentos o mesmo local possa ser compartilhado por duas ou mais
equipes, no necessariamente no mesmo tempo, pois cada equipe ter sua
escala com horrios possivelmente diferentes. Nota-se, tambm, que as es-
calas dos caminhes com as cargas tm sua origem e destino nas fbricas.
As designaes dos caminhes so para o transporte de cargas de cada
granja para a fbrica. Uma granja pode ter vrias cargas que podem ter
destinos (fbricas) diferentes.
As aves devem ser coletadas em diferentes granjas, em locais espalhados
geogracamente num raio de aproximadamente 150 Km de cada fbrica. A
254 Constantino et al.
Granja
Equipe 1
Equipe 2
Base
cada dia novos locais de coleta das aves so denidos, implicando na neces-
sidade de realizar escalonamentos dirios. O pessoal que realiza a apanha
das aves dividido em vrias equipes que podem ser designadas para dife-
rentes locais durante o dia. Logo, o tempo de transporte entre os locais de
apanha deve ser minimizado. As equipes tm sua base em um local dife-
rente das fbricas. Algumas informaes, tais como a sequncia de locais
de apanha, a hora de incio e trmino das atividades, a hora do carrega-
mento e descarregamento dos caminhes e o destino de cada carregamento
(carga) devem ser descobertas com a denio do escalonamento.
Para obter este escalonamento, algumas regras devem ser levadas em
considerao, como o acordo com a empresa, as regras trabalhistas e res-
tries operacionais. Alm disto, h uma funo objetivo a ser otimizada
relacionada com custos operacionais.
Os custos operacionais incluem custos com horas extras para as equipes
de apanha, custos com horas ociosas das equipes, custos com transporte
e custos relacionados ao tempo de espera do caminho no ptio da em-
presa. Considerando o alto custo da ociosidade da indstria, este custo
considerado como uma restrio do problema. Assim, a funo objetivo se
resume minimizao de custos com as equipes de apanha (horas pagas)
e ao tempo de espera na la (ptio da fbrica).
Algoritmo evolutivo hbrido para escalonamento na agroindstria 255
O descanso deve ser de, no mximo, 2 horas, pois acima deste tempo
ser considerado tempo pago. A hora extra tambm contabilizada
sobre o tempo mnimo de descanso caso no seja considerado na
escala.
Alm das restries operacionais, existem alguns dados gerais que de-
vem ser utilizados pelo algoritmo, tais como: localizao de todas as gran-
jas, localizao da base das equipes de apanha, localizao das fbricas,
distncia entre todos os locais, velocidade mdia dos caminhes, veloci-
dade de abate de cada fbrica, hora de incio de operao de cada fbrica,
hora de trmino de operao de cada fbrica e capacidade de cada cami-
nho.
O escalonamento realizado diariamente e os dados de entrada do
algoritmo, especcos para cada dia, devem ser: as granjas onde sero
coletadas as aves, e o nmero de aves de cada granja.
Com base nas informaes apresentadas sobre o problema em estudo, a
Tabela 1 resume os aspectos em comum e as diferenas do presente trabalho
com o de Hart et al. (1999). Observa-se na tabela que o problema em estudo
possui mais diferenas do que aspectos em comum. Hart et al. (1999) tem
como objetivo minimizar as violaes de restries, enquanto que nesta
investigao o objetivo miminizar custos e tempo na la, satisfazendo as
restries. O fato de haver uma exibilidade para construo dos turnos
de trabalho, com divises de tarefas de uma hora de durao, signica
que h mais possibilidades de combinaes de tarefas, ampliando, assim,
a complexidade computacional para resolver o problema. A limitao de
espao no ptio de espera da fbrica e o tempo de espera no ptio so duas
caractersticas que esto relacionadas e que impem tanto uma restrio ao
problema como um objetivo a ser otimizado. Calcular o tempo de espera
256 Constantino et al.
no ptio (la) outro aspecto que tambm introduz um novo desao para
a resoluo do problema.
3. Modelagem Matemtica
Como resultado da diviso do nmero de aves de uma granja pela capaci-
dade de transporte de cada veculo, tem-se o que denominado de carga.
Cada carga est associada as seguintes informaes:
4. Durao do carregamento;
6. Nmero de aves.
Algoritmo evolutivo hbrido para escalonamento na agroindstria 257
ng nf
X X
M in dgf xgf (1)
g=1 f =1
nf
X
Sujeito a : xgf = 1; g = 1, ..., ng; (2)
f =1
ng
X
sg xgf cpf ; f = 1, ..., nf (3)
g=1
n1 n2
X X
z = M in cij xij (4)
i=1 j=1
n1
X
Sujeito a : xij = 1, j = 1, ..., n2 (5)
i=1
n2
X
xij = 1, i = 1, ...n1 (6)
j=1
4. O Algoritmo Proposto
O mtodo proposto um algoritmo evolutivo que utiliza alguns procedi-
mentos construtivos e de busca local (melhoramento). Nesta seo sero
apresentadas a forma de representao da soluo, os procedimentos cons-
trutivos, o procedimento de busca local e o procedimento geral baseado em
algoritmos genticos.
Uma escala de trabalho para uma equipe uma sequncia de ativida-
des a ser executada ao longo do dia. Porm, o tempo de carregamento
de um caminho de aproximadamente uma hora. Portanto, a escala de
trabalho pode ser discretizada em uma sequncia de atividades com dura-
o de uma hora. Cada atividade est relacionada com uma carga denida
anteriormente. Para efeito de simplicao do problema, a durao do car-
regamento de todas as cargas ser considerado o intervalo de uma hora.
Assim, considere t o ndice de tempo ao longo do dia de trabalho, sendo
t = 1, ..., 24, onde t = 1 signica o primeiro horrio do dia em que alguma
equipe inicia o trabalho de carregamento.
Considere ti o ndice da hora iniciada mais cedo pelas escalas das equi-
pes e tf o ndice da hora nalizada mais tardiamente pelas escalas das
equipes. A descrio do algoritmo do k-swap dada pela Figura 5.
ne
Xmax
5. Resultados Computacionais
O algoritmo passou por vrias experimentaes piloto, as quais serviram
para calibrar os parmetros do prprio algoritmo e tambm para modicar
algumas de suas caractersticas, de modo a chegar verso nal. Foram
realizados extensivos testes computacionais e diferentes parmetros foram
testados de forma emprica. Para os resultados computacionais apresenta-
dos nesta seo, os parmetros nais utilizados so descritos na Tabela 2.
6. Discusso e Concluses
Neste trabalho foi investigado um algoritmo heurstico hbrido aplicado a
um problema de escalonamento de atividades na agroindstria. Os ajustes
no algoritmo e calibrao dos parmetros foram resultados de extensivas
execues piloto com dados de casos reais.
Os experimentos foram realizados com dados reais de uma empresa
que trabalha com exportao de derivados de aves. Em mdia, o mtodo
possibilitou a reduo aproximada dos seguintes aspectos: 11% dos custos
270 Constantino et al.
Agradecimentos
Os autores agradecem Coordenao de Aperfeioamento de Pessoal de
Nvel Superior (CAPES) pelo apoio nanceiro ao projeto.
Referncias
AlSharafat, W. & AlSharafat, M., Adaptive steady state genetic algorithm
Proceedings of International Con-
for scheduling university exams. In:
ference on Networking and Information Technology (ICNIT). p. 7074,
2010.
Atlason, J.; Epelman, M. & Henderson, S., Optimizing call center stang
using simulation and analytic center cutting-plane methods. Manage-
ment Science, 54(2):295309, 2008.
Bansal, S.; Gowtham, K. & Hota, C., Novel adaptive scheduling algorithm
for computational grid. In: Proceedings of the 3
rd
IEEE international
Algoritmo evolutivo hbrido para escalonamento na agroindstria 271
Bodin, L., Solving large vehicle routing and scheduling problems in small
core. In:Proceedings of the 1983 Annual Conference on Computers:
Extending the Human Resource. p. 2737, 1983.
Burke, E.; Elliman, D. & Weare, R., A hybrid genetic algorithm for highly
Proceedings of the 6 Interna-
constrained timetabling problems. In:
th
Contreras, A.; Valero, C. & Pinningho, J., Applying genetic algorithms for
production scheduling and resource allocation. special case: A small
size manufacturing company. In: Ali, M. & Esposito, F. (Eds.), Inno-
vations in Applied Articial Intelligence. Berlin, Germany: Springer-
Verlag, v. 3533 de Lecture Notes in Computer Science, p. 5570, 2005.
Hansen, P. & Mladenovi, N., Variable neighborhood search: Princi-
ples and applications. European Journal of Operational Research,
130(3):449467, 2001.
Harrison, J. & Zeevi, A., A method for stang large call centers based on
stochastic uid models. Manufacturing & Service Operations Mana-
gement, 7(1):2036, 2005.
Hart, E.; Ross, P. & Nelson, J., Scheduling chicken catching an investiga-
tion into the success of a genetic algorithm on a real-world scheduling
problem. Annals of Operations Research, 92(1):363380, 1999.
Jat, S. & Yang, S., A guided search genetic algorithm for the university
course timetabling problem. In: Proceedings of the 4 Multidiscipli-
th
Kotecha, K.; Sanghani, G. & Gambhava, N., Genetic algorithm for airline
crew scheduling problem using cost-based uniform crossover. In: Ma-
nandhar, S.; Austin, J.; Desai, U.; Oyanagi, Y. & Talukder, A. (Eds.),
Applied Computing. Springer Berlin / Heidelberg, v. 3285 de Lecture
Notes in Computer Science, p. 8491, 2004.
Lin, C.; Lai, K. & Hung, S., Development of a workforce management
system for a customer hotline service. Computers and Operations Re-
search, 27(10):9871004, 2000.
272 Constantino et al.
Park, Y., A hybrid genetic algorithm for the vehicle scheduling problem
with due times and time deadlines. International Journal of Produc-
tion Economics, 73(2):175188, 2001.
Podgorelec, V. & Kokol, P., Genetic algorithm based system for patient
scheduling in highly constrained situations. Journal of Medical Sys-
tems, 21(6):417427, 1997.
Sheen, G.J. & Liao, L.W., Scheduling machine-dependent jobs to mini-
mize lateness on machines with identical speed under availability cons-
traints. Computers and Operations Research, 34(8):22662278, 2007.
Sonmez, O. & Gursoy, A., A novel economic-based scheduling heuristic
for computational grids.International Journal of High Performance
Computing Applications, 21(1):2129, 2007.
Wren, A. & Wren, D., A genetic algorithm for public transport driver
scheduling. Computers and Operations Research, 22(1):101110, 1995.
Yunes, T.; Moura, A. & de Souza, C., Solving very large crew scheduling
Proceedings of the 2000 ACM Symposium
problems to optimality. In:
on Applied Computing. New York, USA: ACM, v. 1, p. 446451, 2000.
Zhang, F.; Cao, X. & Yang, D., Intelligent scheduling of public trac
vehicles based on a hybrid genetic algorithm. Tsinghua Science &
Technology, 13(5):625631, 2008.
Notas Biogrficas
Ademir Aparecido Constantino graduado em Matemtica e tem mestrado
e doutorado em Engenharia de Produo na rea de Otimizao e Simulao,
alm de Ps-doutorado na Univesidade de Nottingham, Inglaterra. Atualmente
professor titular do Departamento de Informtica da Universidade Estadual de
Maring.
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
274 Silva & Ochi
(a) (b)
(c) (d)
(e) (f)
Figura 1. Etapas do exemplo de escalonamento.
278 Silva & Ochi
(F 2) M ax (QH + PH ) (1)
Sujeito
X n
Qt = Qt1 + Pt1 ci (yit yit1 ) t = 1, ..., H (4)
i=1
n
X
Pt = pi yit t = 0, ..., H (5)
i=1
yi0 = 0 i = 1, ..., n (6)
Qt , Pt N t = 0, ..., H (8)
sim, a prioridade de ativao de cada tarefa ser dada pela razo de seu
lucro pelo seu custo acrescido de um pequeno valor aleatrio. Aps serem
gerados todos os indivduos, a populao ordenada pela aptido de seus
membros de forma decrescente.
A recombinao procura escolher e combinar dois indivduos j exis-
tentes de forma que sejam gerados lhos com caractersticas semelhantes
a um pai ou a ambos. Para que as solues geradas sejam interessantes
ao problema, bom que os pais no sejam idnticos ou apresentem grau
de semelhana muito elevado. Por outro lado, pais com qualidade superior
tendem a gerar lhos melhores. Uma proposta para atender a estes requi-
sitos dividir a populao em classes, por exemplo: classe A composta
pelos 20% melhores indivduos, classe C composta pelos 20% piores in-
divduos, e classe B composta pelos demais indivduos. Um pai sempre
escolhido da classe A e outro sempre da classe B, para tentar evitar que
pais muito semelhantes sejam escolhidos, mas que tenham boa qualidade.
Na prtica, s esta diviso no garante que os pais escolhidos formem o
melhor par possvel, mas testes preliminares mostraram que, dentre v-
rios esquemas de escolha para os pais, esta diviso da populao foi a
que apresentou a melhor capacidade de gerar lhos que contribuam para
o desenvolvimento das geraes futuras. Portanto, o critrio adotado para
seleo dos pais deve-se a resultados empricos mais do que a caractersti-
cas tericas. Outros algoritmos heursticos que vierem a ser desenvolvidos
podem ter desempenho melhor com outros esquemas de seleo de pais.
A combinao dos pais procura gerar uma congurao de prioridades
analisando os valores presentes em cada um dos pais. Um critrio simples
e bastante razovel aplicar a mdia aritmtica das prioridades dos pais.
No operador de recombinao proposto, dois lhos so gerados a cada
recombinao. necessrio que se estabelea alguma forma de diferenci-
los para que no se obtenha indivduos idnticos. A adio de um pequeno
valor aleatrio pode ajudar a resolver este problema. Um total de N lhos
produzido a cada gerao.
A seleo natural tem por objetivo denir quais indivduos podero
continuar existindo na gerao seguinte e quais devero ser eliminados. O
critrio elitista, no qual os indivduos que possuem os melhores valores
de aptido so privilegiados, apresentou resultados satisfatrios nos testes
preliminares, sendo a escolha dos indivduos feita de forma determinstica.
Assim, apenas os N melhores indivduos, dentre pais e lhos, permanecero
na gerao seguinte.
O operador de mutao consiste em modicar um indivduo j exis-
tente, para que ele ou melhore de qualidade ou transmita seus genes mutan-
tes a outros indivduos por meio da recombinao. Uma forma de permitir
que mutaes mais intensas ocorram conforme as geraes se sucedam
atrelar a probabilidade de mutao ao nmero da gerao em questo. As-
sim, nas primeiras geraes a mutao ser pequena e nas ltimas geraes
284 Silva & Ochi
ser bem maior. Cada indivduo ter uma chance de 5% de sofrer mutao
a cada gerao.
Embora no seja um operador propriamente dito, o critrio de parada
um componente importante dos Algoritmos Evolutivos. Um bom crit-
rio de parada permite que o algoritmo tenha condies de aprimorar as
solues encontradas sem que seja consumido tempo demasiado. Poss-
veis critrios de parada incluem o nmero de geraes sem melhoria da
populao, o nvel de similaridade entre os indivduos, tempo computa-
cional mximo ou mesmo algum outro dado derivado do comportamento
do algoritmo. Nesta primeira verso de algoritmo evolutivo, no entanto,
utilizado o critrio mais trivial que o nmero mximo de geraes. Poste-
riormente, ser apresentado outro critrio derivado do desempenho obtido
pelo algoritmo ao longo de sua execuo.
1 http://www.ilog.com/products/cplex
288 Silva & Ochi
6. Resultados Computacionais
Esta seo traz resultados dos principais testes realizados com as heursti-
cas e com os mtodos exatos discutidos nas sesses anteriores. Os testes
foram realizados em computadores Intel Quad-core 9550, com 8 Gigabytes
de memria RAM. A verso do CPLEX utilizada foi a 11.2 paralela (com
at 4 threads ). O cdigo dos mtodos heursticos e hbridos foi escrito em
linguagem C.
2
Todas as instncias utilizadas fazem parte do Projeto Labic , do
IC/UFF. So as nicas instncias existentes para o PEPRRD, j que as
instncias para outros problemas de escalonamento de projetos no contm
uma caracterstica fundamental que o lucro produzido pelas tarefas.
A topologia dos grafos foi elaborada para que 10% das tarefas no
tenham predecessor algum e as demais tenham de 1 a 5 predecessores alea-
toriamente escolhidos. O custo e o lucro das tarefas foram aleatoriamente
escolhidos dentro dos intervalos [1; 50] e [1; 10], respectivamente. Custos
maiores e/ou lucros menores resultam numa grande diminuio do nmero
de tarefas ativadas, tornando as instncias mais fceis. Por outro lado,
custos menores e/ou lucros maiores permitem que todas as tarefas sempre
valham a pena ser ativadas, diminuindo a diculdade da mesma forma. A
quantidade inicial de recursos Q0 foi aleatoriamente escolhida no intervalo
[M inCusto; 50], onde M inCusto o menor custo entre as tarefas sem pre-
cedncia. O horizonte de planejamento foi estabelecido com tamanho igual
raiz quadrada do nmero de tarefas.
Os principais fatores que determinam a diculdade de uma instncia
usualmente so o nmero de tarefas e o tamanho do horizonte de plane-
jamento. Uma instncia com 5000 tarefas, por exemplo, tende a ser mais
difcil do que outra com 2000 tarefas. Uma instncia com 20 unidades de
tempo tambm tende a ser mais difcil do que outra com apenas 8 unida-
des. A distribuio de custos e lucros, como j mencionado, como tambm
a topologia do grafo podem inuenciar na diculdade da instncia, porm
de forma menos direta.
A Tabela 1 apresenta comparaes dos limites primais e duais gerados
pela formulao F2. Todos os parmetros do CPLEX foram deixados com
seus valores padres e foi estabelecido um tempo limite de 50000 segundos
para cada execuo. Para as instncias de menor porte (menos de 300
tarefas), o timo foi encontrado e provado dentro do limite de tempo. A
2 http://www.ic.u.br/ labic
290 Silva & Ochi
700a
100
80
EA_ages+CPLEX
EA_ages+LS_cplex
Probabilidade
60
40
20
0
0 50 100 150 200 250 300
Tempo(seg)
Figura 4. Anlise probabilstica das verses EA_ages + CPLEX e
EA_ages + LS_cplex.
Heursticas evolutivas para escalonamento de projetos com restrio 297
7. Concluses
Este trabalho abordou o Problema de Escalonamento de Projetos com
Restries de Recursos Dinmicos (PEPRRD), atravs de duas formulaes
matemticas, de mtodos heursticos e mtodos hbridos. O PEPRRD se
diferencia dos demais problemas de escalonamento de projetos da literatura
porque as tarefas no s consomem recursos quando so ativadas, mas
tambm so capazes de ger-los aps suas ativaes. O problema encontra
aplicaes prticas em ambientes comerciais ou industriais nos planos de
expanso das empresas.
Um novo esquema de representao das solues do PEPRRD foi es-
tudado. Este esquema composto por uma lista de prioridades para cada
soluo. O algoritmo de escalonamento ativa as tarefas que estiverem dis-
ponveis respeitando a prioridade estabelecida. Desta forma, qualquer lista
de prioridade pode dar origem a um escalonamento vivel.
O primeiro algoritmo evolutivo analisado, EA_priority, foi capaz de
gerar resultados j bem superiores ao algoritmo EA3, um dos melhores
algoritmos heursticos conhecidos para o PEPRRD. A quantidade de atu-
alizaes na melhor soluo aumentou consideravelmente. A verso mais
complexa, EA_ages, apresentou caractersticas muito interessantes como
o critrio de parada com geraes extras, a busca local LS_swap mas,
principalmente, a estratgia de reconstruo de populao quando esta for
considerada estagnada. Todas estas caractersticas se mostraram ecien-
tes. As verses paralelas conseguiram obter resultados melhores do que a
verso sequencial em tempo um pouco menor.
Os mtodos hbridos, que mesclam elementos heursticos e exatos, fo-
ram propostos com a inteno de aproveitar o melhor das duas abordagens.
A mdia dos resultados deste mtodo (EA_ages + LS_cplex) foi quase to
298 Silva & Ochi
Agradecimentos
Os autores agradecem ao Conselho Nacional de Pesquisa (CNPq) pelo
apoio nanceiro ao projeto, sob protocolo 141074/2007-8.
Referncias
Blazewicz, J.; Lenstra, J. & Rinnooy Kan, A., Scheduling projects to re-
source constraints: classication and complexity. Discrete Applied
Mathematics, 5(1):1124, 1983.
Damak, N.; Jarboui, B.; Siarry, P. & Loukil, T., Dierential evolution for
solving multi-mode resource-constrained project scheduling problems.
Computers & Operations Research, 36(9):26532659, 2009.
Fischetti, M. & Lodi, A., Local branching. Mathematical Programming,
98(1-3):2347, 2003.
Mendes, J.; Gonalves, J. & Resende, M., A random key based genetic
algorithm for the resource constrained project scheduling problems.
Computers and Operations Research, 36:92109, 2009.
Mladenovi, N.; Brimberg, J.; Hansen, P. & Prez, J., The p-median pro-
blem: a survey of metaheuristic approaches. European Journal of
Operational Research, 179(3):927939, 2007.
Nonobe, K. & Ibaraki, T., Formulation and tabu search algorithm for the
resource constrained project scheduling problem. In: Ribeiro, C. &
Hansen, P. (Eds.), Essays and Surveys in Metaheuristics. 2002.
Silva, A. & Ochi, L., A dynamic resource constrained task scheduling pro-
blem. In:Proceedings of Latin-Ibero-American Congress on Operations
Research (CLAIO). Montevideo, Uruguai, 2006.
Silva, A. & Ochi, L., A hybrid evolutionary algorithm for the dynamic re-
source constrained task scheduling problem. In:Proceedings of the In-
ternational Workshop on Nature Inspired Distributed Computing (NI-
DISC'07). Long Beach, USA, 2007.
Silva, A. & Ochi, L., New sequential and parallel algorithm for dynamic re-
source constrained project scheduling problem. In: Proceedings of the
IEEE International Symposium on Parallel & Distributed Processing .
Piscataway, USA: IEEE Computer Society, p. 17, 2009.
Silva, A.; Ochi, L. & Santos, H., New eective algorithm for dynamic
resource constrained project scheduling problem. In: Proceedings of
Heursticas evolutivas para escalonamento de projetos com restrio 299
Snyder, L.V. & Daskin, M.S., A random-key genetic algorithm for the gene-
ralized traveling salesman problem. European Journal of Operational
Research, 174(1):3853, 2006.
Valls, V.; Ballestn, F. & Quintanilla, S., A hybrid genetic algorithm for the
resource-constrained project scheduling problem. European Journal of
Operational Research, 185(2):495508, 2008.
300 Silva & Ochi
Notas Biogrficas
Andr Renato Villela da Silva Doutor em Cincia da Computao
pela Universidade Federal Fluminense (Niteri-RJ) e atualmente leciona na
Universidade Plnio Leite, tambm em Niteri.
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
302 Goldbarg et al.
1. Introduo
O problema do Caixeiro Viajante (PCV) um dos clssicos problemas da
Otimizao Combinatria, consistindo em determinar em um grafo ponde-
rado G = (N, M ), onde N = {1, ..., n} representa o conjunto de vrtices
do grafo e M = {1, ..., m} o conjunto de arestas, um ciclo Hamiltoniano
de menor custo. O PCV N P -Difcil (Garey & Johnson, 1979), sendo um
dos problemas de otimizao combinatria mais intensamente pesquisados
na literatura. Ele possui vrias e importantes aplicaes prticas (Gutin &
Punnen, 2002) e diversas variantes. O problema do Caixeiro Alugador ou
Car Renter Salesman Problem (CaRS), at onde sabem os autores, uma
nova variante do PCV que possui aplicao na Engenharia de Transportes,
no segmento de transporte turstico. Este modelo tanto pode represen-
tar importantes aplicaes na rea do aluguel de transporte para turismo
(Car, 2008), quanto possui aplicaes em manufatura exvel. Por admitir
o PCV como um subcaso elementar, o modelo representa uma variante
de complexidade seguramente desaadora. Sob a dimenso da aplicao
na Engenharia de Transporte o trabalho realiza tambm uma reviso do
estado da arte dos modelos propostos para a soluo dos problemas de
transporte turstico.
Como o objetivo principal da pesquisa, todavia, contribuir para a
soluo do problema citado. O presente trabalho relata um estudo expe-
rimental para a soluo do Problema do Caixeiro Alugador envolvendo a
elaborao e comparao de desempenho entre algoritmos evolucionrios
do tipo Memtico (Moscato, 1989) e Transgentico (Goldbarg et al., 2009).
Tais algoritmos metaheursticos foram escolhidos em virtude de perten-
cerem a classes de algoritmos que possuem reconhecido desempenho na
soluo de problemas envolvendo roteamento Hamiltoniano em grafos, o
tipo de problema objeto da pesquisa.
A Seo 2 do presente trabalho dene o problema do Caixeiro Aluga-
dor e examina as vrias condies sob as quais esta variante do caixeiro
viajante pode se apresentar. A Seo 3 apresenta os fundamentos da abor-
dagem transgentica. A Seo 4 descreve dois algoritmos evolucionrios
de soluo, um algoritmo Memtico e um algoritmo Transgentico. Na Se-
o 5 o trabalho desenvolve um experimento computacional para comparar
o algoritmo transgentico proposto como um algoritmo da literatura. Na
Seo 6 so relatadas as concluses do experimento e do comportamento
dos diferentes algoritmos envolvidos.
gcio de aluguel de carros pode ser medida tanto pelo faturamento do setor
como atravs do porte das companhias prestadoras de servio. Por exem-
plo, a empresa Hertz possui aproximadamente 8.000 postos de atendimento
em cerca de 145 pases (Hertz, 2009). Por outro lado, a Enterprise Rent-
A-Car, outra importante companhia do setor possui uma frota de aluguel
com cerca de 878.000 veculos operando em cerca de 6.900 agncias (En-
terprise Rent-A-Car, 2009). Por sua vez, a empresa Avis opera em cerca
de 3.800 postos de aluguel espalhados pela Europa, frica, Oriente Mdio
e sia. Em dezembro de 2007 a Avis contabilizava uma frota de aluguel
com cerca de 118.000 veculos (Avis, 2009).
Os nmeros que reportam a movimentao nanceira deste setor so
impressionantes. O Avis Budget Group faturou 5,1 bilhes de dlares em
2009 (Avis, 2010). A Enterprise Rent-A-Car, uma empresa da Enterprise
Holdings, faturou nos Estados Unidos 9,06 bilhes de dlares em 2006. Em
2009 a Enterprise Holdings que possui, hoje, ainda a National Car Rental,
Alamo Rent-A-Car and WeCar faturou cerca de 12,1 bilhes de dlares
(Conrad & Perlut, 2006). Os nmeros citados representam apenas uma
parte do mercado americano que ainda conta com outras grandes redes de
aluguel de carros como a Dollar e a Hertz. O mercado mundial em 2012
estimado em 52,6 bilhes de dlares (Car, 2008).
Todavia, o aluguel dos veculos apenas uma parte dos custos de trans-
porte associados s atividades de turismo e outras que demandam deslo-
camentos terrestres para negcios variados. Sobre estes custos se somam
pelo menos as despesas com combustvel, pedgios e seguros. Presente-
mente as opes de aluguel se diversicam cada vez mais com a expanso
das empresas do setor, justicando-se a busca de esquemas de aluguel que
minimizem o custo total desta forma de transporte.
(Feo & Resende, 1995), do tipo Variable Neighborhood Search (VNS) (Mla-
cenovi & Hansen, 1997), hbridos GRASP/VNS e um algoritmo memtico.
So relatados resultados para 40 instncias disponveis na literatura, 20 ins-
tncias organizadas em norma Euclidiana e 20 em norma no Euclidiana.
O trabalho em pauta desenvolve um experimento computacional que mos-
tra ser o algoritmo memtico estatisticamente superior aos demais, tanto
no consumo de tempo de processamento, quanto na qualidade da soluo
alcanada.
5. Resultados Computacionais
5.1 Metodologia
O presente tpico desenvolve um experimento computacional no sentido de
validar o algoritmo transgentico proposto, e o faz atravs de uma compa-
rao de desempenho com o algoritmo memtico proposto por Goldbarg
et al. (2011). Os experimentos foram executados em microcomputadores
com processador Intel Xeon QuadCore W3520 2,8 GHz, 8GB de RAM
em Linux com C++. Foram realizadas 30 execues independentes em
cada instncia. So relatados resultados para instncias disponveis em:
http://www.dimap.ufrn.br/lae/en/projects/CaRS.php. Observe-se que os
mtodos de manipulao dos vetores do algoritmo transgentico so seme-
lhantes aos mtodos de gerao de vizinhana de busca do algoritmo me-
mtico e a formao da populao inicial a mesma nos dois algoritmos.
Finalmente, ambos compartilham uma estratgia semelhante de melhoria
da populao inicial. Tais cuidados visam permitir uma avaliao melhor
do mtodo evolucionrio, tentando-se isolar eventuais interferncias decor-
rentes das estratgias de busca empregadas. No experimento solucionado
o mesmo conjunto de 40 instncias relatados em Goldbarg et al. (2011)
com o mesmo nmero de execues.
Algoritmos evolucionrios na soluo do problema do caixeiro alugador 323
6. Concluses
O problema do caixeiro alugador pode representar um modelo de otimi-
zao importante para tratar situaes tpicas do processo de aluguel de
carros, hoje um segmento de signicativa importncia econmica na enge-
nharia de transportes.
No sentido de testar o desempenho de abordagens evolucionrias no
clssicas no contexto do problema proposto, o presente trabalho desenvol-
veu um algoritmo da classe transgentica para o problema.
Os resultados obtidos no experimento apontam para a possibilidade
de signicativa melhoria qualitativa das solues alcanadas em Goldbarg
et al. (2011), desde que seja admissvel um maior consumo do tempo de
processamento computacional.
Como trabalhos futuros sero desenvolvidos algoritmos segundo outras
classes de metaheursticas para a soluo do CaRS. Ser aperfeioado o
ataque dos vetores transgenticos no sentido da reduo de seu tempo de
execuo. O algoritmo memtico ser modicado no sentido de alcanar
uma maior diversicao na populao sem penalizar proibitivamente o
tempo de processamento.
Agradecimentos
Este trabalho foi parcialmente suportado pelo CNPq e CAPES.
Referncias
Applegate, D.; Bixby, R.; Chvtal, V. & Cook, W., TSP cuts which do
not conform to the template paradigm. In: Junger, M. & Naddef, D.
(Eds.), Proceedings of Computational Combinatorial Optimization,
Optimal or Provably Near-Optimal Solutions. London, UK: Springer-
Verlag, p. 261303, 2001.
Chan, T.; Man, K.F.; Tang, K.S. & Kwong, S., Jumping gene algorithm for
multiobjective resource management in wideband CDMA. Computer
Journal, 48(6):749768, 2005.
Deb, K.; Pratap, A.; Agrawal, S. & Meyarivan, T., A fast and elitist
multiobjective genetic algorithm: NSGA-II. IEEE Transactions on
Evolutionary Computation, 6(2):182197, 2002.
Edelstein, M. & Melnyk, M., The pool control system. Interfaces, 8(1):21
36, 1977.
Gutin, G. & Punnen, A., The Traveling Salesman Problem and Its Varia-
tions. Springer, 2002.
Harvey, I., The microbial genetic algorithm. In: Advances in Articial Life.
Darwin Meets von Neumann. Heidelberg, Germany: Springer-Verlag,
v. 5778 de LNCS, p. 126133, 2011.
Jain, R.; Rivera, M.; Moore, J. & Lake, J., Horizontal gene transfer ac-
celerates genome innovation and evolution. Molecular Biology and
Evolution, 20(10):15981602, 2003.
Kim, K.; Kim, J. & Kim, Y., An endosymbiotic evolutionary algorithm for
the integration of balancing and sequencing in mixed-model U-lines.
European Journal of Operational Research, 168(3):838852, 2006.
Kubota, N.; Shimojima, K. & Fukuda, T., The role of virus infection in
virus-evolutionary genetic algorithm. Journal of Applied Mathematics
and Computer Science, 6(3):415429, 1996.
Kumar, P.; Gospodaric, D. & Bauer, P., Improved genetic algorithm ins-
pired by biological evolution. Soft Computing, 11(10):923941, 2007.
Kumar, V.; Kumar, P.; Tiwari, M.K. & Chan, F., Stochastic make-to-stock
inventory deployment problem: an endosymbiotic psychoclonal algo-
rithm based approach. International Journal of Production Research,
44(11):22452263, 2006.
Li, Z. & Tao, F., On determining optimal eet size and vehicle transfer
policy for a car rental company. Computers & Operations Research,
37(2):341350, 2010.
Pachon, J.; Iakovou, B.; Ip, C. & Aboudi, R., A synthesis of tactical
eet planning models for the car rental industry. IIE Transactions,
35(9):907916, 2003.
Algoritmos evolucionrios na soluo do problema do caixeiro alugador 329
Prins, C., Two memetic algorithms for heterogeneous eet vehicle rou-
ting problems. Engineering Applications of Articial Intelligence,
22(6):916928, 2009.
Ralphs, T.; Kopman, L.; Pulleyblank, W. & Trotter, L., On the capacita-
ted vehicle routing problem. Mathematical Programming, 94:343359,
2003.
Shin, K.; Park, J. & Kim, Y., Multi-objective fms process planning with
various exibilities using a symbiotic evolutionary algorithm. Compu-
ters & Operations Research, 38(3):702712, 2011.
Yang, Y.; Jin, W. & Hao, X., Car rental logistics problem: a review of
literature. In: Proc. of IEEE International Conference on Service
Operations and Logistics, and Informatics. p. 28152819, 2008.
Yeung, S.; Ng, H. & Man, K.F., Multi-criteria design methodology of a
dielectric resonator antenna with jumping genes evolutionary algo-
rithm. AEU - International Journal of Electronics and Communicati-
ons, 62(4):266276, 2008.
330 Goldbarg et al.
Zaneveld, J.; Nemergut, D. & Knight, R., Are all horizontal gene transfers
created equal? prospects for mechanism-based studies of hgt patterns.
Microbiology, 154(1):115, 2008.
Notas Biogrficas
Marco Cesar Goldbarg Engenheiro de Forticao e Construo pelo Ins-
tituto Militar de Engenharia (1982), mestrado em Sistemas e Computao pelo
Instituto Militar de Engenharia (1987), doutorado em Sistemas e Computao
pela COPPE/UFRJ (1990) e ps-doutorado em Cincia da Computao pela
UFMG (1999). Atualmente professor associado na Universidade Federal do
Rio Grande do Norte.
1. Introduo
A diminuio de custos de produo e a melhoria em produtos e servios so
objetivos comuns a diversos setores industriais. A complexidade do plane-
jamento (planning ) e programao (scheduling ) da produo na indstria
em geral, contornada pela adoo de polticas operacionais conservativas,
que no utilizam a capacidade mxima de operao do sistema produtivo.
A necessidade de modelagem das estruturas industriais e a busca pela eci-
ncia no transporte de derivados de petrleo determinam a execuo deste
trabalho. O objetivo principal a modelagem das operaes envolvidas
no gerenciamento (scheduling ) de operaes de uma rede de distribuio
de derivados de petrleo. Estas redes so compostas por um nmero de
renarias e terminais, ou reas, interligadas por um conjunto de polidutos,
ou trechos de dutos, os quais operam o transporte de produtos (derivados
de petrleos e produtos orgnicos) entre reas adjacentes. A operao da
rede deve considerar restries fsico-qumicas de contato entre produtos
distintos, prioridade no envio de determinados produtos e preferncias ope-
racionais no bombeamento de bateladas com maior volume, atendimento a
demanda de mercado, buscando-se sempre a soluo que apresenta o menor
custo operacional.
Esta uma atividade importante na economia de um pas e, por ser
complexa, demanda cuidados na sua realizao. Considerando que a taxa
de ocupao das redes est cada vez mais elevada, faz-se necessrio uma
poltica tima de utilizao dos recursos. Uma melhor ecincia no uso da
rede, quando possvel, uma soluo mais barata e mais rpida que inves-
timentos na ampliao da malha de distribuio. De acordo com Neves-Jr
et al. (2007), um grande desao a busca por modelos de scheduling para
redes de dutos complexas integrando diversas reas e transportando dife-
rentes produtos que possam ser implementados na prtica, considerando
uma carga computacional aceitvel. Atualmente a programao das ope-
raes em redes reais realizada por especialistas experientes, entretanto
tcnicas de pesquisa operacional tm se tornado uma ferramenta eciente
na otimizao destes processos operacionais, auxiliando na modelagem e
resoluo de problemas combinatrios (Relvas et al., 2006). Por outro lado,
nas ltimas dcadas, tcnicas metaheursticas baseadas em populao tm
sido amplamente estudadas e utilizadas na resoluo de vrios problemas
complexos de scheduling de sistemas produtivos e mostram ser muito eci-
entes na busca de solues satisfatrias em um tempo mais curto (Hertz &
Widmer, 2003; Dro et al., 2006). Atravs da anlise destes trabalhos, em
especial dos que utilizam algoritmos genticos em problemas de scheduling
de atividades de produo, vericou-se que uma abordagem por AG mul-
tiobjetivo pode ser uma alternativa para a soluo deste tipo de problema
que, classicamente, demanda o uso de solvers de programao inteira mista
de larga escala (Shah, 1998).
Algoritmo micro-gentico aplicado ao scheduling da distribuio de petrleo 333
construo da nova gerao. Esta nova gerao tem todos os seus indi-
vduos avaliados, ordenados e posteriormente subdivididos nas trs partes
(Sb1, Sb2 e Sb3 ) para a continuao do ciclo de busca.
Com a utilizao da metodologia apresentada, ao nal da evoluo,
so disponveis na casta elitista, no apenas um, mas vrios indivduos
que formam o conjunto das melhores solues encontradas pelo algoritmo
gentico. Neste conjunto podem existir ou no solues de Pareto. Para
descobr-las aplicado o algoritmo proposto por Deb (1999), o qual ro-
tula as solues em dominadas e no-dominadas. Aps esta rotulao, as
solues no-dominadas so enviadas para uma memria externa do algo-
ritmo, de onde sero selecionadas algumas solues para a reinicializao
completa da populao do algoritmo micro-gentico que ocorre aps uma
convergncia parcial.
De acordo com Carpinelli et al. (2010) nos algoritmos micro-genticos
duas condies podem ser testadas para determinar a reinicializao das
populaes:
o controle do melhoramento da adequabilidade das solues (tness )
existentes na populao corrente.
um nmero mximo de indivduos gerados e/ou de geraes pr-
estabelecidas.
Neste artigo adotou-se a segunda estratgia, e aps um nmero xo de
geraes, a populao completamente substituda. Para esta substitui-
o, as subdivises Sb2 e Sb3 so aleatoriamente inicializadas, enquanto a
subdiviso Sb1 recebe elementos da memria externa, os quais so solues
no-dominadas. O algoritmo micro-gentico pra aps um nmero xo de
reinicializaes e, como resultado nal, a memria externa possui um con-
junto de solues no-dominadas bem distribudas ao longo da fronteira de
Pareto do problema.
4. Rede de Dutos
O modelo utilizado neste trabalho uma simplicao de uma rede real e
mostrado na Figura 2. Este modelo composto por um conjunto de fontes
(renarias) representadas na Figura 2 pelos ns N1 e N2, um conjunto de
terminais (pontos de destino) representados pelos ns N5, N6 e N7, e um
conjunto de tanques intermedirios que podem ser receptores ou fornece-
dores de produtos (parque de armazenagem) representados pelos ns N3
e N4. Ainda na Figura 2, as linhas que unem os ns representam os du-
tos e as echas representam a direo em que ui o produto transportado.
Ambos os ns, N1 e N2, fornecem produtos para N3 e N4 atravs das
conexes D1, D2, D3 e D4. Estas conexes so unidirecionais, ou seja, o
produto ui somente na direo da fonte para os ns intermedirios. Os
ns N3 e N4 so conectados atravs de um poliduto bidirecional D5 e D8.
Algoritmo micro-gentico aplicado ao scheduling da distribuio de petrleo 339
5.1 Restries
O modelo matemtico desenvolvido est sujeito a uma srie de restries
operacionais descritas pelas Equaes 1 a 4. A Equao 1 indica que uma
quantidade mnima de cada produto deve ser enviada de cada fonte, para
evitar a paralisao da produo em uma renaria devido indisponibili-
dade de recursos (tanques) para armazenagem dos produtos.
Nd N tj
1 X 1 X Eij
min 1 (7)
N d j=0 N tj i=0 Pij
Para minimizar o tempo de atendimento demanda de recebimento
necessrio penalizar o resultado quando esta demanda no atendida,
considerando que a varivel T chegadaij coincide com T mimj . A Equao 8
miniza o tempo de atendimento demanda por produto em cada destino,
considerando todos os destinos conjuntamente.
N tj T chegadaij T minj
Nd
1 X 1 X T maxT minj
+ Bij Rij
min (8)
N d j=0 N tj i=0 Bij Rij + 1
NX
conex F ragi M ask[i]1
1 , F ragi M ask[i]
min ( M ask[i] ) (9)
Nconex i=0
0 , F ragi > M ask[i]
6. Resultados e Discusso
Para validar o modelo proposto, foi realizado um estudo de caso em que
os objetivos das Equaes 6 a 9 so ponderados na Equao 10 com os
pesos dados na Tabela 3, os quais levam o denominador da funo de t-
ness na Equao 10 a assumir o valor 10. Nesta tabela, considera-se que
o objetivo relativo minimizao da fragmentao no envio das bateladas
um critrio que pode prejudicar o desempenho da otimizao dos outros
critrios. Por esta razo o objetivo possui um peso associado menor. Isto
signica que evitar a fragmentao importante, mas no a prioridade
neste estudo de caso. Por outro lado, o atendimento s demandas de forne-
cimento e recebimento, bem como a minimizao do tempo de transporte
dos produtos na rede so igualmente priorizados. O horizonte de progra-
mao considerado em ambas as simulaes de 48 unidades de tempo, ou
seja, o ltimo recebimento de produto possvel ser na unidade de tempo
48 e nenhum envio poder ocorrer aps este tempo.
cada produto que cada terminal dever receber. Estas demandas de for-
necimento e recebimento por n so apresentadas na Tabela 6. Os valores
iniciais de estoque por produto e por n so dados na Tabela 7.
0.6
0.5
0.4
VALORES
0.3
0.2
0.1
f1 f2 f3 f4 J
OBJETIVOS
7. Concluses
Este trabalho apresentou uma modelagem de um problema de distribuio
de derivados de petrleo atravs de uma rede de dutos a qual uma sim-
plicao de uma rede real. O mtodo de soluo proposto baseado em
algoritmo micro-gentico com elitismo, tcnica de ranqueamento e forma-
o de nicho, o qual garante, ao nal da evoluo, um conjunto de boas
solues em relao aos diferentes objetivos do problema de otimizao. A
utilizao de uma pequena populao com uma memria externa e uma
casta interna garantiu a diversidade na populao e permitiu alcanar um
conjunto de solues bem distribuido ao longo da fronteira de Pareto do
problema multi-objetivo. O mtodo do critrio global foi utilizado para
construo de uma funo de tness multiobjetivo e a utilizao de ponde-
raes permitiu a elaborao de um mtodo sistemtico para a insero de
prioridades no modelo. O tratamento das restries via funo reparadora
foi uma contribuio essencial para evitar solues infactveis. Atravs do
mtodo recursivo desenvolvido, restries deixaram de ser vistas como ob-
jetivo e puderam ser corrigidas dinamicamente sem depender da evoluo
do modelo.
As simulaes realizadas no estudo de caso demonstraram o potencial
do modelo desenvolvido para auxiliar o processo de tomada de deciso em
problemas de scheduling de uma rede de distribuio de derivados de pe-
trleo, sugerindo alternativas de solues, de acordo com os objetivos con-
siderados.Uma das principais vantagens do mtodo proposto foi o baixo
tempo computacional para alcanar a soluo quando comparado com ou-
tra tcnica do tipo MOEA.
Neste trabalho a modelagem apresentada no contemplou o uso inteli-
gente das conexes bidirecionais e, com isto, no proporcionou um ganho
real ao modelo, no que se refere utilizao deste tipo de conexo. O uso
352 Westphal et al.
Agradecimentos
Os autores agradecem Agncia Nacional do Petrleo ANP e Fi-
nanciadora de Estudos e Projetos FINEP por meio do Programa de
Recursos Humanos da ANP para o Setor Petrleo e Gs PRH-ANP/MCT
(PRH10-UTFPR) e ao CNPq (Processos 305188/2007-0 e 311877/2009-5).
Referncias
Alves, V. & Ferreira-Filho, V., Programao de transferncia de derivados
de petrleo em rede dutoviria usando algoritmo gentico. In: Anais
do XXXIX Simpsio Brasileiro de Pesquisa Operacional. Fortaleza,
CE, p. 112, 2007.
Arruda, L.; Neves-Jr, F. & Yamamoto, L., Using MOGA to order batches
in a real world pipeline network. In: Garca-Pedrajas, N.; Herrera, F.;
Fyfe, C.; Bentez, J.M. & Ali, M. (Eds.), Trends in Applied Intelligent
Systems Part III. Heidelberg, Alemanha: Springer-Verlag, v. 6098
de Lecture Notes in Articial Inteligence, p. 546555, 2010.
Arruda, L.; Swiech, M.; Delgado, M. & Neves-Jr., F., PID control of MIMO
process based on rank niching genetic algorithm. Applied Intelligence,
29(3):290305, 2008.
Carpinelli, G.; Protoa, D.; Noceb, C.; Russoc, A. & Varilone, P., Opti-
mal allocation of capacitors in unbalanced multi-converter distribu-
tion systems: A comparison of some fast techniques based on genetic
algorithms. Electric Power Systems Research, 80:642659, 2010.
Chen, D.; Hsu, Z. & Lin, F., Micro-genetic approach for surface meshing on
a set of unorganized points. Computer Methods in Applied Mechanics
and Engineering, 196:19972008, 2007.
Coello, C., Evolutionary multiobjective optimization: Current and future
challenges. In: Bentez, J.; Cordn, O.; Homann, F. & Roy, R. (Eds.),
Advances in Soft Computing: Engineering, Design and Manufacturing.
Heidelberg, Alemanha: Springer-Verlag, p. 243256, 2003.
Coello, C. & Christiansen, A., Multiobjective optimization of trusses using
genetic algorithms. Computers & Structures, 75(6):647660, 2000.
Coello, C. & Pulido, G., A micro-genetic algorithm for multiobjective op-
timization. In: Zitzler, E.; Deb, K.; Thiele, L.; Coello, C.C. & Corne,
D. (Eds.), Evolutionary Multi-criterion Optimization. Berlin, Alema-
nha: Springer-Verlag, v. 1993 de Lecture Notes in Computer Science,
p. 126140, 2001.
Algoritmo micro-gentico aplicado ao scheduling da distribuio de petrleo 353
Sasikumar, R.; Prakash, S.; Patil, R. & Ramani, S., PIPES: A heuris-
tic search model for pipeline schedule generation. Knowledge-Based
Systems, 10(3):566573, 1997.
Shah, N., Single and multisite planning and scheduling: Current status
and future challenges. American Institute of Chemical Engineering
Symposium Series, 320(94):7590, 1998.
Souza-Filho, E.; Alves, V. & Ferreira-Filho, V., Utilizao de tcnicas de
pesquisa operacional em problemas de distribuio dutoviria: Uma
reviso. In: Anais do XXXVIII Simpsio Brasileiro de Pesquisa Ope-
racional. Goinia, GO, p. 18731880, 2006.
Westphal, H., Algoritmo Gentico Aplicado Otimizao Multiobjetivo em
Redes de Distribuio de Petrleo. Dissertao de mestrado, Programa
de Ps-graduao em Engenharia Eltrica e Informtica, Universidade
Tecnolgica Federal do Paran, Curitiba, PR, 2006.
Notas Biogrficas
Henrique Westphal Mestre e Bacharel em Engenharia Eltrica pela Univer-
sidade Tecnolgica Federal do Paran. Atualmente trabalha como Engenheiro
de Pesquisa e Desenvolvimento na Landys+Gyr.
Abstract: The oil & gas industry has been facing new challenges
in deepwater production activities. The recent discoveries of huge
oil reserves on the Brazilian pre-salt region have pushed research
activities, including the development of computational tools for the
analysis and design of oshore production systems. In this context,
this chapter summarizes some applications of evolutionary compu-
tation on the solution of dierent synthesis and optimization pro-
blems, including the design of riser systems; perforating procedures
of oil wells, and denition of submarine pipeline routes.
Keywords: Oil and gas, Oshore systems, Risers, Oil wells, Sub-
marine pipelines, Synthesis and optimization, Evolutionary compu-
tation.
Lopes & Takahashi (Eds.), Computao Evolucionria em Problemas de Engenharia (2011) ISBN 978-85-64619-00-5
356 Lima & Jacob
1. Introduo
A crescente demanda por leo, gs e energia vem levando a indstria de pe-
trleo a enfrentar novos desaos, relacionados principalmente a atividades
de produo em guas profundas. No caso brasileiro, as recentes descober-
tas de grandes reservas na camada do pr-sal tm impulsionado atividades
de pesquisa, incluindo o desenvolvimento de ferramentas computacionais
de anlise e projeto de sistemas para produo oshore. Dentre os diferen-
tes tipos de sistemas que tm sido estudados, neste captulo ser abordada,
resumidamente, a aplicao de mtodos de computao evolutiva na solu-
o de problemas de sntese e otimizao relacionados ao projeto de risers,
de operaes de canhoneio de poos e de denio de rotas de dutos
submarinos.
Para a produo de petrleo oshore, empregam-se plataformas utu-
antes mantidas em posio por sistemas de ancoragem. As facilidades de
produo na plataforma so conectadas a equipamentos submarinos (como
as cabeas de poo ou manifolds) por conjuntos de dutos exveis conheci-
dos como risers, que levam o leo e gs plataforma, e tambm podem ser
empregados para injetar gua e gs nos poos. Uma congurao tpica de
riser conectado a uma plataforma utuante ilustrada na Figura 1.
Por sua vez, o projeto e execuo dos poos inclui diversas atividades,
incluindo perfurao, revestimento e cimentao. Estas ltimas compem
a etapa de completao, que visa garantir produo satisfatria com o
mnimo de intervenes. Nesta etapa, para manter a estabilidade geo-
mecnica do poo e evitar o colapso, pode-se instalar um revestimento de
ao. Como isto restringe o uxo de leo entre a rocha-reservatrio e o poo,
necessita-se executar as operaes de canhoneio para restaurar o uxo.
Tais operaes consistem em empregar cargas explosivas para abrir tneis
que atravessam o revestimento, o cimento e perfuram a rocha-reservatrio,
como ilustrado na Figura 2.
Algoritmos bio-inspirados para otimizao de sistemas de produo de petrleo 357
fmin
f = Pn (1)
i=1 IC i Li + (Vf lut ICf lut )
k (1 x3 ),
se x<1
P = (2)
0, se x1
Finalmente, a aptido de uma congurao de riser dada por:
f
faptido = 100 P (3)
1.0 + Pj
onde Pj a penalizao associada violao do j -simo critrio de restri-
o. Com esta expresso normalizada, a faixa de valores possveis para a
aptido varia no intervalo [0,100].
2.2 Canhoneio
2.2.1 Descrio do problema
A principal meta do processo de canhoneio de poos de petrleo elevar a
produtividade, procurando maximizar o desempenho da operao e mini-
mizar os custos. Contudo, determinar a melhor estratgia para o canhoneio
e a produo do poo um processo complexo, visto que h um grande
nmero de variveis envolvidas, incluindo as propriedades geomtricas do
poo e do tnel do canhoneado (ilustrados na Figura 5), as propriedades
fsicas da rocha-reservatrio, as condies operacionais e o cenrio econ-
mico.
Para avaliar a inuncia destas variveis e determinar quais delas efe-
tivamente inuenciam no desempenho do poo de petrleo, em trabalhos
anteriores foram efetuados estudos paramtricos baseados em modelos de
Elementos Finitos (da Silva et al., 2008; Baioco et al., 2008) . No entanto,
em razo da grande quantidade de parmetros, e da ampla faixa de varia-
o de cada um deles, verica-se que efetuar manualmente a gerao de
modelos e a execuo de anlises um procedimento muito exaustivo.
Assim, o desenvolvimento de uma ferramenta computacional de sntese
e otimizao, empregando algoritmos evolutivos, contribui para a obteno
e o uso de informaes sobre a inuncia de todos estes parmetros, iso-
ladamente ou combinados, objetivando a maximizao da produtividade,
reduzindo os riscos na tomada de deciso e, consequentemente, obtendo
maiores ganhos para a indstria do petrleo.
O desenvolvimento de tal ferramenta atende a diferentes objetivos, in-
cluindo os seguintes:
2kh
q= P (4)
ln rrwe
O mtodo mais preciso para resolver este modelo matemtico e calcular
o uxo no poo canhoneado consiste em gerar modelos numricos tridimen-
sionais e efetuar anlises de Elementos Finitos (EF), empregando-se, por
exemplo, um programa comercial como o MSC/MARC. No entanto, cada
anlise computacionalmente muito dispendiosa. Alm disto, sabe-se que
em procedimentos tpicos de otimizao por algoritmos evolutivos podem
ser geradas dezenas de populaes, cada uma podendo incluir at centenas
de indivduos. Portanto, a avaliao de todos os indivduos de todas as
populaes poderia requerer milhares de anlises.
Desta forma, para o desenvolvimento, validao e testes da ferramenta
necessrio contar com uma ferramenta de avaliao mais rpida e eciente
do que uma simulao por EF. Para tanto, foi desenvolvido um metamo-
delo baseado na soluo de uma formulao analtica para o clculo da
vazo no canhoneado, a partir de uma analogia da Lei de Darcy para uxo
em meios porosos com transferncia de calor e resistncias trmicas. Esta
formulao, descrita em detalhes em Baioco et al. (2010), foi validada a
partir dos resultados obtidos pelo modelo numrico, e possui a vantagem
de exigir muito menos esforo computacional, reduzindo o tempo de an-
lise, podendo, portanto, ser utilizada na calibrao do algoritmo evolutivo
empregado.
Tomando o uxo q obtido, o desempenho ou aptido de cada indivduo
gerado pelo algoritmo de otimizao pode ento ser avaliado pela funo
apresentada a seguir, que dene a rentabilidade terica do processo (sem
levar em conta o declnio da vazo com o tempo), calculada em unidades
monetrias, em funo da vazo q e do custo total:
distAB
Aptido = 100 P Np (6)
LRota + i=1 (Ki penali )
O termo distAB representa o comprimento da reta entre os extremos
da rota. Se uma dada rota no viola nenhuma restrio, sua aptido
denida simplesmente como distAB /LRota , e a soluo trivial de uma rota
no penalizada teria o valor mximo de aptido igual a 100 j que distAB =
LRota .
Nesta expresso, o valor de cada termo de penalidade representado
como penali , e Ki representa um fator de ponderao atribudo a cada
penalidade para controlar sua inuncia relativa. As restries associadas
a estas penalidades so descritas em detalhes em de Lima Jr. et al. (2011),
e algumas delas so apresentadas de forma resumida a seguir.
Auto-Cruzamento
A metodologia de parametrizao descrita na Seo 2.3.2 poderia gerar
rotas com segmentos que se cruzam. Como tal congurao geomtrica no
factvel em aplicaes reais, introduz-se o seguinte termo de penalizao
para evitar o auto-cruzamento de uma rota, com base em um algoritmo que
percorre todos os segmentos e conta o nmero de cruzamentos nSelf Cross:
b) Consequncias mdias;
nInter
!
X
penalObst = exp imp 1 (8)
i=1
370 Lima & Jacob
Tresidual
RRotamin = (9)
ws
Declividade
Um outro aspecto importante, relacionado batimetria do solo ma-
rinho, a declividade da superfcie do fundo do mar onde o duto est
apoiado. O algoritmo de gerao de rotas calcula a declividade de cada
ponto ao longo do duto tomando uma malha de pontos que representa o
fundo, gerada atravs das curvas de nvel. Sempre que a declividade (L )
assim calculada para uma srie de pontos ao longo da rota (nN odes) ex-
cede um valor preestabelecido (LLim ), introduz-se o seguinte termo de
penalidade:
nNP
odes
exp(L LLim )
i=1
penalDecliv = (11)
nN odes
3. Algoritmos
Nesta seo so apresentados os mtodos de computao evolutiva que
foram empregados na construo das ferramentas de sntese e otimizao
para as aplicaes oshore descritas na seo anterior.
importante ressaltar que, como o foco deste captulo reside exata-
mente na modelagem e no estudo do desempenho dos mtodos para estas
Algoritmos bio-inspirados para otimizao de sistemas de produo de petrleo 371
pg Xi (t) pi Xi (t)
Vi (t + 1) = Vi (t) + C1 rnd1 + C2 rnd2 (12)
t t
Xi (t + 1) = Xi (t) + Vi (t + 1) t (13)
= eF (14)
4. Estudos de Caso
Esta seo apresenta resultados de estudos de casos com a aplicao das
ferramentas desenvolvidas para cada um dos problemas oshore conside-
rados, de acordo com a modelagem descrita na Seo 2, e empregando os
algoritmos descritos na Seo 3.
Procura-se abordar aspectos relacionados ao desempenho de cada ferra-
menta. Como j mencionado na Seo 1, no contexto de problemas reais de
Algoritmos bio-inspirados para otimizao de sistemas de produo de petrleo 375
4.1 Risers
Estudos paramtricos relacionados aplicao de diferentes algoritmos evo-
lutivos para a otimizao de risers foram apresentados em Pina et al. (2010)
e Vieira et al. (2008). Nesta seo so resumidos alguns dos resultados ob-
tidos, considerando uma congurao lazy-wave a ser instalada em uma
lmina d'gua com profundidade de 1290m e uma projeo horizontal de
2000m.
Os limites atribudos para as variveis de projeto (Figura 4) so os se-
guintes: comprimento dos segmentos L1 e L3 variando entre [800m, 2000m],
comprimento do segmento com utuadores L2 [400m, 800m], dimetro das
bias [0,8m, 2m], comprimento das bias [0,5m, 2m] e espaamento entre
as bias [1m, 3m]. Assume-se que o segmento com bias custa duas vezes
mais do que um segmento de riser sem utuadores. Os limites para as
restries so os seguintes: tenso mxima de Von Mises 415,15 mPa, n-
gulo de topo mximo e mnimo 18 e 5 respectivamente, trao mxima
no topo 1500 kN, e trao mnima 300 kN. Foi empregada na codicao
das solues candidatas a representao real.
A seguir so sintetizados alguns dos resultados de experimentos reali-
zados com o PSO especicamente para aplicao de otimizao de risers,
procurando estudar o comportamento do algoritmo com a variao de seus
parmetros.
376 Lima & Jacob
t
Ci (t) = (Cif in Ciini ) + ciini (15)
N
Os testes consideraram uma populao de 10 partculas, levando em
conta resultados anteriores apresentados em Albrecht (2005) que indica-
ram que, com menos partculas, o espao de busca no sucientemente
explorado e pode-se chegar a uma convergncia prematura. Por outro lado,
o uso de mais de 10 partculas aumenta o custo computacional sem melho-
rar signicativamente os resultados.
O algoritmo executado 30 vezes para cada conjunto de parmetros,
cada execuo correspondendo a uma realizao dos termos aleatrios.
Cada execuo terminada quando a aptido mdia permanece acima de
98% da aptido da melhor partcula ao longo de cinco iteraes sucessivas,
o que indica que as partculas esto concentradas prximas a uma soluo
tima.
4.1.2 Resultados
Resultados estatsticos detalhados destes experimentos, em termos de m-
dia e desvio-padro dos valores de aptido, so apresentados em Pina et al.
(2010). Um bom desempenho do algoritmo indicado por altos valores
para a mdia e baixos valores para o desvio-padro.
Sumarizando as concluses obtidas, vale ressaltar a inuncia do coe-
ciente de inrcia . Observou-se que o uso de valores xos para levou
a resultados piores (com menores mdias e maiores desvios-padro de ap-
tido), enquanto o melhor desempenho do algoritmo foi vericado com o
uso da variao no-linear de .
Pde ser observado, ainda, que o desempenho signicativamente pre-
judicado pelo uso de valores menores para . Este comportamento mais
notvel para o valor xo = 0, 4 (ou para o valor inicial 0 = 0, 4 nos
casos com variao linear ou no-linear). Nestes casos, o algoritmo resulta
numa convergncia precoce para conguraes de risers apresentando va-
lores menores de aptido mdia e valores maiores de desvio-padro. Os
resultados no so notavelmente diferentes para valores maiores do que
= 0.8, embora para > 2, 0 tenham sido observados valores ligeira-
Algoritmos bio-inspirados para otimizao de sistemas de produo de petrleo 377
4.2 Canhoneio
4.2.1 Comparao dos mtodos de avaliao
Inicialmente so apresentados resultados de experimentos comparando o
desempenho do processo de otimizao que utiliza avaliaes pelo mtodo
dos Elementos Finitos e pelo metamodelo composto pela avaliao anal-
tica aproximada, como descrito na Seo 2.2.3 (Baioco et al., 2008, 2010).
As variveis de projeto a otimizar so as descritas na Seo 2.2.2. Foi
empregada a representao real na codicao das solues candidatas.
A Figura 8 e a Figura 9 apresentam os grcos da evoluo dos al-
goritmos, usando, respectivamente, a avaliao numrica por Elementos
Finitos e o metamodelo analtico. Observa-se que esta ltima demandou
um nmero superior de avaliaes para obter a convergncia e chegar ao
resultado timo. Mesmo assim, como a avaliao analtica tem um custo
computacional muito inferior da avaliao numrica, o tempo total de
execuo do procedimento de otimizao com a avaliao analtica foi de
apenas 00:00:14, muito menor do que o requerido com a avaliao numrica,
15:12:25.
A1 1 1 R1 A2 2 2 R2 ...AN N N RN
5. Comentrios Finais
Como mencionado na Introduo deste captulo procurou-se agrupar re-
sultados do desenvolvimento e aplicao de ferramentas de sntese e oti-
mizao, baseadas em mtodos de computao evolutiva, para diferentes
tipos de sistemas oshore. O principal objetivo foi apresentar tais resul-
tados de forma consolidada e sinttica, de modo a realar a relevncia da
aplicao destas ferramentas em projetos reais de engenharia, e tambm a
necessidade de ajustar os parmetros dos algoritmos para customiz-los e
melhorar seu desempenho para cada aplicao especca.
382 Lima & Jacob
Referncias
Albrecht, C., Algoritmos Evolutivos Aplicados Sntese e Otimizao de
Sistemas de Ancoragem. Tese de doutorado, PEC/COPPE, Universi-
dade Federal do Rio de Janeiro, Rio de Janeiro, RJ, 2005.
Baioco, J.; Seckler, C.; Albrecht, C.; de Lima, B.; Jacob, B. & Soares,
A., Application of optimization algorithms in perforating procedures
Proceedings of the
of oil wells. In: 2ndInternational Conference on
Engineering Optimization. Lisboa, Portugal, p. 110, 2010.
Baioco, J.; Seckler, C.; da Silva, K.; Jacob, B.; Silvestre, J.; Soares, A. &
Freitas, S., Anlise paramtrica aplicada a procedimentos de canhoneio
de poos de petrleo. In:Proceedings of of the Rio Oil & Gas Expo
and Conference. Rio de Janeiro, Brasil, p. 17, 2008.
Chatterjee, A. & Siarry, P., Nonlinear inertia weight variation for dynamic
Computers & Operations
adaptation in particle swarm optimization.
Research, 33(3):859871, 2006.
da Silva, A., Anlise de uma Tcnica de Penalizao Adaptativa aplicada
ao Algoritmo de Enxame de Partculas. Dissertao de mestrado,
PEC/COPPE, Universidade Federal do Rio de Janeiro, Rio de Ja-
neiro, RJ, 2010.
da Silva, K.; Jacob, B.; Freitas, S.; Soares, A. & Silvestre, J., Predio da
razo de produtividade de um poo canhoneado utilizando o mtodo
dos elementos nitos. In: Anais do XXIX Congresso Ibero Latino-
Americano sobre Mtodos Computacionais em Engenharia. Macei,
Brasil, p. 113, 2008.
Jacob, B.; de Lima, B.; Reyes, M.; Torres, A.; Mourelle, M. & Silva, R.,
Alternative congurations for steel catenary risers for turret-moored
FPSOs. In:Proceedings of the 9 International Oshore and Polar
th
Lemonge, A. & Barbosa, H., An adaptive penalty scheme for genetic algo-
International Journal for Numerical
rithms in structural optimization.
Methods in Engineering, 59(5):703736, 2004.
Michalewicz, Z., Genetic Algorithms + Data Structures = Evolution Pro-
grams. 3a edio. Heidelberg, Germany: Springer-Verlag, 1999.
Pina, A.; Albrecht, C.; de Lima, B. & Jacob, B., Tailoring the particle
swarm optimization algorithm for the design of oshore oil production
risers. Optimization and Engineering, 12(5):215235, 2010.
Ratnaweera, A.; Halgamuge, S. & Watson, H., Self-organizing hierarchical
particle swarm optimizer with time-varying acceleration coecients.
IEEE Transactions on Evolutionary Computation, 8(3):240255, 2004.
Algoritmos bio-inspirados para otimizao de sistemas de produo de petrleo 385
Shi, Y. & Eberhart, R., A modied particle swarm optimizer. In: IEEE
international Conference on Evolutionary Computation. Piscataway,
USA: IEEE Press, p. 19451950, 1998.
Vieira, I.; Albrecht, C.; de Lima, B.; Jacob, B.; Rocha, D. & Cardoso, C.,
Towards a computational tool for the synthesis and optimization of
Proceedings of the Twentieth Interna-
submarine pipeline routes. In:
tional Oshore and Polar Engineering Conference. Beijing, China, p.
226233, 2010.
Vieira, I.; de Lima, B. & Jacob, B., Optimization of steel catenary risers
for oshore oil production using articial immune system. In: Ben-
tley, P.; Lee, D. & Jung, S. (Eds.), Articial Immune Systems. Berlin,
Germany: Springer-Verlag, v. 5132 de LNCS, p. 254265, 2008.
Vieira, L.; de Lima, B.; Evsuko, A. & Jacob, B., Application of genetic
algorithms to the synthesis of riser congurations. In: Proceedings of
the 22th International Conference on Oshore Mechanics and Arctic
Engineering. Cancun, Mexico, v. 1, p. 391396, 2003.
Notas Biogrficas
Beatriz Souza Leite Pires de Lima possui graduao em Engenharia
Civil pela Universidade do Estado do Rio de Janeiro (1983), mestrado (1991)
e doutorado (1996) em Engenharia Civil pela COPPE/UFRJ. professor
associado do Programa de Engenharia Civil da COPPE e do departamento de
Expresso Grca da Escola Politcnica da Universidade Federal do Rio de
Janeiro. Tem experincia na rea de sistemas oshore, mtodos numricos,
inteligncia computacional, data mining, otimizao e algoritmos evolutivos.