Escolar Documentos
Profissional Documentos
Cultura Documentos
A35 16
A35 16
Abstract The critical problem in design of water supply networks relates to determination of
pipe diameters. Several authors have focused on the methods capable of sizing the network
considering uncertainty and other important aspects. This study presents an application of
multiobjective decision making using evolutionary algorithms to generate a series of
nondominated solutions. The three objectives functions considered here include investment costs,
leakage losses and system demand supply ratio. In order to determine the Pareto frontier the
public domain toolbox MOEA developed to MATLAB coupled with a hybrid hydraulic simulator
based on the method of Nielsen. This technique is found to be quite promising, the nondominated
region being identified in reasonably small number of iterations.
1
Doutorando do Programa de Ps-Graduao em Hidrulica e Saneamento. Universidade de So Paulo Escola de
Engenharia de So Carlos So Carlos - SP CEP: 13.560-250 Fone: 0xx16-3376-4386 Fax: 0xx16-273-9550 e-mail:
klebberformiga@uol.com.br
2
Professor Titular do Programa de Ps-Graduao em Hidrulica e Saneamento. Universidade de So Paulo Escola
de Engenharia de So Carlos So Carlos - SP CEP: 13.560-250 Fone: 0xx16-273-9534 Fax: 0xx16-273-9550 e-mail:
fazal@sc.usp.br.
INTRODUO
ALGORITMO DE OTIMIZAO
Problemas Multiobjetivo
Nos problemas de otimizao multiobjetivo deseja-se maximizar ou minimizar um certo
nmero M, de funes objetivo. Sendo o vetor x, chamado de variveis de deciso, o problema pode
ser expresso como:
Maximizar ou Minimizar Z(x) = [Z1(x), Z2(x), Z3(x), ... ZM(x)] (1)
sujeito a: gj(x) = 0 j=1,2, ...J
hk(x) 0 k=1,2, ...K
xi xi xi
(U) (L)
i=1,2, ...N
onde xi(U) e xi(L) os limites superiores e inferiores das variveis de deciso, e g(x) e h(x) so
funes de restrio. O local dentro do espao das variveis de deciso limitado pelo conjunto de
restries de igualdade e desigualdade denominado de regio factvel (Xf).
Em problemas de otimizao simples todos os componentes da regio factvel podem ser
completamente ordenados segundo a funo objetivo f da seguinte forma: sejam x(1) e x(2) duas
solues pertencentes a Xf, ento uma das seguintes expresses verdadeira:
f(x(1)) > f(x(2));
f(x(1)) < f(x(2));
f(x(1)) = f(x(2))..
No entanto, quando se lida com mais de um objetivo, a regio factvel no pode ser
completamente ordenada, mas parcialmente ordenada. (Pareto, 1896 apud Zitzler 1999).
A maior parte das tcnicas multiobjetivo para delimitao da regio Pareto utilizam o conceito
de dominncia. Segundo esse conceito, todas as solues so comparadas duas a duas sendo
verificado a dominncia ou no de uma sobre a outra.
Segundo Deb (2001), o conceito de dominncia pode ser escrito da seguinte forma:
uma soluo x(1) domina uma soluo x(2), se ambas as afirmaes forem verdadeiras:
1) a soluo x(1) no menor que a soluo x(2) em nenhum dos M objetivos e;
2) a soluo x(1) estritamente melhor do que a soluo x(2) em pelo menos um objetivo.
A partir desse conceito pode-se dizer que existem trs possibilidades de dominncia entre
duas solues x(1) e x(2):
x (1) f x (2) x(1) domina x(2)
x (1) p x (2) x(2) domina x(1)
x (1) ~ x (2) x(1) e x(2) so indiferentes.
Seja uma srie de solues P, o conjunto de solues no-dominadas P, composto por
todas as solues que no so dominadas por nenhum elemento de P. Quando a srie P,
representada por toda a regio factvel, o conjunto no-dominado resultante P, chamado de
conjunto Pareto timo (Deb, 2001).
Os Algoritmos Genticos
As bases tericas para os Algoritmos Evolucionrios (AE) foram propostas por John Holland
na dcada de 1960. Desde ento diversas tcnicas evolucionrias vm sendo desenvolvidas e
aprimoradas, dentre elas os Algoritmos Genticos (AGs). Esses mtodos operam com conjuntos de
candidatos que so constantemente mudados utilizando dois princpios bsicos da evoluo natural
das espcies: seleo e variao. Esses princpios tentam representar a competio onde os
indivduos mais aptos continuam vivos e reproduzem-se passando adiante o seu cdigo gentico
(Deb, 2001).
Devido a sua forma de trabalhar com uma gama de solues a cada gerao, os AGs so
capazes de encontrar vrias solues no dominadas ao longo do processo de otimizao. Essa
propriedade aliada a sua adaptabilidade a diferentes tipos de problemas, tornam os AGs importantes
ferramentas de otimizao multiobjetivo.
Os AGs so regidos basicamente por trs componentes (Vendhuizen, 1999):
populaes de candidatos;
processos de seleo dos candidatos mais aptos;
processos de manipulao gentica, geralmente recombinaes e mutaes.
Fazendo analogia com os processo de seleo natural, as solues candidatas so chamadas de
indivduos, sendo o conjunto dessas selees chamado de populao. No processo de seleo, que
pode ser estocstico ou determinstico, os indivduos de menor adaptabilidade so removidos
enquanto que os indivduos mais aptos se reproduzem gerando descendentes.
A recombinao e a mutao ajudam a gerar novos indivduos a partir da variaes dos
indivduos existentes. O operador de recombinao (crossover), geralmente, efetua a criao de
dois novos indivduos (filhos) a partir de um casal (pais) j existente, utilizando, para simular a
natureza estocstica da evoluo, uma probabilidade de recombinao associada a esse operador.
O operador de mutao responsvel por modificar o indivduo atravs de pequenas variaes no
seu cdigo gentico de acordo com uma probabilidade de mutao.
Baseado nos conceitos acima, a evoluo dos indivduos simulada por um mtodo iterativo
que ser descrito a seguir. Primeiramente, uma populao inicial gerada a aleatoriamente, sendo
esta populao o ponto inicial da evoluo. A seguir, procede-se uma sequncia repetitiva de
processos que consistem em avaliar, selecionar, recombinar e mutar os indivduos, gerando, assim,
novas populaes. Esses processos so efetuados com base na aptido de cada soluo, em que
indivduos com melhores aptides tero uma maior probabilidade de serem selecionados para o
processo de recombinao, passando assim parte dos seus genes futuras populaes. Cada iterao
desse processo recebe o nome de gerao. O nmero mximo de geraes usualmente adotado
como o critrio de parada, porm, existem outras condies tais como: estagnao da populao;
existncia de um indivduo com qualidades suficientemente satisfatrias; entre outras.
A soluo procurada ser o melhor indivduo, ou seja, aquele que tm a maior aptido da
populao final, ou de uma populao dentro do processo.
Neste estudo, o mtodo utilizado baseado no conceito de dominncia Pareto, j que esta
classe de mtodos se mostrou mais eficiente que as outras.
As duas maiores dificuldades enfrentadas para a aplicao dos AGs a problemas
multiobjetivos so (Zitzler, 1999):
acoplar a adaptabilidade aos processos de seleo de modo que a buscar a regio Pareto tima;
manter a diversidade da populao evitando uma convergncia prematura e manter uma boa
distribuio das solues ao longo da fronteira no dominada.
As tcnicas para se alcanar esses dois objetivos sero abordadas a seguir.
- Diviso da aptido
Baseia-se no princpio que indivduos pertencentes mesma regio tm que dividir os
recursos daquele local, permitindo a manuteno da estabilidade de subpopulaes (nichos).
Segundo essa idia, os indivduos localizados na vizinhana de outro iro dividir com ele
a sua aptido. A vizinhana nesse caso, definida em termos da distncia entre dois indivduos
d(i,j), e sujeita a uma zona de influncia denominada de raio do nicho (nicho).
Matematicamente, a aptido, F(i), de um indivduo i ser uma aptido original, F(i),
dividida por um fator de nicho. Dessa forma:
F( i )
F' ( i ) = (2)
s
onde s um fator de diviso dos recursos entre o indivduo e seus vizinhos, que
calculado por:
d(i, j) c
1 - se d(i, j) > nicho
s(d(i, j)) = nicho (3)
0 se d(i, j) nicho
- Restrio de recombinao
A recombinao possvel entre dois indivduos quando os dois pertencem a uma
mesma regio, que limitada por um parmetro de distncia mate. Este mtodo minimiza o
aparecimento dos chamados indivduos natimortos, ou seja, indivduos que apresentam
condies de aptido inferior a seus pais, e melhora tambm a performance do processo de
otimizao.
FUNES OBJETIVO
sendo:
Custo - o custo total de implantao e operao do sistema;
CT(D)i - o custo referente ao dimetro Di utilizado no trecho i;
Li - o comprimento do trecho i;
NT - o nmero de trechos da rede;
CR(H)j - o custo do reservatrio relacionado com a elevao HRj do mesmo;
HRj - a elevao do reservatrio j;
NR - nmero de reservatrios do sistema;
CB(Pot)k - custo do conjunto motor-bomba com potncia Potk;
Potk - potncia do conjunto motor-bomba k;
NB - nmero de conjuntos motor-bomba;
ak - taxa de atualizao do custo de operao;
CEk - custo da energia referente ao conjunto k;
nhk - nmero mdio de horas de utilizao anual do conjunto k;
Essa a formulao mais geral do problema, podendo em alguns casos no constarem um ou
mais termos.
Com base na vazo atendida no n, pode-se estabelecer ento a funo que determine a falha
no sistema. Fujiwara e Li (1998) propuseram maximizar a menor taxa de atendimento da demanda
na rede, ou seja:
Dem j
Max min
req
j = 1..NN
Dem
j
sendo NN o nmero de ns da rede. (8)
ESTUDO DE CASO
O modelo de otimizao proposto neste trabalho foi aplicado a uma rede composta por 9
trechos e 8 ns (Figura 1), proposta por Alperovitz e Shamir (1977). O sistema possui ainda dois
reservatrios, sendo que um deles serve como reservatrio de sobra.
O sistema de distribuio foi submetido a duas situaes de carga. Na primeira, os ns
podem ser abastecidos pelos dois reservatrios na segunda o reservatrio situado no n 1,
enche o reservatrio do n 8. Os dados das demandas, cotas e presses mnimas requeridas
nos ns so mostrados na Tabela 1. O comprimentos dos trechos e coeficientes de perdas de
carga so mostrados na Tabela 2. Os preo dos tubos por metro de comprimento so
apresentados na Tabela 3.
Alm dos dimetros dos trechos, sero encontradas tambm as alturas dos reservatrios. O
custo por unidade de elevao de cada reservatrio foi de 2.000 UMT/m.
Os dados referentes s possveis perdas de gua por vazamentos no sistema foram arbitrados
levando-se em conta valores mdios obtidos na literatura. Para o coeficiente de vazamento foi
considerado como sendo 10-7 m-0,18s-1 para todos os trechos, enquanto que o expoente foi
considerado como sendo 1,18.
Tabela 1 - Dados referentes aos ns da rede Tabela 2 - Dados referentes aos trechos da rede
Presso Comprimento f
Cota Demandas (l/s) Trecho
N Requerida (m)
(m)
(mca) Cond. 1 Cond. 2 1 1000 0.02
1 210 0 0 0 2 1000 0.02
2 150 30 27.8 0 3 1000 0.02
3 160 30 27.8 0 4 1000 0.02
4 155 30 33.3 0 5 1000 0.02
5 150 30 75.0 0 6 1000 0.02
6 165 30 91.6 0 7 1000 0.02
7 160 30 55.6 0 8 1000 0.02
8 195.5 0 0 83.3 9 100 0.02
Tabela 3 - Custo unitrio da tubulao
Diametro Custo Diametro Custo
(mm) (UMT/m) (mm) (UMT/m)
50 5 300 50
3 2
1000 m 1000 m
75 8 350 60 2 1 1
100 11 400 90
150 16 450 130
200 24 500 170 7 3
250 32 - -
Legenda:
5 1000 m Trecho
4
4 N
8
5
Re servatrio 2
9 6
100 m 1000 m
8 7 6
Figura 1 - Layout da rede
Para simulao hidrulica utilizou-se um modelo hbrido baseado nos mtodos da Teoria
Linear e Newton-Raphson. Esse modelo mostrou-se muito eficiente na resoluo na simulao de
sistemas sendo capaz de convergir em poucas iteraes (Nielsen 1989; Souza 1994). A idia
principal desse esquema est capacidade de utilizar as vantagens de cada um dos mtodos. O
mtodo de Newton-Raphson apresenta uma taxa de convergncia pequena, no tendendo a
nenhuma soluo em alguns casos, quando a soluo inicial no se encontra nas proximidades da
soluo final. Para se contornar esse problema, implementa-se, geralmente, sub-rotinas para a
determinao da soluo inicial. O mtodo da Teoria Linear apresenta uma taxa de convergncia
inicial melhor do que o mtodo Newton-Raphson no precisando de valores iniciais to bons. No
entanto, tal mtodo tende a ficar oscilando em torno da soluo final, apresentando dificuldades de
convergncia para sistemas complexos. O mtodo proposto por Nielsen (1989) faz inicialmente
algumas iteraes com o mtodo da Teoria Linear, obtendo-se uma boa aproximao das vazes e
cargas hidrulicas nos ns. Essa aproximao a soluo inicial do mtodo Newton-Raphson, que,
a partir dessa soluo, tende a convergir em um nmero muito pequeno de iteraes.
O simulador hidrulico foi implementado no MATLAB 6.1 sendo capaz de fazer operao de
bombas, reservatrios, vlvulas comuns e redutoras de presso, bem como trabalhar com
vazamentos e demandas dependentes da presso.
A determinao da regio no-dominada foi feita utilizando o Toolbox do para MATLAB
MOEA (Tan et al., 2001). Essa ferramenta utiliza algoritmos genticos e tcnicas evolucionrias
como diviso da aptido e a restrio de acasalamento para determinar a regio Pareto tima.
Neste trabalho se os seguintes parmetros do algoritmo gentico foram utilizados:
- mtodo de seleo: Torneio de 2 indivduos;
- probabilidade de mutao: 0.1;
- probabilidade de recombinao: 0.7;
- nmero de pontos de recombinao: 2.
1 1
0.9 0.9
0.8 0.8
0.7 0.7
Capacidade de Atendimento
Capacidade de Atendimento
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
Figura 2 - Capacidade de atendimento versus custo para Figura 3 - Capacidade de atendimento versus vazamento
populao inicial e primeiras gerees para populao inicial e primeiras gerees
1.00 1.00
0.90 0.90
0.80 0.80
Capacidade de Atendimento
Capacidade de Atendimento
0.70 0.70
0.60 0.60
0.50 0.50
0.40 0.40
0.30 0.30
Figura 4 - Capacidade de atendimento versus custo para Figura 5 - Capacidade de atendimento versus vazamento
diversas geraes para diversas geraes
Tabela 4 - Resultados de algumas solues da 500 gerao
Trecho Diametro (mm) Altura (m) Custo Vaz Cap. de
Indivduo 1 2 3 4 5 6 7 8 9 1 8 (UMT) (l/s) Atend.
11 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.20 0.25 17.98 0 290310 54.6 1.000
21 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.20 0.20 17.98 0 289360 52.9 0.965
37 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.15 0.35 17.37 0 285860 53.8 0.981
47 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.15 0.25 17.98 0 283770 53.2 0.955
60 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.15 0.25 16.16 0 280140 52.3 0.951
65 0.30 0.15 0.30 0.20 0.30 0.25 0.15 0.15 0.35 16.16 0 279720 54.2 0.937
75 0.30 0.15 0.30 0.20 0.30 0.25 0.05 0.20 0.20 17.98 0 275680 52.0 0.917
49 0.30 0.15 0.30 0.20 0.30 0.30 0.05 0.15 0.35 11.31 0 273740 51.1 0.893
22 0.30 0.15 0.30 0.10 0.30 0.25 0.10 0.20 0.20 17.98 0 269040 51.5 0.859
41 0.30 0.15 0.30 0.10 0.30 0.25 0.15 0.20 0.20 11.92 0 261950 49.0 0.800
82 0.30 0.15 0.25 0.10 0.30 0.25 0.15 0.20 0.20 17.98 0 260390 49.5 0.804
98 0.25 0.15 0.30 0.20 0.30 0.25 0.05 0.15 0.20 17.98 0 255460 42.2 0.672
40 0.25 0.15 0.30 0.05 0.25 0.30 0.15 0.15 0.35 17.98 0 253170 44.9 0.680
2 0.25 0.15 0.30 0.20 0.30 0.30 0.05 0.05 0.20 11.92 0 247050 39.4 0.599
12 0.30 0.15 0.30 0.20 0.20 0.20 0.05 0.20 0.20 17.98 0 243160 49.5 0.756
78 0.30 0.15 0.25 0.05 0.25 0.25 0.15 0.15 0.35 17.78 0 239070 48.3 0.714
91 0.25 0.15 0.30 0.05 0.25 0.30 0.15 0.15 0.15 11.31 0 234930 37.2 0.498
97 0.25 0.15 0.30 0.05 0.25 0.25 0.10 0.15 0.35 17.98 0 234440 42.8 0.629
16 0.25 0.15 0.30 0.05 0.25 0.25 0.10 0.15 0.15 11.31 0 216210 35.9 0.470
17 0.30 0.15 0.25 0.05 0.20 0.20 0.15 0.15 0.20 17.58 0 215590 44.8 0.578
19 0.25 0.15 0.25 0.05 0.25 0.20 0.15 0.15 0.20 17.58 0 211320 38.3 0.536
13 0.25 0.10 0.25 0.05 0.25 0.30 0.05 0.20 0.15 9.29 0 208730 33.5 0.392
55 0.25 0.15 0.25 0.05 0.20 0.20 0.15 0.15 0.35 16.16 0 203320 38.5 0.484
94 0.25 0.15 0.25 0.05 0.25 0.20 0.15 0.15 0.20 11.92 0 200010 36.2 0.470
93 0.25 0.15 0.25 0.05 0.20 0.20 0.15 0.15 0.20 16.16 0 199080 37.1 0.473
89 0.25 0.15 0.20 0.05 0.20 0.20 0.15 0.15 0.35 17.78 0 197140 37.3 0.446
42 0.25 0.15 0.25 0.05 0.25 0.20 0.15 0.15 0.15 9.49 0 194510 33.7 0.402
50 0.25 0.15 0.20 0.05 0.20 0.20 0.10 0.15 0.25 17.98 0 189200 36.5 0.389
76 0.25 0.15 0.20 0.05 0.25 0.20 0.15 0.15 0.20 9.90 0 186550 33.9 0.379
81 0.25 0.10 0.25 0.05 0.25 0.20 0.10 0.15 0.15 9.29 0 184020 32.1 0.358
15 0.25 0.15 0.20 0.05 0.25 0.20 0.10 0.10 0.15 11.31 0 178650 31.8 0.301
26 0.25 0.15 0.20 0.05 0.20 0.20 0.15 0.05 0.20 11.92 0 171200 32.8 0.309
33 0.30 0.15 0.25 0.05 0.20 0.20 0.15 0.05 0.20 0.00 0 170470 34.1 0.284
63 0.25 0.15 0.25 0.05 0.20 0.20 0.15 0.15 0.15 0.00 0 166100 29.4 0.249
46 0.25 0.15 0.20 0.05 0.20 0.15 0.10 0.10 0.15 11.31 0 162700 30.6 0.256
53 0.20 0.15 0.20 0.05 0.20 0.20 0.15 0.05 0.15 11.52 0 160320 25.2 0.206
59 0.25 0.15 0.25 0.05 0.20 0.20 0.15 0.05 0.15 1.41 0 158960 28.8 0.243
87 0.20 0.15 0.20 0.05 0.15 0.15 0.10 0.05 0.15 11.92 0 143020 23.9 0.147
27 0.20 0.10 0.20 0.05 0.20 0.20 0.15 0.05 0.20 1.82 0 136540 23.3 0.131
44 0.20 0.10 0.20 0.05 0.20 0.15 0.15 0.05 0.20 1.82 0 130010 21.8 0.114
31 0.20 0.10 0.20 0.05 0.20 0.15 0.15 0.05 0.15 0.00 0 125720 20.6 0.098
52 0.20 0.10 0.20 0.05 0.15 0.15 0.10 0.05 0.20 1.41 0 117630 20.7 0.093
72 0.20 0.10 0.15 0.05 0.20 0.15 0.10 0.05 0.10 1.21 0 116070 18.5 0.063
51 0.20 0.10 0.20 0.05 0.15 0.15 0.10 0.05 0.10 0.00 0 113640 18.7 0.078
7 0.20 0.10 0.15 0.05 0.15 0.15 0.10 0.05 0.10 1.21 0 109530 18.0 0.057
1 0.20 0.10 0.15 0.05 0.15 0.10 0.10 0.05 0.10 0.00 0 102070 17.3 0.039
3 0.20 0.10 0.15 0.05 0.10 0.10 0.10 0.05 0.10 1.21 0 99452 17.2 0.025
8 0.20 0.10 0.15 0.05 0.10 0.10 0.10 0.05 0.05 0.00 0 96535 16.7 0.017
9 0.20 0.10 0.15 0.05 0.15 0.05 0.05 0.05 0.10 0.00 0 92203 16.2 0.000
4 0.20 0.10 0.15 0.05 0.10 0.05 0.05 0.05 0.10 0.00 0 87163 15.7 0.000
1.0
50 0.9
0.8
45
0.7
40
0.6
35 0.5
0.4
30
0.3
25
0.2
20 0.1
0.0
1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8
5
C usto (U M T) 10
Figura 6 - Superfcie no dominada para a aps 500 geraes
CONCLUSES
AGRADECIMENTOS
Os autores agradecem FINEP como agncia financiadora do projeto RECOPE-REHIDRO,
cuja infra-estrutura foi utilizada para o desenvolvimento do presente trabalho. Essa pesquisa contou
tambm com o apoio da Fundao de Apoio Pesquisa do Estado de So Paulo (FAPESP), que
forneceu suporte financeiro ao primeiro autor do trabalho na forma de bolsa de estudo.
REFERNCIAS BIBLIOGRFICAS