Aspectos Práticos da Otimização 1

Aproximações
A otimização é realizada aproximando-se a função objetivo e restrições
por funções aproximadoras do tipo Série de Taylor:
1
F(x) ≈ F(x 0 ) + ∇F(x 0 ).δx + δx T H(x 0 )δx + ...
2
onde ∇F(x) indica gradiente, H(x) é a matriz Hessiana e δx = x − x 0 .
A aproximação é atualizada a cada iteração usando o x corrente e o
processo é repetido até que ocorra a convergência.
Principais diferenças em relação ao PLS, PQS, etc..:
• ∇F(x) e H(x) não são atualizados em todas as iterações, apenas
quando não ocorre mais progresso na otimização;
• ∇F(x) e H(x) são calculados resolvendo um sistema de equações
montado com informações do projeto e não pelos métodos já
apresentados.
Prof. Dr. Emilio C. Nelli Silva

2
Aproximações
Cálculo de∇F(x) e H(x)
Supondo que possuímos k tipos de projetos além de x0: x1 , x 2 ,..., x k
cada um com n variáveis de projeto representando uma configuração
diferente e com valores de função F iguais a: F1 , F 2 ,..., Fk.
Substituindo na equação da Série de Taylor:
1 ∂F ∂F
F( x ) ≈ F( x 0 ) + ∇F(x 0 ).δx + δx T H(x 0 )δx  ∆F = δx1 + δx 2 + ... +
2 ∂x1 x ∂x 2 x
0 0

∂F 1
+
∂x n x 2
( )
δx n + H11δx12 + H 22δx 22 + ...H nnδx n 2 + H12δx1δx 2 + ... + H1nδx1δx n +
0

0
+ H 23δx 2δx 3 + ... + H n−1,nδx n-1δx n onde δx i = x i - x i ; ∆F = F - F0 ; i = 1, n
teremos k equações e como incógnitas as componentes de ∇F(x) e H(x),
∂F ∂F ∂F
ou seja: , ,..., e H11 , H12 , ..., H nn , totalizando L=n+n(n+1)/2
∂x1 x0
∂x 2 x0
∂x n x0
incógnitas.
Se k=L há solução direta; Se k>L usa-se mínimos quadrados;
Se k<L somente algumas incógnitas serão calculadas Prof. Dr. Emilio C. Nelli Silva

1
 3
Exemplo

Min F(x) = x1 + x 2 Onde a matriz Hessiana não foi considerada.

T
x
1 1 A solução é: ∇F ≈ (1 1)
tal que g = + − 2 ≤ 0 e para as restrições:
x1 x 2 ∂g ∂g
∆g1 = −0,6667 = 0,5 + 1,0
0,1 ≤ x i ≤ 5 i = 1,2 ∂x1 ∂x 2
x0 x0
Projeto x1 x2 F g ∂g ∂g
2 2 2 4 −1 ∆g 2 = 0,8333 = −1,0 + 1,0
∂x1 x0
∂x 2 x0
1 0,5 2 2,5 0,5 T
 ∇g = (− 1 − 0,1667)
0 1,5 1 2,5 − 0,33
Assim o problema de otimização fica:
Utilizando os 3 projetos disponíveis na
tabela podemos escrever k=2 equações: Min F ≈ 2,5 + δx1 + δx 2
∂F ∂F δx
∆F1 = 1,5 = 0,5
∂x1
+ 1,0
∂x 2 tal que g ≈ −0,33 − δx1 − 0,167δx 2 ≤ 0
− 0,2 ≤ δx i ≤ 0,2 i = 1,2
x0 x0

∂F ∂F
∆F2 = 0,0 = −1,0 + 1,0
∂x1 x0
∂x 2 x0 Prof. Dr. Emilio C. Nelli Silva

4
Exemplo

Onde adotou-se limites móveis iguais a

Na sétima iteração: x = (0,989 1,011)T
0,2. A solução é: T
Solução ótima: x* = (1 1)
δx1 = δx 2 = −0,2; F ≈ 2,1;
T
g ≈ -0,1  x = (1,3 0,8)
Agora essa nova informação pode ser
usada para calcular uma nova
aproximação incluindo H11. Seguindo o
mesmo procedimento anterior:

Min F ≈ 2,1 + δx1 + δx 2

δx
tal que g ≈ 0,0192 − 0,7018δx1 +
2
− 1,6576δx 2 + 5,964δx1 ≤ 0
− 0,2 ≤ δx i ≤ 0,2 i = 1,2
Cuja solução é:
δx = (− 0,1598 0,1252)T 
T
 x = (1,14 0,9252) Prof. Dr. Emilio C. Nelli Silva

2
 5
Aproximações
Mudança de variável
Existem outros tipos de funções aproximadoras obtidas mudando-se a
variável. Por exemplo:
1 n
 ∂g 
y i = y i ( x) =  F(y ) = F(y 0 ) +  (y i - y 0i )   F(x) = F(x 0 ) +
xi i =1  ∂yi  y0

n
 ∂g dyi  n
x  ∂g 
+  (y i (x i ) - yi ( x 0i ) ) /   F(x) = F(x 0 ) +  (x i - x 0i ) 0i  
i =1  ∂x i dx i  x 0 i =1 x i  ∂x i  x
0

Aproximação “Recíproca”
Vantagem: preserva linearidade das variáveis de projeto. Ex.:
Min W = ρAL (Linear) L
A
Min W = ρ B (não - linear)
P 1 B
tal que σ = A ≤ σ (não - linear) B= 
A tal que σ = PB ≤ σ (Linear)
PL PLB
δ= ≤δ (não - linear) δ= ≤δ (Linear)
EA E
Prof. Dr. Emilio C. Nelli Silva

6
Aproximações
Aproximações recíprocas se aplicam bem quando a matriz de rigidez
do elemento estrutural é o produto da variável de projeto por uma matriz
de constantes. Ex.:
matriz deslocamento Aproximação
Recíproca
•Treliças: k = A *C  δ ∝ 1/ A  y = 1/ A
• Membrana: k = t * C  δ ∝ 1/ t  y = 1/ t
• Placas: 3
k = t *C  δ ∝ 1/ t3  y = 1/ t3
• Pórticos: k = f (A, I, C)  δ ∝ 1 / I  y = 1/ I

Cuidado com as restrições de freqüência!!

Aproximações são competitivas quando:
• há poucas variáveis de projeto;
• custo computacional da análise é alto;
• dados experimentais (reduz o número de experimentos necessários);
• podem fornecer um resultado inicial para outro método;
Prof. Dr. Emilio C. Nelli Silva

3
 Aspectos Práticos da Otimização 7

Eliminação de Restrições
Em muitos problemas de otimização devem ser considerados milhares
de restrições de inegualdade. Ex.: restrições locais de tensão mecânica.
No entanto somente algumas serão críticas e as demais poderiam ser
eliminadas do problema. Além disso, existem restrições que são muito
difíceis de calcular (Ex.: agitação das asas de um avião).
Assim, a eliminação de restrições consiste em:
• Eliminar as restrições menos críticas baseadas num valor de corte e
proceder com a otimização com as restrições mais críticas. A cada
iteração ou algumas iterações as restrições consideradas são atualizadas.

• Eliminar as restrições difíceis de calcular, verificando ao final da

otimização a sua validade. Se forem violadas incluí-las e proceder
a otimização com a solução obtida.

Prof. Dr. Emilio C. Nelli Silva

8
Aspectos Práticos da Otimização
Exemplo de Histograma para Eliminação de Restrições

Restrição
Restrições consideradas para
valor de corte igual à 0

Restrições consideradas para

valor de corte igual à -0,3

Região 1 Região 2 Região 3

Prof. Dr. Emilio C. Nelli Silva

4
 Aspectos Práticos da Otimização 9

Algoritmo para projeto de treliça usando aproximação recíproca

eliminação de restrições:
Dados Iniciais

Eliminação de restrições que não são críticas

Calcular gradientes, funções objetivo e

restrições no espaço recíproco (B=1/A)

Resolver o problema aproximado:

Min F( x)
x g j (x) ≈g j (x 0 ) + ∇ Bg j (x 0 ).δx ≤ 0
tal que
δx i L ≤ δx i ≤ δx i U i = 1, n

x 0 ← x 0 + δx
Não Sim
Convergiu? Resultado
Prof. Dr. Emilio C. Nelli Silva

Aspectos Práticos da Otimização 10

“Fully-Stressed Design (FSD)”

Não é um método de otimização, mas uma técnica de projeto que tem
sido usada por muitos anos. A idéia é projetar uma estrutura com
distribuição uniforme de tensão. Como resultado também obtém-se
a redução do peso (embora não esteja presente na formulação).
Assim, para treliças temos:
 σ ij velho  f 
Ai
novo
= max  A i
j=1, NLC σ
 ou A i novo = max  ij 
j=1, NLC σ
(A i
novo
≥ A min )
   
Número de Tensão ou compressão
casos de carga

Solução imediata para estruturas isostáticas (forças não dependem das

áreas). Para estruturas hiperestáticas necessita de iterações.
No caso de tensões de flambagem:
1/ 2
f CA  fL2  Assim para cada caso deve-se
σ f = = − 2  A i novo =   deduzir uma fórmula de atualização.
A L  C 
Prof. Dr. Emilio C. Nelli Silva

5
 Aspectos Práticos da Otimização 11

Utilização de Funções Base

Considere o problema de otimização aerodinâmica de um perfil de asa.
A forma do perfil da asa pode ser obtida pela combinação linear da
forma de perfis pré-existentes:
Y =a1Y1 + a 2 Y 2 + ... + a n Y n
onde Y1 , Y 2 ,..., Y n contém as coordenadas dos perfis, constituindo numa
base numericamente definida de perfis de asa e a1 , a 2 ,...,a n são as
variáveis de projeto. Assim o problema de otimização consiste em
encontrar os coeficientes dessa combinação linear.
Exemplo de base:

Função básica 1
Função básica 4

Função básica 2 Função básica 5

Função básica 6 Prof. Dr. Emilio C. Nelli Silva

Função básica 3

12
Utilização de Funções Base
Vantagens:
• as formas de perfis de asa não são bem representadas por polinômios
(qualquer tipo) ou funções “spline” gerando problemas no condicio-
namento numérico e no resultado da otimização;
• reduz o número de variáveis de projeto e o custo computacional;
• permite o projetista utilizar projetos existentes de perfis de asa;
• permite alterar apenas porções do perfil;
• essa base pode ser ampliada com os novos perfis otimizados;
• muito eficiente quado usado juntos com técnicas de aproximação;

Exemplo: projeto de um perfil para M=0,1 e ângulo de ataque de 6º.

Max CL CL - coeficiente de sustentação
x CM - coeficiente de momento “pitching”
tal que C M ≤ 0,05 CP - coeficiente de pressão na superf. Superior
C p ≤ 2 em x/c = 0,01 A - área da seção do perfil
c - comprimento da corda da asa
A ≥ 0,075c2 Prof. Dr. Emilio C. Nelli Silva

6
 13
Utilização de Funções Base
Aerodinâmica invíscida é considerada não há coeficiente de arrasto
Resultado:
Projeto Inicial Projeto Ótimo
Fig. C L CM A t/c Camber Fig. C L CM A t/c Camber
a 0,985 - 0,056 0,08 - - a 1,085 - 0,074 0,088 - -
b, c 0,986 - 0,065 0,08 0,12 0,02 b 1,478 - 0,072 0,171 0,253 0,14
d 0,986 - 0,065 0,08 0,12 0,02 c 1,106 - 0,075 0,103 0,149 0,04
d 1,144 - 0,075 0,075 0,15 0,04

a) Perfil representado por polinômios.

Perfil representado usando funções
bases. Resultado não realístico foi Algoritmo
b) obtido pelo fato da viscosidade não ser de análise
considerada. deve incluir
viscosidade.
c) Perfil representado usando funções
bases. Restrições de geometria foram
impostas.
d)
inicial Resultado obtido usando aproximações.
ótimo Prof. Dr. Emilio C. Nelli Silva

14
Softwares Comerciais de Otimização Disponíveis

• TSO (WASP) - projeto preliminar da asa e cauda de aviões com

restrições aeroelásticas - combina análise estrutural (modelos
simplificados) e otimização (método de penalização interior);
• ACCESS, FASTOP, OPSTAT, OPTCOMP, OPTIMUM, ASOP,
STARS, DESAP - integram MEF específicos com otimização;
• OPTSYS - integra os programas de MEF genérico ABAQUS e
ASKA com algoritmos de otimização;
• ASTROS - baseado no NASTRAN;
• NISAOPT (SHAPE e STROPT) - baseado no NISA II;
• ADS, DOT e DOC (empresa VMA) - derivados do CONMIN.
DOT é uma coleção de subrotinas em FORTRAN para otimização.
DOC é um programa de controle que facilita o uso do DOT;
• NEWSUMT - pacote de otimização baseado em métodos de pena-
lização;
Prof. Dr. Emilio C. Nelli Silva

7
 15
Softwares Comerciais de Otimização Disponíveis

• OPT - software de otimização baseado no algoritmo de gradientes

reduzidos;
• IDESIGN - software de otimização baseado no PQS (ou “SQP”);
•NASTRAN, I-DEAS, ANSYS - possuem algoritmos de otimização,
cálculo de sensibilidade, e otimização topológica baseado no método
das densidades;
• GENESYS - apresenta o MEF já integrado com algoritmos de
otimização, incluindo otimização topológica;
• OPTSTRUCT (empresa ALTAIR - EUA) e OPTISHAPE (empresa
QUINT - Japão) - softwares de otimização topológica baseados no
método de homogeneização;
• EXCEL – apresenta algoritmos de otimização
Existem vários softwares de otimização, mas os citados acima são os
mais populares em otimização estrutural.
Prof. Dr. Emilio C. Nelli Silva