Escolar Documentos
Profissional Documentos
Cultura Documentos
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
∂F ∂F
∆F2 = 0,0 = −1,0 + 1,0
∂x1 x0
∂x 2 x0 Prof. Dr. Emilio C. Nelli Silva
4
Exemplo
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
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.
8
Aspectos Práticos da Otimização
Exemplo de Histograma para Eliminação de Restrições
Restrição
Restrições consideradas para
valor de corte igual à 0
4
Aspectos Práticos da Otimização 9
x 0 ← x 0 + δx
Não Sim
Convergiu? Resultado
Prof. Dr. Emilio C. Nelli Silva
5
Aspectos Práticos da Otimização 11
Função básica 1
Função básica 4
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;
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
14
Softwares Comerciais de Otimização Disponíveis
7
15
Softwares Comerciais de Otimização Disponíveis