Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO: Um dos objetivos do presente trabalho a comparao do Algoritmo Gentico, utilizado como
mtodo de otimizao paramtrica de estruturas de engenharia, com a soluo da literatura e com o mtodo
de Programao Quadrtica Seqencial (Sequential Quadratic Programming - SQP) para determinados
casos utilizados como benchmarks, como, por exemplo, trelias planas e espaciais. Tambm se estuda o
comportamento e desempenho do referido algoritmo para variaes em seus parmetros de entrada nestes
mesmos exemplos analisados. Conforme os resultados apresentados, em termos de preciso, os mtodos
tiveram desempenho equivalente. Com o que apresentado, pode-se concluir que a utilizao do
Algoritmo Gentico como mtodo de otimizao paramtrica de estruturas de engenharia vivel devido
eficincia e robustez do mesmo.
ABSTRACT: One of the aims of this study is to compare the genetic algorithm used as a method of
parametric optimization of engineering structures, with the solution of literature and the method of
Sequential Quadratic Programming (Sequential Quadratic Programming: SQP) for specific cases as
benchmarks, such as planar and spatial trusses. It is also studied the behavior and performance of this
algorithm to variations in their input parameters in these same samples analyzed. According to results
presented in terms of accuracy, the methods have equivalent performance. By the presented results, it can
be concluded that the use of genetic algorithm as a method of parametric optimization of engineering
structures is feasible due to its efficiency and robustness.
otimizadores, conforme se verifica hoje em dia nos timos e funes no suaves ou contnuas, o que
programas comerciais de grande desempenho como o compensador, pois nesses casos os algoritmos
Ansys, Nastran, entre outros. Como se percebe, a tradicionais baseados em gradientes muitas vezes
otimizao uma das ferramentas de aplicao falham.
imediata mais importante da atualidade, empregada Os algoritmos genticos (AGs) so uma classe de
na resoluo dos mais variados problemas nas algoritmos evolutivos que tiveram sua origem no
diversas reas da engenharia. Como alguns exemplos incio da dcada de 70 atravs dos trabalhos
recentes, o mtodo dos algoritmos genticos foi desenvolvidos na Universidade de Michigan pelo
utilizado por Souza Jr. [16] na soluo de problemas professor John Holland [4] e seus alunos. A partir
de dimensionamento de estruturas tubulares dos trabalhos publicados por Holland, principalmente
metlicas espaciais com barras cruzadas para o livro Adaptation in Natural and Artificial
coberturas. Malaquias [8] aplicou os AGs em alguns Systems de 1975, a evoluo pde ser encarada
problemas de otimizao de rotas de distribuio de como um processo de otimizao e os algoritmos
medicamentos. Romo [14] empregaram os AGs no genticos foram utilizados com sucesso em diversos
controle de um processo trmico. O mtodo dos AGs problemas de otimizao (Coello et al [1], Fonseca et
foi aplicado por Konzen [5] para otimizao de al [3], Miasaki [10], Sandrini [15], Souza jr.[16]). O
mtodos de controle de qualidade de frmacos. De algoritmo gentico (AG) constitui um mtodo de
modo geral, todos os mtodos de otimizao busca aleatria direcionada capaz de obter a soluo
experimentam, em maior ou menor intensidade, tima global num espao de busca complexo (com
dificuldades relacionadas no convergncia e ou sem restries). O AG considerado um mtodo
existncia de mltiplos pontos timos locais da robusto, utilizado basicamente para resolver
funo objetivo. Independente do mtodo utilizado, problemas em pesquisas numricas, otimizao de
como vantagens no uso de procedimentos de funes e aprendizagem de mquina, dentre outras
otimizao podem ser citados os seguintes aspectos: reas. Basicamente, os AGs operam num conjunto de
-Diminuio do tempo dedicado ao projeto; solues aplicando o princpio da sobrevivncia dos
-Possibilidade de tratamento simultneo de uma indivduos mais aptos para produzir uma soluo
grande quantidade de variveis e de restries de cada vez melhor, diferentemente de outros mtodos
difcil visualizao grfica ou tabular; que partem de um ponto do espao de busca para
-Possibilidade de obteno de algo melhor encontrar a soluo tima. Dessa maneira, gerao
(geralmente um projeto mais barato), mesmo que no aps gerao, um novo conjunto de indivduos
seja um timo global; criado pelo processo de seleo dos indivduos
-Reduo de custo em relao aos modelos progenitores, de acordo com o nvel de aptido
experimentais. associado ao problema. A procriao feita entre os
Como desvantagens no uso da otimizao podem progenitores atravs de operadores extrados da
ser consideradas algumas dificuldades para a sua gentica natural. Este processo leva evoluo de
aplicao, tais como: indivduos que se adaptam melhor ao problema, de
-Aumento do tempo computacional; modo semelhante adaptao natural. Os AGs , de
-Quando as funes envolvidas so descontnuas (ou acordo com Goldberg [17], modelam os processos
de gradientes descontnuos), pode haver genticos naturais bsicos, tais como: seleo,
convergncia lenta; cruzamento e mutao, atravs de operadores
-Presena de muitos pontos timos locais (ponto matemticos.
timo global raramente obtido);
Para superar alguns dos problemas no uso da 2.1 Algoritmos Genticos
otimizao foram desenvolvidos diversos mtodos
de busca pela soluo tima. A escolha de um ou Os algoritmos genticos bsicos funcionam da
outro mtodo de busca deve estar estritamente seguinte forma:
relacionada ao problema a ser otimizado. Dessa 1. Gerao da populao inicial que consiste de um
maneira, o uso de AGs deve ser limitado apenas conjunto de possveis solues para o problema a ser
quelas situaes em que no h um algoritmo resolvido. Essa populao geralmente gerada de
exato capaz de resolver o problema em um tempo forma aleatria;
razovel, dentro de uma memria finita. Por outro 2. A populao avaliada (de acordo com uma
lado, apesar de a execuo de um algoritmo funo chamada funo de custo) e cada
gentico ser relativamente lenta, ela produz a cromossomo recebe um valor que reflete sua
soluo para problemas difceis com mltiplos qualidade para resoluo do problema;
Teoria e Prtica na Engenharia Civil, n.15, p.29-39, Abril, 2010 31
Sujeito a (2)
mximo de geraes, o tempo limite de g ( x) + g ( x )d 0
T k
trabalho, foi utilizada a funo fmincon do pacote D da mola e o nmero de espiras ativas n que
optimization do software MATLAB. Para a resultam no mnimo volume para a mola de forma
atualizao da matriz Hessiana foi utilizado o a suportar a carga com as restries de projeto do
mtodo BFGS. Para maiores detalhes do material, freqncias naturais e deformaes
funcionamento do mtodo SQP consultar mximas.
Sandrini[15].
4.1 Metodologia
Neste trabalho sero tratados trs problemas Fig. 5 Mola do tipo helicoidal para cargas de
considerados benchmarks (casos de referncia) por trao e compresso.
terem sido muito explorados e estudados por parte
de diversos autores da literatura para avaliar o Volume da Mola = Funo de Custo = (n+2) Dd2,
desempenho dos algoritmos genticos aplicados ou em termos das variveis de projeto:
r
otimizao paramtrica de estruturas de f ( x ) = ( x3 + 2) x 2 x12 (3)
engenharia. Dessa maneira, este trabalho ser
onde ( x1 , x 2 , x3 ) = (d , D, n)
realizado em duas etapas. A primeira etapa a
comparao do Algoritmo Gentico com o mtodo Restrio de Deformao Mxima:
SQP para os casos utilizados como benchmarks. A r x23 x3
g1 ( x ) = 1 0 (4)
segunda etapa estudar o comportamento e 71.785 x14
desempenho do referido algoritmo para variao Restrio da Tenso de Cisalhamento:
em seus parmetros de entrada/utilizao nestes r x2 (4 x2 x1 ) 1
mesmos exemplos analisados. g2 ( x) = + 1 0 (5)
12.566 x1 ( x2 x1 ) 5.108 x12
3
Para realizar as duas etapas, pretende-se fazer o
uso de um programa de computador especfico Restrio de Freqncia Natural:
para Algoritmo Gentico. Este programa o r 140,45 x1
g3 ( x) = 1 0 (6)
GATOOL, o toolbox de algoritmos genticos do x 22 x3
MATLAB, software consagrado como ferramenta Restrio do Dimetro Externo:
poderosa, de qualidade e de grande utilizao pela r x + x1
literatura. O GATOOL permite a execuo das g 4 ( x) = 2 1 0 (7)
rotinas relacionadas otimizao dos trs casos 1,5
benchmarks que so escritas e editadas no prprio Limites das variveis de projeto: 0,05 < x1 < 0,2;
MATLAB. A Tabela 3.1 mostra em resumo os 0,25 < x2 < 1,3 e 2 < x3 < 15 (com as mesmas
parmetros de entrada do AG. unidades que o trabalho original).
Este problema foi resolvido pelo mtodo SQP e
Tabela 1 Parmetros de entrada do AG. pelo mtodo dos AGs. O mtodo SQP apresenta
Tamanho de Populao Especfico para cada problema uma nica soluo por se tratar de um mtodo
Taxa de Cruzamento Especfica para cada problema determinstico. J o mtodo dos Algoritmos
Taxa de Mutao Especfica para cada problema Genticos apresenta diferentes solues para cada
Mtodo de Seleo Torneio de tamanho dois combinao de dados de entrada (tamanho de
Tipo de Cruzamento Heurstico populao, taxa de cruzamento e taxa de mutao).
Elitismo Dois indiv. para cada gerao Dessa maneira, o mtodo SQP chegou a uma
soluo que viola ligeiramente a restrio da
4.2. Problema da Mola 3 variveis a serem tenso de cisalhamento (g2(x) = 0,00031 > 0). J o
otimizadas mtodo dos AGs teve em sua melhor soluo o
cumprimento estrito de todas as restries do
O Problema da Mola, segundo Montes [11], problema. Para se chegar a melhor soluo pelo
consiste em projetar uma mola do tipo helicoidal mtodo dos AGs, o programa deste problema foi
para cargas de trao e compresso como mostrada executado vrias vezes para o ajuste dos
na Figura 5. O problema determinar o dimetro parmetros de entrada. Inicialmente, os valores dos
mdio d do fio de que feita, o dimetro externo parmetros utilizados foram os recomendados pela
Teoria e Prtica na Engenharia Civil, n.15, p.29-39, Abril, 2010 35
literatura, segundo Fonseca [3], conforme a Tabela A Figura 7 exibe o percentual de execues de
2. As solues encontradas para ambos os mtodos sucesso para cada tipo de dado de entrada
podem ser vistas na Tabela 3 onde tambm h um analisado de maneira isolada, sendo que a Figura
comparativo com a soluo encontrada pela 7(a) mostra o Tamanho de Populao, a Figura
literatura, segundo Leite [6] (Na tabela 3 esto os 7(b) exibe a Taxa de Cruzamento e a Figura 7(c)
melhores resultados dos AG). ilustra a Taxa de Mutao versus Percentual de
execues de sucesso.
Tabela 2 Valores para os parmetros do AG.
11
400 interagem de forma complexa e dependente da
10 funo que est sendo otimizada .
9
Execues de Sucesso [%]
8
400 200 200 400 400
7
6 100 400
4.3. Problema da Trelia Espacial de 25 Barras
5
200 200 200 400
8 variveis a serem otimizadas
4
400 100 200 100 400 100
3
1
100 100 100 200
O Problema da Trelia Espacial de 25 Barras,
0
60%_1% 60%_5% 60%_10% 80%_1% 80%_5%
100 200 400
100%_10%
segundo Pyrz [12], consiste em minimizar a massa
Taxa de Cruzamento & Taxa de Mutao
anlise de trelia especial que considera um Novamente, este problema foi resolvido pelo
comportamento linear-elstico para as barras da mtodo SQP e pelo mtodo dos AGs. Para se
estrutura. O problema determinar as reas timas chegar melhor soluo pelo mtodo dos AGs, o
das barras que resultaro na menor massa da programa deste problema foi executado vrias
estrutura sujeitas aos condicionantes abaixo vezes para o ajuste dos parmetros de entrada.
indicados. Dados do material: Mdulo de Inicialmente, os valores dos parmetros utilizados
Elasticidade = 6,89x104 MPa e Densidade = 2,770 foram os recomendados pela literatura, segundo
[kg/m3]. Restries de deslocamentos nos ns 1 e Fonseca [3]. O mtodo SQP chegou a uma soluo
2: |x1| < 8,89 mm, |x2| < 8,89 mm, |y1| < 8,89 mm, que no transgride nenhuma restrio do problema.
|y2| < 8,89 mm, |z1| < 8,89 mm e |z2| < 8,89 mm. J o mtodo dos AGs teve, em todas as suas
Restries de tenses nas barras da estrutura: solues, o descumprimento das restries de
|admissvel| < 275,79 MPa. Dados geomtricos da deslocamentos na direo y nos ns um e dois do
estrutura esto nas Tabelas 4, 5 e 6. problema na faixa de 3% a 7%. As solues para
ambos os mtodos podem ser vistas na Tabela 7
onde tambm h um comparativo com a soluo
encontrada pela literatura segundo Coello e
Christiansen [1] usando uma variao de
algoritmos genticos.
Tabela 7 Comparao entre as solues da
literatura, do mtodo SQP e do mtodo do AG.
estrutura sujeitas aos condicionantes indicados. comparativo com a soluo encontrada pela
Dados do material: Mdulo de Elasticidade = literatura segundo Erbatur [2] usando um
6,89x104 MPa e Densidade = 2.770 [kg/m3]. algoritmo gentico modificado.
Restries de deslocamentos em todos os ns nas
direes x e y: |deslocamento| < 6,35 mm. Restries Tabela 9 Valores para os parmetros do AG.
de tenses nas barras da estrutura: |admissvel| <
172,37 MPa. Como cargas na estrutura tem-se no Tamanho de Populao 25, 50 e 100
n 1 Fx=22,24 kN, Fy =22,24 kN e Fz -22,24 kN. Taxa de Cruzamento 60%, 80% e 100%
Taxa de Mutao 1%, 5% e 10%
Obs.: Cada barra pode ter sua rea modificada
entre 64,52 e 1.290,32 mm2.
Tabela 10 Comparao entre as solues da
Tabela 8 Grupos de barras com mesma rea. literatura, do mtodo SQP e do mtodo do AG.
juntamente com a reduo de massa dos AGs obteve um valor timo 4,92% menor em
correspondente. relao ao da literatura.
Tambm se pode perceber que o desempenho
Tabela 11 Combinaes dos parmetros de do mtodo dos AGs, por ser um mtodo
entrada dos AGs com reduo de massa. probabilstico, extremamente sensvel aos
parmetros de entrada escolhidos para sua
Combinao A B C D E F G execuo, pois para cada um dos trs problemas
Tam. Pop. 50 50 50 100 100 100 100 encontrou-se uma combinao de parmetros
Taxa Cruz.(%) 60 60 80 60 70 60 80 distinta que fez com que o algoritmo alcanasse o
Taxa Mut.(%) 5 10 10 5 5 10 10 seu melhor desempenho.
Reduo Massa(%) 2,37 0,58 3,22 4,92 1,99 2,41 2,75 Para o problema da mola, pde-se concluir que
os dados de entrada com melhores resultados so:
Observando-se a Tabela 11 possvel notar que Tamanho de Populao = 400, Taxa de
ocorreu reduo da massa da estrutura para as Cruzamento = 60% e Taxa de Mutao = 1%.
combinaes que possuam os parmetros Entretanto, isto divergiu do que foi observado na
Tamanho de populao = 50 ou 100, Taxa de anlise da Figura 7 onde a combinao de melhor
cruzamento = 60% ou 80% e Taxa de mutao = xito encontrada foi com a Taxa de Cruzamento de
5% ou 10%, ou seja, para os parmetros Tamanho 80% em vez de 60%. Pde-se perceber, tambm,
de populao = 25, Taxa de cruzamento = 100% e que, para as combinaes Taxa de Cruzamento =
Taxa de mutao = 1% no houve reduo de 80%, Taxa de Mutao = 10% e Tamanho de
massa em suas solues, mas em muitas delas a Populao = 100, 200 e 400, no houve execues
massa da estrutura praticamente se igualou ao de sucesso bem como para as combinaes Taxa
valor alcanado pela literatura. de Cruzamento = 100%, Taxa de Mutao = 10% e
Tamanho de Populao = 100 e 200. Isto pode ter
4. CONCLUSO ocorrido, pois uma alta taxa de cruzamento permite
uma explorao maior do espao de busca e reduz
Com o que foi apresentado, pode-se concluir as chances de convergncia para um timo local.
que a utilizao do Algoritmo Gentico como Entretanto, se essa taxa for muito alta pode resultar
mtodo de otimizao paramtrica de estruturas de na perda de tempo computacional devido
engenharia vivel, pois, para os trs problemas explorao de regies no promissoras dentro do
propostos, o mtodo atingiu respostas espao de busca (Souza Jr. [16]).
relativamente melhores que s encontradas pela Para o Problema da Trelia Espacial de 25
literatura sem desrespeitar alguma restrio, exceto Barras, as solues de todas as combinaes de
para o Problema da Trelia Espacial de 25 Barras parmetros do AG obtiveram reduo de massa,
onde houve descumprimento na faixa de 3% a 7% sendo que a combinao correspondente melhor
das restries de deslocamentos na direo y nos soluo foi a seguinte: Tamanho de Populao =
ns um e dois do problema. Isto pode ter ocorrido 400, Taxa de Cruzamento = 80% e Taxa de
devido Funo de Penalizao no ter sido Mutao = 10%. Entretanto, isto ocorreu com
suficiente para fazer com que os indivduos que descumprimento das restries de deslocamentos
violaram alguma das restries do problema na direo y nos ns um e dois do problema.
viessem a ter uma avaliao baixa a fim de que no No Problema da Trelia Espacial de 72 Barras,
pudessem ser escolhidos como soluo tima. foi possvel notar que ocorreu reduo da massa da
Alm disso, o Algoritmo Gentico mostrou melhor estrutura para as combinaes que possuam os
desempenho que o mtodo SQP em dois dos trs parmetros Tamanho de Populao = 50 ou 100,
problemas propostos, quais sejam, o Problema da Taxa de Cruzamento = 60% ou 80% e Taxa de
Mola e o Problema da Trelia Espacial de 72 Mutao = 5% ou 10%, ou seja, para os
Barras sendo que, no Problema da Mola, o mtodo parmetros Tamanho de Populao = 25, Taxa de
SQP violou ligeiramente a restrio da tenso de Cruzamento = 100% e Taxa de Mutao = 1% no
cisalhamento da mola e no Problema da Trelia houve reduo de massa em suas solues, mas em
Espacial de 72 Barras chegou a um valor timo muitas delas a massa da estrutura praticamente se
da massa da estrutura 48,94% maior em relao ao igualou ao valor alcanado pela literatura. Os
da literatura quando, em contrapartida, o mtodo resultados mostram que o algoritmo gentico
Teoria e Prtica na Engenharia Civil, n.15, p.29-39, Abril, 2010 39
torna-se mais eficiente quando h uma maior software, Cambridge, v. 29, n. 8, p. 529-562,
populao. Isto se explica pelo fato de o tamanho 1998.
da populao influenciar o nmero de pontos do 7. Linden, R., Algoritmos genticos: uma
espao de busca analisados a cada iterao, importante ferramenta da inteligncia
contudo, caso este nmero seja grande demais, o computacional. Rio de Janeiro: Brasport,
algoritmo demorar demais e pode estar se 2006.
aproximando de uma busca exaustiva. Alm disso, 8. Malaquias, N.G.L., Uso dos algoritmos
se o valor da probabilidade atribuda ao operador genticos para a otimizao de rotas de
de mutao for baixo demais, ele agir de forma distribuio. Dissertao de Mestrado
extremamente moderada e a populao no ter Universidade Federal de Uberlndia, 2006.
diversidade depois de certo nmero de geraes, 113 f.
estagnando rapidamente devido convergncia 9. Matlab, Optimization toolbox users guide.
gentica. Natick: Mathworks, 2007.
Como proposta de trabalhos futuros sugere-se a 10. Miasaki, C.T., Planejamento da expanso do
determinao dos parmetros de entrada dos sistema de transmisso de energia eltrica
algoritmos genticos de forma evolutiva e utilizando controladores facts. Tese de
automtica, criando-se, assim, um algoritmo onde Doutorado Universidade Estadual Paulista,
os parmetros so variveis a fim de melhorar o Ilha Solteira, 2006. 158 f.
desempenho dos resultados referentes funo de 11. Montes, E.M.; Coello, A.A.C.; Becerra, R. L.,
custo e uma maior estabilidade destes resultados Engineering optimization using a simple
em iteraes distintas evitando o uso de evolutionary algorithm, in: International
parmetros iniciais fixos e constantes ao longo das conference on tools with artificial intelligence,
iteraes. 15, 2003, California.
12. Pyrz, M.; Zawidska, J., Optimal discrete truss
REFERNCIAS design using improved sequential and genetic
algorithm. Engineering computations,
1. Coello, C. A.;Christiansen, A. D., Bingley, v. 18, n. 8, p. 1078-1090, 2001.
Multiobjective optimization of trusses using 13. Rodrigues, N.M., Um algoritmo cultural para
genetic algorithms. Computers and structures, problemas de despacho de energia eltrica.
Cambridge, n. 75, p. 647-660, 2000. Dissertao de Mestrado Universidade
2. Erbatur, F.; Hasanebi, O.; Ttnc, I.; Kili, Estadual de Maring, 2007. 99 f.
H., Optimal design of planar and space 14. Romo, W.; Niederauer, C.A.P.; Martins, A.;
structures with genetic algorithms. Computers Tcholakian, A.; Pacheco, R.C.S., Algoritmos
and Structures, Cambridge, n. 75, p. 209-224, genticos e conjuntos difusos aplicados ao
2000. controle de um processo trmico.
3. Fonseca, M.; Neves, F.A., Algoritmos Universidade Federal de Santa Catarina,
genticos aplicados otimizao discreta de florianpolis, 1997. 14 f.
estruturas treliadas espaciais. Universidade 15. Sandrini, V.S., Um estudo da otimizao da
Federal de Ouro Preto, 2004. 15f. geometria de um pra-quedas simplificado.
4. Holland, J.H., Adaptation in natural and Dissertao de Mestrado Universidade
artificial systems. Michigan: University of Federal do Rio Grande do Sul, Porto Alegre,
Michigan Press, Ann Harbor, 1975. 2005. 93 f.
5. Konzen, P.H.A.; Furtado, J.C.; Carvalho, 16. Souza jr., D.A., Otimizao pelo mtodo dos
C.W.; Ferro, M.F.; Molz, R.F.; Bassani, I.A.; algoritmos genticos e dimensionamento de
Hning, S.L., Otimizao de mtodos de estruturas tubulares metlicas espaciais com
controle de qualidade de frmacos usando barras cruzadas para coberturas. Tese de
algoritmo gentico e busca tabu. Universidade doutorado Universidade Federal de
de Santa Cruz do Sul, 2002. 19 f. Uberlndia, 2005. 145 f.
6. Leite, J.P.B.; Topping, B.H.V., Improved 17. Goldberg, D.E., Genetic Algorithms in search,
genetic operators for structural engineering optimization and machine learning. Reading
optimization. Advances in engineering Addison-Wesley Publishing, MA, 1989.