Escolar Documentos
Profissional Documentos
Cultura Documentos
(2017) Otimização de Pórticos Planos de Concreto Armado Utilizando Ajuste de Parâmetros e Operadores Do Algoritmo Génetico
(2017) Otimização de Pórticos Planos de Concreto Armado Utilizando Ajuste de Parâmetros e Operadores Do Algoritmo Génetico
Recife
2017
0
Recife
2017
Catalogação na fonte
Bibliotecária Rosineide Mesquita G. Luz, CRB-4 / 1163
UFPE
defendida por
Banca Examinadora:
___________________________________________
Prof.ª Dr.ª Silvana Maria Bastos Afonso da Silva – UFPE
(orientadora)
___________________________________________
Prof. Dr. Leonardo Correira de Oliveira – UFPE
(examinador externo)
___________________________________________
Prof. Dr. Renato de Siqueira Motta – UFPE
(examinador interno)
A Deus, que me deu forças para persistir
e conseguir chegar ao fim, e a minha
família, pelo apoio incondicional durante
toda minha vida.
AGRADECIMENTOS
Agradeço a todos que contribuíram de forma direta e indireta para realização desse
trabalho.
RESUMO
1 INTRODUÇÃO 14
1.1 CONSIDERAÇÕES GERAIS ......................................................................... 14
1.2 MOTIVAÇÃO ................................................................................................. 15
1.3 OBJETIVO ...................................................................................................... 15
1.4 METODOLOGIA ............................................................................................ 15
1.5 ORGANIZAÇÃO DA DISSERTAÇÃO ......................................................... 16
2 OTIMIZAÇÃO 18
2.1 INTRODUÇÃO ............................................................................................... 18
2.2 FORMULAÇÃO MATEMÁTICA DO PROBLEMA DE OTIMIZAÇÃO ... 19
2.3 ELEMENTOS QUE CONSTITUEM UM PROBLEMA DE OTIMIZAÇÃO 20
2.3.1 Variáveis de projeto ....................................................................................... 20
2.3.2 Função objetivo .............................................................................................. 21
2.3.3 Restrições ........................................................................................................ 22
2.4 TÉCNICAS DE OTIMIZAÇÃO ..................................................................... 23
3 ANÁLISE E OTIMIZAÇÃO ESTRUTURAL 26
3.1 INTRODUÇÃO ............................................................................................... 26
3.2 REVISÃO DE LITERATURA ........................................................................ 29
3.3 DIMENSIONAMENTO DE ESTRUTURAS EM CONCRETO ARMADO 31
3.3.1 Hipóteses de cálculo ....................................................................................... 31
3.3.2 Análise estrutural ........................................................................................... 33
3.3.3 Estabilidade de uma estrutura ...................................................................... 34
3.3.4 Procedimento empregado para análise estrutural ...................................... 35
3.3.5 Critério de ruptura das seções de concreto armado ................................... 39
3.3.6 Considerações sobre o cálculo de pilares ..................................................... 41
3.3.7 Considerações sobre o cálculo de vigas ........................................................ 44
3.3.8 Introdução ao cálculo de pórticos planos..................................................... 46
3.3.9 Formulação do dimensionamento ótimo em problemas estruturais ......... 48
3.3.10 Exemplos para validação ............................................................................... 48
3.3.10.1 Viga simplesmente apoiada ............................................................................. 48
3.3.10.2 Pórtico plano .................................................................................................... 51
3.3.10.3 Conclusão......................................................................................................... 53
4 ALGORITMO GENÉTICO 54
4.1 INTRODUÇÃO ............................................................................................... 54
4.2 OPÇÕES DO ALGORITMO GENÉTICO E OPERADORES GENÉTICOS 56
4.2.1 Representação dos indivíduos ....................................................................... 57
4.2.2 Geração da população inicial ........................................................................ 58
4.2.3 Escalonamento e seleção dos indivíduos ...................................................... 58
4.2.4 Crossover ........................................................................................................ 59
4.2.5 Mutação .......................................................................................................... 59
4.2.6 Elitismo ........................................................................................................... 61
4.2.7 Critérios de parada ........................................................................................ 61
4.3 AJUSTE DE PARÂMETROS ......................................................................... 61
4.3.1 Impacto dos operadores do GA no processo de otimização ....................... 65
4.3.2 Parâmetros mais comumente ajustados....................................................... 67
4.3.2.1 Mutação ........................................................................................................... 67
4.3.2.2 Crossover ......................................................................................................... 68
4.3.2.3 Tamanho da população .................................................................................... 68
4.4 FERRAMENTA PROPOSTA ......................................................................... 69
4.4.1 Algoritmo genético utilizado ......................................................................... 69
4.4.2 Método de penalização adaptativa (APM) .................................................. 70
4.4.3 Objetivo principal da ferramenta proposta ................................................ 71
4.4.4 Implementação ............................................................................................... 73
4.4.5 Descrição do algoritmo .................................................................................. 74
5 CASOS ESTUDADOS 79
5.1 INTRODUÇÃO ............................................................................................... 79
5.2 APLICAÇÃO 1: EXEMPLOS NUMÉRICOS (FUNÇÕES ANALÍTICAS) . 80
5.3 APLICAÇÃO 2: PÓRTICOS PLANOS.......................................................... 83
5.3.1 Problema PF1 ................................................................................................. 89
5.3.1.1 Apresentação .................................................................................................... 89
5.3.1.2 Resultados ........................................................................................................ 90
5.3.2 Problema PF2 ................................................................................................. 92
5.3.2.1 Apresentação .................................................................................................... 92
5.3.2.2 Otimização ....................................................................................................... 93
5.3.2.3 Resultados ........................................................................................................ 97
5.3.3 Problema PF3 ............................................................................................... 104
5.3.3.1 Apresentação .................................................................................................. 104
5.3.3.2 Otimização ..................................................................................................... 110
5.3.3.3 Resultados ...................................................................................................... 112
5.4 CONCLUSÕES GERAIS .............................................................................. 115
6 CONSIDERAÇÕES FINAIS 119
6.1 DESENVOLVIMENTOS .............................................................................. 119
6.2 CONCLUSÕES GERAIS .............................................................................. 120
6.3 SUGESTÕES PARA TRABALHOS FUTUROS ......................................... 121
REFERÊNCIAS.............................................................................................122
APÊNDICE A – PARÂMETROS E OPERADORES DO GA DO
MATLAB....................................................................................................... 127
14
1 INTRODUÇÃO
1.2 MOTIVAÇÃO
1.3 OBJETIVO
1.4 METODOLOGIA
2 OTIMIZAÇÃO
2.1 INTRODUÇÃO
De acordo com Silva (2009), a otimização pode ser definida como o estudo de um
conjunto de técnicas que têm como objetivo obter melhor resultado para uma função e
parâmetros (variáveis de projeto) pré-especificados dentro de um conjunto permitido
(espaço de projeto viável). Os problemas de engenharia geralmente envolvem um grande
número de variáveis, então cabe ao projetista encontrar uma combinação para que estas
resultem em um projeto mais eficiente e econômico possível.
O interesse pelos processos de otimização tem aumentado com o avanço dos
recursos computacionais. As técnicas têm avançado rapidamente e progresso
considerável tem sido obtido, e agora problemas complexos de otimização são passiveis
de serem solucionados utilizando as técnicas e recursos disponíveis.
Não existe uma única técnica de otimização que possa ser aplicada de maneira
eficiente em todos os problemas e a escolha depende das características da função
objetivo, da dimensão do problema, da natureza das restrições e tipo das variáveis.
As principais etapas do projeto de otimização de um produto podem ser resumidas
no fluxograma apresentado na Figura 1. No caso do sistema estrutural de uma ponte, por
exemplo, as etapas consistem em:
• Concepção do projeto:
Definição do uso do produto que será otimizado, que implica na definição do
comprimento e largura do vão, quantidade de pistas e cargas que são esperadas para atuar
na estrutura, etc.;
Definição de concepção da estrutura (treliçada, estaiada, em arco) e do material
(concreto, aço, mista);
• Elaboração do problema de otimização:
Definição da função objetivo (minimização do custo, peso da estrutura) e das
Variáveis de projeto (seções transversais, por exemplo);
Definição das restrições (relacionadas às tensões máximas, deslocamentos
máximos, condições de apoio, etc.);
• Detalhes e desenvolvimento do modelo para o processo:
Definição do tipo de análise e da forma de condução da análise estrutura;
Definição de estratégias para simplificação do problema e de metodologias para
lidar com restrições, etc.;
19
• Análise crítica:
Análise da solução obtida e da sensibilidade frente a variações em parâmetros dos
modelos e as hipóteses adotadas.
variável x (corrente) e valor limite superior da mesma. Da mesma forma pode ser obtida
a normalização para restrições com limite inferior.
2.3.3 Restrições
por natureza x L x xU ;
2) De comportamento: determinadas através de especificações de funções que
dependem das variáveis de projeto, impondo a limitação das mesmas a um
semi-espaço, através de funções de desigualdade, ou em superfície, através de
funções de igualdade.
O espaço de projeto é delimitado pelas restrições geométricas, e a viabilidade do
projeto é determinada pela intersecção entre o espaço delimitado pelas restrições
geométricas e as restrições de comportamento. Uma restrição de desigualdade gi (x) ≤ 0
é dita ativa para um ponto x* quando gi (x*) = 0, é dita inativa ou passiva se gi (x*) < 0 e
dita violada se gi (x*) > 0. Uma restrição de igualdade hi (x) = 0 é dita violada para um
ponto x* de um dado projeto se hi (x*) é diferente de zero, e ativa caso contrário (Torres,
2001). Na Figura 3 é ilustrado um exemplo de representação gráfica de um problema de
otimização bidimensional envolvendo restrições de desigualdade. No ponto ótimo,
indicado na figura, todas as restrições estão ativas (gi (x*) = 0).
3.1 INTRODUÇÃO
Figura 6 - Exemplo de otimização da geometria, que envolve achar a função 𝜼(𝒙) que descreve a forma
de uma viga genérica.
A NBR 6118 (ABNT, 2014) define no item 17.2.2 as seguintes hipóteses para
análise dos esforços resistentes de uma seção de viga ou pilar no Estado Limite Último
(ELU)1:
a) A seção transversal do elemento permanece plana e normal ao eixo do
elemento estrutural após a deformação. Dessa hipótese resulta uma
distribuição linear das deformações normais ao longo da altura das seções
transversais;
b) Aderência perfeita entre concreto e aço (não escorregamento entre esses
materiais);
c) É desprezada a resistência à tração do concreto, sendo esta resistido apenas
pelas armaduras.
d) Para o concreto em compressão, é empregado o diagrama parábola-retângulo
mostrado na Figura 7, em que 𝜀𝑐 é a deformação e 𝜎𝑐 a tensão de compressão
no concreto e fcd é a resistência à compressão de cálculo do concreto, dada pela
razão entre o fck (resistência característica do concreto) e 𝛾𝑐 (coeficiente parcial
de segurança), mostrada na Eq.(5). As deformações 𝜀0 e 𝜀𝑢 são em geral
adotadas como 2‰ e 3.5‰, respectivamente.
1
ELU é o estado limite relacionado ao colapso, ou qualquer outra forma de ruína estrutural, que determine
a paralisação do uso da estrutura.
32
fck
fcd (5)
c
A NBR 6118/2014 define, nos itens 14.2.1 e 14.2.2, a análise estrutural a partir de
seus objetivos e princípios da seguinte forma: “O objetivo da análise estrutural é
determinar os efeitos das ações em uma estrutura, com a finalidade de efetuar
verificações dos estados-limites últimos e de serviço”. A análise estrutural permite
estabelecer as distribuições de esforços internos, tensões, deformações e deslocamentos,
em uma parte ou em toda a estrutura.
A análise estrutural deve ser feita a partir de um modelo estrutural adequado ao
objetivo da análise. Em um projeto pode ser necessário mais de um modelo para realizar
as verificações previstas nesta Norma. O modelo deve representar a geometria dos
elementos estruturais, os carregamentos atuantes, as condições de contorno, as
características e respostas dos materiais, sempre em função do objetivo específico da
análise. A resposta dos materiais pode ser representada por um dos tipos de análise
estrutural apresentados nos itens 14.5.1 a 14.5.5 da referida norma (NBR 6118/2014). Os
tipos de análise estrutural que a norma aborda são:
a) Análise Linear: admite-se comportamento elástico-linear para os materiais. Na
análise global, as características podem ser determinadas pela seção bruta de
concreto e na eventualidade da fissuração, deve ser considerada para análise
local de deslocamentos. Geralmente são empregados para verificação de
Estados Limites de Serviço (ELS)2 e podem servir de base para o
dimensionamento de elementos estruturais no ELU desde que se garanta uma
ductilidade mínima às peças.
b) Análise Linear com Redistribuição: “os efeitos das ações, determinadas em
uma análise linear, são redistribuídos na estrutura, para as combinações de
carregamento do ELU.” Não se recomenda utilizar esse tipo de análise nas
verificações de serviço e, quando utilizadas para verificar ELU, as condições
de equilíbrio e ductilidade devem ser obrigatoriamente satisfeitas e esforços
internos devem ser recalculados.
c) Análise Plástica (item 14.5.4): A análise estrutural é denominada plástica
quando as não linearidades puderem ser consideradas, admitindo-se materiais
de comportamento rígido-plástico perfeito ou elastoplástico perfeito. Este tipo
2
Item 10.4 NBR 6118 (2014): Estados-limites de serviço são aqueles relacionados ao conforto do usuário
e à durabilidade, aparência e boa utilização das estruturas, seja em relação aos usuários, seja em relação às
máquinas e aos equipamentos suportados pelas estruturas.
34
de análise deve ser usado apenas para verificações de ELU. A análise plástica
de estruturas reticuladas não pode ser adotada quando: a) se consideram os
efeitos de segunda ordem global; b) não houver suficiente ductilidade para que
as configurações adotadas sejam atingidas.
d) Análise não-linear: admite-se comportamento não-linear para os materiais e
pode ser usada tanto para verificações no ELU como no ELS. Neste caso, toda
a geometria da estrutura bem como suas armaduras precisam ser conhecidas
para que esse tipo de análise possa ser conduzido visto que a resposta da
estrutura depende de como ela foi armada. Devem ser satisfeitas as condições
de equilíbrio, compatibilidade e ductilidade.
e) Análise através de modelos físicos: o comportamento estrutural é
determinado a partir de ensaios realizados com modelos físicos de concreto.
Esse tipo de análise é recomendado quando os modelos de cálculo são
insuficientes.
Neste trabalho foi utilizado o Método dos Elementos Finitos (MEF) para a análise
estrutural. Essa técnica numérica tem sido muito empregada por projetistas e
pesquisadores nos campos da Engenharia por ser versátil e poder ser aplicada a problemas
que envolvem diferentes tipos de seções transversais, carregamentos, condições de apoio,
36
materiais etc. (Liang, 2005). Para aplicação do MEF foi feita a implementação no
ambiente do MATLAB (rotina principal mef_pf.m) e aferição dos resultados por meio da
comparação com os deslocamentos e esforços obtidos para o pórtico modelado no SAP
2000 (um exemplo de comparação dos resultados é apresentado no Capítulo 5). Vale
ressaltar que todas as análises foram conduzidas considerando estrutura de pórtico não
contraventado. No MEF o pórtico é definido como uma série de elementos lineares
rigidamente conectados, em que as vigas e pilares são representados pelos seus eixos
baricêntricos. Cada elemento, representado na Figura 10, possui 2 nós, cada nó com 3
graus de liberdade (duas translações dx, dy e uma rotação ϕz).
Figura 10 – Forças atuantes no elemento de viga com 3 graus de liberdade por nó.
ˆ
K T T kT (8)
Na rotina mef_pf.m para análise de segunda ordem foi implementado o
procedimento iterativo em que a matriz de rigidez e os esforços tem seus valores
corrigidos até que seja atingida a convergência. Esta matriz de rigidez local das barras de
rigidez EI submetidas a flexo-compressão considera as funções de estabilidade C e S
dadas na Eq. (9) e Eq. (10) (Schuwartz et al, 2016).
37
L 4 EI 2 PL 44 P 2 L3
C (9)
EI L 15 25000 EI
L 2 EI PL 26 P L
2 3
S
(10)
EI L 30 25000 EI
não-linear kˆnl é dada na Eq. (11) e considera efeitos axiais, cortante e flexão (quando
P=0, C=2 e S = 2 esta corresponde à matriz para análise de 1º ordem).
EA EA
L 0 0 0 0
L
0 2 EI
(C S )
P EI
(C S ) 0
2 EI
(C S )
P EI
(C S )
L3 L L2 L3 L L2
0 EI EI EI EI
(C S ) C 0 2 (C S ) S
ˆ L2 L L L
knl (11)
EA EA
0 0 0 0
L L
2 EI P EI 2 EI P EI
0 3
(C S ) (C S ) 0 (C S ) 2 (C S )
L L L2 L3
L L
EI EI EI EI
0 (C S ) S 0 2 (C S ) C
L2 L L L
Figura 11- Fluxograma do MEF com análise não-linear (implementado neste trabalho).
Para obtenção do momento final de segunda ordem global, são realizadas algumas
iterações até que a posição de equilíbrio seja atingida (Moncayo, 2011).
V '
P (i
i ) (12)
i 1
hi
H ' V 'i 1 V 'i (13)
(a) (b)
Fonte: Moncayo (2001, p.54)
A ruína de uma seção transversal pode ocorrer por ruptura do concreto ou por
deformação excessiva da armadura. Na Figura 14 são mostrados os estados (domínios de
40
Tabela 1 - Resumo dos domínios em função das condições de solicitação da seção transversal.
le (14)
i
sendo
I
i (15)
A
em que:
le = comprimento de flambagem do pilar e é em função do comprimento real (L) do
mesmo e das vinculações na base e no topo;
i = raio de giração da seção geométrica da peça (sem consideração de armadura na seção);
I = momento de inércia;
A = área de seção.
O limite que define cada categoria acima apresentada depende do índice de
esbeltez, da excentricidade relativa de primeira ordem e da forma do diagrama de
momentos de primeira ordem (Araujo, 2010).
Os pilares ainda podem ser classificados, de acordo com a posição na estrutura,
como:
a) Intermediários: correspondem aos apoios intermediários das vigas. Considerando
apenas o carregamento vertical atuante nelas, os momentos transmitidos a esses
pilares são pequenos e, em geral, podem ser desprezados. Quando as vigas
adjacentes possuem carregamento ou vão muito diferentes (não simetria), pode
ser necessário considerar os momentos transmitidos pelas vigas. Dessa forma, um
pilar intermediário contraventado (Araujo, 2010), em geral e excluindo erros de
execução ou excentricidade na posição das vigas em relação ao seu eixo, está em
uma situação de compressão centrada (também conhecida como compressão
simples ou uniforme).
b) De extremidade: nesse caso os momentos transmitidos devem ser considerados e
a situação de projeto é de flexo-compressão normal (ou seja, a força normal e o
momento fletor atuam em uma direção). Este é o tipo estudado neste trabalho e é
ilustrado na Figura 15.
c) De canto: a situação de projeto é flexo-compressão oblíqua (ou seja, força
normal e momentos fletores que atuam nas duas direções principais do pilar), já
que devem ser considerados os momentos de ambas as vigas que nele terminam.
43
0.5 ( 1 ) , se 1 (17)
armadura são estabelecidos para que, se a falha no concreto vier a ocorrer, esta possa se
desenvolver gradualmente. Em relação ao cortante, como uma falha devido a esse esforço
é frequentemente repentina e frágil, a concepção de projeto deve garantir que a resistência
ao cisalhamento seja igual ao superior à resistência à flexão em todos os pontos da viga.
O dimensionamento à flexão deve ser feito sempre de forma que a ruptura ocorra
no domínio 2 ou 3, ou seja, seja caracterizada com o comportamento dúctil para o aço,
com o escoamento do mesmo no momento da ruptura. No caso das vigas, durante o
processo de otimização é conduzida a verificação da capacidade resistente para uma dada
seção transversal de concreto armado com as dimensões e armaduras conhecidas. Essa
verificação consiste em determinar o momento fletor que leva a seção à ruína. A equação
básica de segurança à flexão é dada na Eq.(18) a resistência nominal da seção reduzida
do fator de segurança deve ser menor ou ao momento último calculado a partir das
cominações de carga majoradas.
Mn Mu (18)
Minimize F = f pm , p j , ps (24)
10 b 40
10 As 40
50
qL2
M sd 1, 4 (26)
8
f yd As
M rd f yd As d (27)
2 b 0,85 f cd
O problema foi testado para diferentes valores de . Da mesma forma que para
o problema da viga simplesmente apoiada, o pórtico foi otimizado por Horowitz (1998)
e Torres (2001) utilizando Programação Quadrática Sequencial (PQS), disponível no
MATLAB, e o algoritmo de 1ª ordem do módulo de otimização do ANSYS,
respectivamente. No presente trabalho foi utilizado o GA com 100 gerações, 20
indivíduos na população e os demais parâmetros foram mantidos os valores padrão
(Mathworks, 2014). Para =1, os resultados são mostrados na Tabela 4 e a convergência
do GA ocorreu na 2ª geração.
3.3.10.3 Conclusão
4 ALGORITMO GENÉTICO
4.1 INTRODUÇÃO
PROBLEMAS DE
GENÉTICA
OTIMIZAÇÃO
CROMOSSOMO INDIVÍDUO
GENE VARIÁVEL
Figura 22 - Esquema para representação de um problema com 5 dimensões (5 variáveis de projeto) e com
3 indivíduos (possíveis soluções).
sugerido por Gen & Cheng (2000)). As opções dos operadores do GA do MATLAB são
apresentadas no Apêndice A.
+
Cromossomo 1000110101 12345 1.23 1.45 2.35 4.55 1.07
a b
i 1
psi pmin ( pmax pmin )
N 1
(30)
c) Roleta: também é conhecida como amostragem estocástica uniforme ou ainda
como seleção proporcional onde a chance de um indivíduo ser escolhido é dada pela
Eq.(29). Esse esquema de seleção se restringe a problemas em que todas as aptidões são
maiores ou iguais a zero. Além disso, pode ser que um indivíduo venha a possuir uma
aptidão muito superior aos demais e esse comportamento impede que outros contribuam
para sua evolução. Isso pode causar uma convergência prematura.
4.2.4 Crossover
4.2.5 Mutação
Mutação é o nome dado aos operadores de variação que usam apenas um pai para
gerar um filho através da aplicação de uma mudança randômica no gene do indivíduo. O
60
Figura 24 - Tipos de mutação por tipo de codificação. (a) Inversão de bit (codificação binária); (b)
Mudança de ordem e (c) Inserção (codificação por permutação); (d) Adição (ou subtração) de número
pequeno a determinadas posições do gene.
4.2.6 Elitismo
Figura 27 - Resumo de pesquisas recentes desenvolvidas sobre ajuste de parâmetros, divididas por tipo de
técnica utilizada.
9%
Online - Adaptativo
17%
Online - Determinístico
Online - Agregado
54% Off-line
9%
Outros
11%
Fonte: Criado a partir dos dados apresentados em André & Parpinelli (2014).
Figura 28 - Resumo de pesquisas recentes desenvolvidas sobre ajuste de parâmetros, divididas por
parâmetro ajustado.
3%
8%
Probabilidade Mutação
Probabilidade Crossover
Fonte: Criado a partir dos dados apresentados em André & Parpinelli (2014).
Figura 31 - População final e resultados obtidos para as taxas de cruzamento de 0,2, 0,5 e 0,8.
4.3.2.1 Mutação
Quando se refere ao ajuste da mutação, tanto pode ser ajustada a taxa de aplicação
de mutação (pm) quanto o passo da mutação ( ), também conhecido como desvio padrão
da distribuição Gaussiana. Uma direção seguida pela pesquisa da variação de pm reside
na especificação de certo tempo para alterar a taxa, em função do número de gerações.
Posteriormente foi proposta uma variação exponencial de pm ao longo da rodada. Um
argumento sobre uma taxa de mutação dependente do tempo é discutida em Bäck (1992).
Hesser & Männer (1991) sugeriram um esquema em que a taxa de mutação depende do
contador de tempo T (número de gerações), dado pela Eq.(31).
T
( )
e 2
pm (31)
L
onde α, β e γ são constantes e L é o tamanho do cromossomo.
68
4.3.2.2 Crossover
tamanho da população diminui durante o período de lenta convergência (ou seja, para
aumentar o tamanho da porcentagem de envolvimento).
No trabalho apresentado por Arabas et al (1994) é introduzido o GAVaPS e o
conceito de idade do cromossomo, que é equivalente ao número de gerações que aquele
cromossomo permanece vivo. O GAVaPS não opera com mecanismo de seleção. Quando
o cromossomo nasce, um tempo de vida é associado a ele. Embora essa estratégia não
tenha obtido muito sucesso, o autor destaca a necessidade de conduzir mais investigações.
lb x ub
Para se utilizar o GA com as opções default, a sintaxe geral é:
[x,fval,exitflag,output,population,score]=ga(fitnessfcn,nvars,A,b,Aeq,beq,lb,ub,noncolon,options)
f ( x ) j v j ( x) caso contrário
(33)
j 1
71
onde
f ( x) se f ( x ) f ( x) ,
f ( x) (34)
f ( x) caso contrário
vl ( x )
j f ( x) m
v ( x)
2 (35)
l
l 1
Neste trabalho, essa metodologia foi implementada no ambiente do MATLAB
para ser usada com o GA (Oliveira, 2013).
(GA1) Minny f ( x* ( y ))
yR
(36)
sujeito a y yi y , i 1..ny
l u
i i
Crossover
Identificação Tipo
2 Scattered
3 Single Point
4 Intermediate
5 Heuristic
6 Arithmetic
Mutação
Identificação Tipo
1 Gaussian
2 Adaptfeasible
3 Uniform
Fonte: Elaborado pelo autor.
4.4.4 Implementação
GA1 envia o
vetor y, contendo
o tamanho da
população, para
GA2
f(x*(y)) é
enviado para GA2 interpreta
GA1 como a y como o
aptidão da tamanho da
função utilizando população
y
GA2 otimiza a
função analítica
através do uso do
tamanho da
população y
recebido de GA1
É importante destacar que uma vez que o valor ótimo é recebido de GA2, ele é
normalizado da seguinte forma:
f ( x *( y ))GA2
f ( x *( y)) 0, 01 y(1) (38)
fpad
75
• GA2
A função objetivo de GA2 é a função alvo original f(x). O algoritmo GA é
executado com os parâmetros informados em y. No problema unidimensional acima, y é
o vetor com valores de tamanho da população. Assim que GA2 converge, o valor
correspondente de f(x) para o dado tamanho da população é retornado para GA1, como
pode ser visto na Figura 36. O processo descrito para uma variável (tamanho da
população) é basicamente o mesmo empregado quando a metodologia é aplicada aos
parâmetros expostos na Tabela 6 onde ny = 9.
77
function f=F(y)
4. Substitution of default specifications for the parameters
[nindiv,ny] = size (y) settings sent from GA1 to optimize the target function
labSend (nindiv,2)
options = gaoptimiset ('PopulationSize',xps,'Generations',gen)
for i = 1:nindiv
5. GA call
labSend (y(i,:),2) [x,f]=ga(@ftarget,n,[],[],[],[],lb ,ub ,[],options);
f(i) = labReceive(2)
o = 0;
f = 1 + sum(x.^2/4000)-prod(cos(x./sqrt(a)));
5 CASOS ESTUDADOS
5.1 INTRODUÇÃO
Problema Função n lb ub f*
P1 Dixon Price Min 12 -10 10 0
P2 De Jong’s Min 10 -5,12 5,12 0
P3 Rosebrock’s Min 10 -5 5 0
Valley
P4 Griewangk Min 10 -600 600 0
P5 Michalewicz Min 10 0 π -9,66
P6 Rastrigin Min 10 -5,12 5,12 0
Fonte: Elaborado pelo autor.
n
f ( x) xn2
De Jong’s i 1
n 1
Rosenbrock’s f ( x) {100[ x n 1 xn2 ]2 [1 xn ]2 }
Valley n 1
1 n 2 n
x
Griewangk
f ( x) xi cos i 1
4000 i 1 i 1 i
2m
ix2
Michalewicz
f(x⃗) = - ∑ni=1 sin(xi ) [sin( πi )] , para m = 10
n
f ( x) 10n xi2 10cos(2 xi )
Rastrigin i 1
• Linha 2.7: para alguns testes são utilizados os aços do padrão brasileiro e em
outros foi utilizado padrão internacional para fins de comparação de resultados
apresentados nas respectivas referencias. A equivalência ao sistema métrico de
barras apresentadas nesse estudo é apresentada na Tabela 14. A identificação das
barras utilizadas será sempre feita usando as nomenclaturas apresentadas na
coluna “ID” da referida tabela.
• Linha 3.2 e 3.3: são adotadas as seguintes nomenclaturas para identificar os
carregamentos e ações atuantes nas estruturas.
Qd = carga distribuída permanente
Ql = carga distribuída de serviço
Fh = carga concentrada horizontal
PP = peso próprio da estrutura
• Linha 3.3: as combinações de carga são identificadas por CX onde “X” identifica
o número sequencial da combinação. Os esforços considerados no
dimensionamento e verificações são feitos pela envoltória quando se tem mais de
uma combinação de carga;
• Linha 5.2 e 5.3: são utilizadas as seguintes abreviações para os parâmetros do GA.
Tamanho da população: Tam Pop
CR: crossover
MT: mutação
85
1.4 Nº de variáveis 2 18 18 58
Nº de restrições
1.7 3 27 27 47
desigualdade
2. PARÂMETROS ESTRUTURA
2.1 Nº pavimentos 1 3 3 6
86
2.2 Nº vãos 1 3 3 2
Grupo 1: 1 viga
Nº grupos vigas/ Nºde vigas Grupo 1: 6 vigas (9m)/ Grupo 1: 6 vigas (9m)/
2.3 Grupo 1: 1 viga (5,5m) (6m/4m)/ Grupo 2: 5
no grupo/Vão(m) Grupo 2: 3 vigas (9m) Grupo 2: 3 vigas (9m)
vigas (6m/4m)
Grupo 1: 6 pilares Grupo 1: 6 pilares
Nº grupos pilares/ Nºde Grupo 1: 2 pilares Grupo 1,2 e 3: 6 pilares
2.4 (3,6m) / Grupo 2: 6 (3,6m) / Grupo 2: 6
pilares no grupo (2,2m) (4m) cada grupo
pilares (3,6m) pilares (3,6m)
Norma dimensionamento/
2.5 NBR 6118 NBR 6118 NBR 6118 NBR 6118
verificações
Nomenclatura Características
Diâmetro
Sistema Massa linear
"Padrão" ID nominal Área (mm²)
métrico (kg/m)
(mm)
D19 (#6 - ANSI) #19 2,24 19,05 285,0
∅8 - 0,395 8 50,3
Inicialização do GA
TÉRMINO DO PROCESSO
5.3.1.1 Apresentação
5.3.1.2 Resultados
Os parâmetros estudados para esse problema são mostrados na Tabela 15, onde
for indicado “x” significa que não houve consideração do parâmetro por limitação do
algoritmo face ao problema em estudo. O tipo de mutação neste exemplo não foi uma
variável de projeto do GA1 e foi fixado em 2 (adaptfeasible) uma vez que o GA do
MATLAB não recomenda outro tipo de mutação para esse tipo de problema, portanto o
tipo de mutação não foi considerado um parâmetro variável na etapa de investigação.
Formação população
Nº Tam.
Rodada f* (x) Freq.Cross Indivíduos Indivíduos Indivíduos
Gerações Pop
/ Mut elitismo crossover mutação
1 0,52892 20 20 0,17 2 3 15
2 0,5312 20 20 0,62 2 11 7
3 0,53138 20 20 0,28 2 5 13
91
Formação população
Nº Tam.
Rodada f* (x) Freq.Cross Indivíduos Indivíduos Indivíduos
Gerações Pop
/ Mut elitismo crossover mutação
4 0,53297 20 20 0,3 2 5 13
5 0,53967 20 20 0,31 2 6 12
6 0,57604 20 20 0,8 2 14 4
7 0,53816 20 20 0,76 2 14 4
8 0,52964 20 20 0,54 2 10 8
9 0,52883 20 20 0,33 2 6 12
10 8,50177 20 20 0,41 2 7 11
Média 1,33386 20 20 0,45 - - -
Melhor f*(x) 0,52883 20 20 0,33 - - -
Desvio
2,5186 0,00 0,00 0,22 - - -
padrão
Fonte: Elaborado pelo autor.
Tabela 18 – Problema PF1: Verificação das restrições do problema no ponto ótimo obtido.
Limite
Tensão Verificação
Restrição (máximo)
(kg/cm²) restrição
(kg/cm²)
Topo pilar 129,999 130 Atendida
Extremidade viga 2,112 130 Atendida
Centro vão 112,428 130 Atendida
Fonte: Elaborado pelo autor.
92
5.3.2.1 Apresentação
Para obtenção dos esforços, cada viga foi discretizada com 2 elementos e 1
elemento foi utilizado para representar cada pilar, totalizando 30 elementos na estrutura,
conforme mostrado na Figura 43. As nomenclaturas atribuídas às vigas e pilares nesta
figura foram as utilizadas no SAP 2000 e não tem relação ao agrupamento descrito no
parágrafo introdutório sobre esta estrutura. Para esclarecer a nomenclatura indicada na
figura, V3-1_a, por exemplo, significa: viga - 3º pavimento - 1º vão - parte a (antes do
ponto intermediário de discretização do elemento de viga).
No caso PF2_01 essa estrutura é submetida a um carregamento permanente
uniformemente distribuído de 16,5 kN/m e uma carga de serviço de 7,2 kN/m, e para
combinação de carga foi utilizado fatores de majoração 1,4 e 1,7, respectivamente, que
são os mesmos utilizados nos trabalhos de referência (indicação da norma ACI 318-99
93
(ACI, 2008)). Ainda para o problema PF2_01 foram adotados os parâmetros de projeto
também conforme referências, sendo a resistência de compressão do concreto
fcd =23,5MPa e fyd=392MPa para a resistência à tração do aço e aços padrão D19, D22 e
D25.
5.3.2.2 Otimização
(Lee & Ahn, 2003) e valem, respectivamente, 54 US$/m³, 0,55 US$/kg e 54 US$/m²
(preços em dólar americano).
Variáveis de projeto. Todas as variáveis desse problema são discretas. Para as
vigas, as dimensões da seção transversal, a área de reforço das barras ao longo da viga e
nos apoios são as variáveis de projeto. As variáveis de projeto, o número e identificação
94
de cada são definidas na Tabela 19, na qual também são apresentados os limites inferiores
e superiores para essas variáveis. Por questões construtivas, as dimensões da seção
transversal são incrementadas a cada 5 cm. As variáveis de projeto para os pilares são as
dimensões da seção transversal na direção x e y (que são incrementadas a cada 5cm), o
diâmetro e o número de barras de reforço em cada direção. Na Tabela 20 são apresentadas
as variáveis e o número de variáveis (coluna “quantidade”) para os pilares bem como o
limite inferior e superior para cada. Ao total (vigas e pilares) tem-se 18 variáveis de
projeto, número calculado conforme Eq.(40), em que ngrv== 2 (número de grupos de
vigas), nvgrv=5 (número de variáveis por grupo de viga dado na Tabela 19). De maneira
análoga para os pilares, ngrp= 2 e nvgrp = 4 conforme Tabela 20.
n ngrv nvgrv ngrp nvgrp (40)
Tabela 19 – Pórtico PF2: Variáveis de projeto das vigas (por grupo de viga)
Variável de
Descrição Limite inferior Limite superior
projeto
xi ,1 Base da seção transversal da viga 20cm 50cm
xi ,2 Altura da seção transversal da viga 35cm 90cm
xi ,3 Diâmetro da armadura das vigas ∅19 (D19) ∅22 (D22)
Tabela 20 - Pórtico PF2: Variáveis de projeto dos pilares (por grupo de pilar)
(Estado Limite de Serviço (ABNT, 2014)) no que se refere à abertura de fissuras e flecha
máxima. Ao total são 27 restrições para o problema PF2.
Todas as restrições são consideradas na forma normalizada e estão apresentadas
nas equações descritas a seguir. Para o vão das vigas são analisadas as seções críticas no
meio de cada vão e nos apoios.
As restrições para as vigas são descritas nas equações abaixo (Eq.(41) à Eq.(46)).
A capacidade resistente da seção deve ser menor do que o momento de dimensionamento
(vide Eq.(41)). A Eq.(42) e Eq.(43) verificam se as áreas calculadas a partir dos diâmetros
e números de barras obtidas pelo otimizador atendem às áreas de aço mínimas e máximas
estabelecidas pela NBR 6118 (ABNT, 2014). A capacidade resistente das vigas ao
cisalhamento deve ser maior do que o esforço cortante solicitante (Eq.(44) e Eq.(45)).
Além dessas restrições, é imposto um número máximo de camadas para disposição das
armaduras igual a 2 (Eq.(46)).
M d i ,k
g1 ( x) 1 0 (41)
M n i , k
As ,mini ,k
g 2 ( x) 1 0 (42)
Asi ,k
Asi ,k
g3 x 1 0 (43)
As ,maxi ,k
Vsi ,k
g4 x 1 0 (44)
Vrd 2i ,k
Vsi ,k
g5 x 1 0 (45)
Vrd 3i ,k
nci ,k
g6 x 1 0 (46)
2
Onde:
i = grupo da viga;
k = seção crítica para análise;
Mn= momento resistente;
Md = momento solicitante;
96
onde:
i = grupo do pilar;
k = seção crítica para análise;
j = pavimento (nesse caso = 1 pois foi verificado no pilar mais carregado do grupo);
Além das restrições apresentadas para vigas e pilares, foram impostas restrições
para os nós e para o deslocamento máximo da estrutura. Na Eq.(50) a base da viga deve
ser menor do que a dimensão do pilar conectado àquele nó. Na Eq.(51) é verificado se o
maior deslocamento horizontal verificado para os nós da estrutura atende ao limite
máximo estabelecido em norma (ABNT, 2014).
bv ( i )
g10 x 1 0 (50)
bp ( i )
desloc
g11 x 1 0 (51)
desloclim
onde:
97
i = nó;
bv = base da viga;
bp= base do pilar;
desloc = deslocamento da estrutura;
desloc lim= deslocamento máximo permitido, dado pela razão entre a altura total do
pórtico dividido por 1700.
5.3.2.3 Resultados
Para este pórtico, foram propostas duas abordagens. A primeira, que constitui o
problema PF2_01 consiste em conduzir os testes usando o esquema de tratamento das
restrições disponível no MATLAB (Mathworks, 2014). O problema PF2_02 se distingue
daquele primeiro pelo uso da técnica APM para tratar as restrições. Com a implementação
da técnica de penalização, o problema se torna irrestrito e podem ser testados outros
parâmetros que não são permitidos na versão do GA do MATLAB para tratar problemas
restritos. Portanto, os dois problemas se distinguem pela forma de lidar com as restrições
e consequentemente pelo número de parâmetros estudados no M_GA.
Para os dois problemas foi estabelecido um número máximo de avaliações de
função através da relação nmgen tampop igual a 2.400.
a) Resultados Problema PF2_01
Os resultados obtidos utilizando o GA com número de gerações limitado a 200 e
tamanho de população 20 (demais parâmetros mantidos padrão do MATLAB) são
mostrados na Tabela 21. Este resultado é o melhor obtido dentre as 10 rodadas para o
teste 1.
Os parâmetros estudados para esse problema são mostrados na Tabela 22. Por se
tratar de um problema restrito e com variáveis inteiras, o GA do MATLAB permite as
98
variações nos parâmetros indicados abaixo. Portanto, o M_GA aplicado a este problema
permite o ajuste do tamanho da população dentro do limite mostrado na tabela abaixo
(entre 20 e 200 indivíduos na população) e frequência de crossover/mutação variando de
0,01 a 1. O número de gerações para cada avaliação de função que o GA1 conduz é função
da relação nmgen x tampop.
Formação população
f*(x) Nº
Rodada f*(x) Tam. Pop Freq.Cross/ Indivíduos Indivíduos Indivíduos
normalizado Gerações
Mut elitismo crossover mutação
Por fim, os parâmetros utilizados em cada teste são resumidos na Tabela 26, e o
resumo dos resultados apresentados na Tabela 27 em que o melhor resultado obtido é
destacado.
Figura 44 - Problema PF2_01: Gráfico de evolução resultado obtido para os testes 1,2 e 3 (valores
normalizados), respectivamente (a), (b) e (c).
(a)
101
(b)
(c)
Formação população
f*(x) Nº
Rodada f*(x) Tam. Pop
normalizado Gerações Indivíduos Indivíduos Indivíduos
Freq.Cross/ Mut
elitismo crossover mutação
1 0,5932 11.863,07 96 25 0,39 5 8 12
1 1 - - 2 - - -
2 5 - 1,24 2 - - -
3 2 - - 2 - - -
4 4 0,12 - 2 - - -
5 1 - - 2 - - -
6 1 - - 2 - - -
7 2 - - 2 - - -
8 3 - - 2 - - -
9 3 - - 2 - - -
10 5 - 1,55 2 - - -
Média 3 - - 2 - - -
Melhor
5 - 1,55 2 - - -
f*(x)
Desvio
- - - - - - -
padrão
Fonte: Elaborado pelo autor.
Taxa
Problema Nº Freq. 1 ou Scale/Shrink
Tam Pop Tipo Cross Tipo Mut
Gerações Cross/Mut Taxa ou Taxa 3
2
Teste 1 20 200 0,800 Scattered - Gauss. 1/1
5.3.3.1 Apresentação
Para esse exemplo estudado são totalizadas 47 restrições não-lineares além das
restrições de limite, dentre as quais 20 são referentes às restrições de vigas, 24 referentes
aos pilares e 3 referentes aos nós e deslocamento.
107
Tabela 35 – Comparação dos resultados da análise linear via o MEF implementado x SAP 2000 (pórtico PF3).
Esforço P1-1 P1-2 P1-3 P1-4 P1-5 P1-6 P2-1 P2-2 P2-3 P2-4 P2-5 P2-6 P3-1 P3-2 P3-3 P3-4 P3-5 P3-6
Cortante Fx,1 19,8% 0,8% 0,3% 0,6% 0,2% 0,4% 0,4% 0,1% 0,0% 0,2% 0,2% 0,3% 0,0% 0,3% 0,2% 0,2% 0,1% 0,3%
Normal Fy,1 0,0% 0,1% 0,1% 0,0% 0,0% 0,0% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1%
Fletor Mz,1 2,0% 0,9% 0,2% 0,3% 0,1% 0,5% 0,3% 0,0% 0,1% 0,3% 0,0% 0,7% 0,2% 0,2% 0,2% 0,4% 0,3% 0,6%
Cortante Fx,2 19,8% 0,8% 0,3% 0,6% 0,2% 0,4% 0,4% 0,1% 0,0% 0,2% 0,2% 0,3% 0,0% 0,3% 0,2% 0,2% 0,1% 0,3%
Normal Fy,2 0,0% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1%
Fletor Mz,2 0,2% 0,6% 0,4% 0,8% 0,3% 0,3% 0,7% 0,2% 0,0% 0,1% 0,3% 0,1% 0,5% 0,3% 0,1% 0,1% 0,1% 0,1%
Esforço V1-1 V1-2 V2-1 V2-2 V3-1 V3-2 V4-1 V4-2 V5-1 V5-2 V6-1 V6-2
Cortante Fx,1 0,9% 2,4% 0,6% 0,8% 0,9% 0,5% 1,2% 0,9% 2,4% 1,7% 0,3% 0,3%
Normal Fy,1 0,0% 0,3% 0,1% 0,3% 0,1% 0,2% 0,1% 0,1% 0,1% 0,2% 0,1% 0,1%
Fletor Mz,1 0,3% 7,7% 0,4% 12,2% 0,4% 5,3% 0,3% 1,1% 0,3% 0,8% 0,3% 0,3%
Cortante Fx,2 0,9% 2,4% 0,6% 0,8% 0,9% 0,5% 1,2% 0,9% 2,4% 1,7% 0,3% 0,3%
Normal Fy,2 0,0% 0,2% 0,0% 0,2% 0,1% 0,1% 0,0% 0,1% 0,1% 0,1% 0,0% 0,1%
Fletor Mz,2 0,0% 0,3% 0,1% 0,3% 0,1% 0,2% 0,1% 0,2% 0,1% 0,2% 0,0% 0,1%
Tabela 36 – Comparação resultados da análise não-linear via o MEF implementado x SAP 2000 (pórtico PF3).
Esforço P1-1 P1-2 P1-3 P1-4 P1-5 P1-6 P2-1 P2-2 P2-3 P2-4 P2-5 P2-6 P3-1 P3-2 P3-3 P3-4 P3-5 P3-6
Cortante Fx,1 831,0% 18,9% 13,6% 6,2% 2,7% 0,3% 10,6% 13,4% 11,9% 7,8% 4,8% 1,2% 9,5% 11,3% 9,3% 5,8% 3,2% 0,8%
Normal Fy,1 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
Fletor Mz,1 3,8% 0,0% 0,9% 0,7% 0,6% 0,2% 1,9% 1,4% 1,0% 0,5% 0,4% 0,1% 1,8% 1,2% 0,9% 0,5% 0,3% 0,1%
Cortante Fx,2 831,0% 18,9% 13,6% 6,2% 2,7% 0,3% 10,6% 13,4% 11,9% 7,8% 4,8% 1,2% 9,5% 11,3% 9,3% 5,8% 3,2% 0,8%
Normal Fy,2 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0%
Fletor Mz,2 3,5% 0,8% 0,3% 0,1% 0,0% 0,2% 0,4% 0,9% 1,1% 0,9% 0,8% 0,3% 0,3% 0,8% 1,0% 0,8% 0,6% 0,3%
Esforço V1-1 V1-2 V2-1 V2-2 V3-1 V3-2 V4-1 V4-2 V5-1 V5-2 V6-1 V6-2
Cortante Fx,1 0,6% 0,5% 0,4% 0,2% 0,5% 1,0% 0,1% 0,1% 0,3% 0,0% 0,0% 0,0%
Normal Fy,1 0,0% 0,1% 0,0% 0,1% 0,0% 0,1% 0,0% 0,1% 0,0% 0,1% 0,0% 0,1%
Fletor Mz,1 0,1% 2,5% 0,2% 0,5% 0,2% 5,1% 0,2% 1,1% 0,1% 0,3% 0,2% 0,2%
Cortante Fx,2 0,6% 0,5% 0,4% 0,2% 0,5% 1,0% 0,1% 0,1% 0,3% 0,0% 0,0% 0,0%
Normal Fy,2 0,0% 0,1% 0,0% 0,0% 0,0% 0,1% 0,0% 0,1% 0,0% 0,0% 0,0% 0,1%
Fletor Mz,2 0,0% 0,1% 0,1% 0,1% 0,1% 0,1% 0,1% 0,2% 0,1% 0,1% 0,0% 0,1%
5.3.3.2 Otimização
Função objetivo. A função objetivo utilizada para o projeto ótimo do pórtico PF3
é a mesma utilizada para o estudo do pórtico PF2 e é equacionada na Eq.(39). Para os
custos do concreto (Cc), aço (Cs) e forma (Cf) foram tomados os adotados na referência
(Akin & Saka, 2015) e valem, respectivamente, 735 R$/m³, 7.10 R$/kg e 54 R$/m².
Variáveis de projeto. Todas as 58 variáveis desse problema são discretas. Para as
vigas, as dimensões da seção transversal, a área de reforço das barras ao longo da viga e
nos apoios são as variáveis de projeto. Estas são identificadas, quantificadas e seus limites
inferior e superior mostrados na Tabela 37.
Tabela 37 – Pórtico PF3: Variáveis de projeto das vigas (por grupo de viga)
Limite Limite
Variável de projeto Descrição Quantidade
inferior superior
xi,1 Base da seção transversal da
1 25cm 50cm
viga
Figura 48 - Pórtico PF3: Configuração da armação das vigas para o i-ésimo grupo (viga com 2 vãos)
Tabela 38 - Pórtico PF3: Variáveis de projeto dos pilares (por grupo de pilar)
Figura 49 - Pórtico PF3: Configuração das variáveis de projeto referente à armação dos pilares
5.3.3.3 Resultados
Formação população
f*(x) Nº
Rodada f*(x) Tam. Pop Indivíduos Indivíduos Indivíduos
normalizado Gerações Freq.Cross/ Mut
elitismo crossover mutação
Taxa
Problema Nº Freq. 1 ou Scale/Shrink
Tam Pop Tipo Cross Tipo Mut
Gerações Cross/Mut Taxa ou Taxa 3
2
Teste 1 20 120 0,800 Scattered - Gauss. 1/1
Nota: * Ref: Akin & Saka (2015), otimização usando método da busca harmônica (Harmony search)
exemplos de estruturas, apenas o pórtico PF3 obteve resultado para o teste 1 melhor do
que os demais, embora o M_GA tenha obtido resultado melhor do que o apresentado na
literatura. Tal como mencionado em Akin & Saka (2015), esse pórtico (PF3) também foi
otimizado por Camp et.al (2003), que apresentou o valor ótimo de R$ 24.959,00
entretanto o trabalho utilizado como referência nessa dissertação justifica a diferença de
valores obtidos em função da análise estrutural não-linear conduzida e do acréscimo de
restrições impostas ao problema. Adicionalmente, no caso dessa dissertação, a diferença
também pode ser justificada pelo fato de Camp et.al (2003) usar um algoritmo genético
com 300 gerações e tamanho de população 300, que equivaleria a aproximadamente
90.000 avaliações de função, um esforço computacional aproximadamente 37 vezes o
utilizado no presente trabalho. Portanto, pode-se considerar o resultado obtido aqui
satisfatório. Importante destacar que nos valores apresentados na Tabela 45 todas as
restrições são atendidas (resultados não violam nenhuma das restrições impostas).
Figura 50 - Gráfico normalizado desempenho dos testes 2 e 3 em relação ao resultado obtido com o teste
1.
1,2
0,8
0,6
0,4
0,2
0
P1 P2 P3 P4 P5 P6 PF1 PF2_01 PF2_02 PF3
50
45
40
35
21
30
25 15 Nº Crianças Mutação
20 6 Nº Crianças Crossover
6 6 5 3
15 7
13 12 17 Nº Crianças Elistimo
10 16 13 12
12 11 12 13
5 5 6
0
PF1
PF3
PF2_01
PF2_02
P3
P1
P2
P4
P5
P6
6 CONSIDERAÇÕES FINAIS
6.1 DESENVOLVIMENTOS
que os reportados na literatura, o que pode ter relação com o número máximo de
avaliações de função estabelecido;
• No caso dos exemplos de pórticos planos, apenas o pórtico PF3 obteve resultado para
o teste 1 melhor do que os demais, muito embora ainda tenha obtido resultado melhor
do que o apresentado na literatura. Os resultados para PF1, PF2_01 também foram
melhores do que os apresentados na literatura.
REFERÊNCIAS
ANDRE, L., & PARPINELLI, R. S. Tutorial Sobre o Uso de Técnicas para Controle
Online de Parâmetros em Algoritmos de Inteligência de Enxame e Computação
Evolutiva. RITA - vol.21, 90-135. 2014.
ARAUJO, J.M. Curso de Concreto Armado. 3.ed. Rio Grande: Editora Dunas; 2010.
BAKER, J.E. Adaptive Selection Methods for Genetic Algorithms. in: Proc. First
Int. Conf. of Genetic Algorithms (L.Erlbaum Associates, Hillsdale, MA, 101-111.
1985.
KWAK, H.G.; KIM, J. Optimum design of reinforced concrete plane frames based
on predetermined section database. Computer-aided design, vol.40, pp.396-408,
Elsevier. 2007.
LOGAN, D.L. The First Course in the Finite Element Method. Canada: Thomson,
4.ed. 2007.
REED, J.; TOOMBS, R.; BARRICELLI, N.A. Simulation of biological evolution and
machine learning: selection of self-reproducing numeric patterns by data
processing machines, effects of hereditary control, mutation type and crossing. J
Theor Biol 17:319–342. 1967.
O algoritmo então concatena esses genes para formar um único gene. No caso de
pontos 3 e 6, a função retorna a criança C = [a b c 4 5 6 g h].
Essa função não deve ser utilizada quando o problema envolve restrições lineares.
Intermediate: essa função é a padrão quando tem restrições lineares. As crianças
são criadas como uma média ponderada dos pais. Para especificar os pesos de um
parâmetro único, Ratio (valor padrão é 1), você pode usar um escalar ou um vetor com
tamanho igual ao número de variáveis. A criança é criada utilizando a seguinte fórmula
dada por P1 + rand * Ratio * (P2 - P1).
Heuristic : retorna uma criança que está na linha que contém os dois pais, a uma
pequena distância do pai com o melhor valor de aptidão na direção longe do pai com o
pior valor de aptidão. Você pode especificar até que ponto a criança é do pai melhor pelo
parâmetro Ratio (valor padrão 1.2). Se P1 tem o melhor valor de aptidão, a função retorna
a criança P2 + Ratio * (P1 - P2).
Arithmetic: cria filhos que são a média aritmética ponderada de dois pais. As
crianças são sempre viáveis em relação às restrições e limites lineares.
Ainda é possível o usuário implementar a função de crossover.
Função de mutação (MutationFcn):
As opções de mutação especificam como o algoritmo genético faz pequenas
mudanças aleatórias nos indivíduos da população para criar crianças a partir de mutação.
A mutação fornece diversidade genética e permite que o algoritmo genético aumente a
busca para um espaço mais amplo. O ajuste desse operador não pode ser feito com
problemas inteiros. Podem ser escolhidas entre as seguintes funções:
Gaussian: é a função de mutação padrão para problemas não restritos. É
adicionado um número aleatório a partir de uma distribuição gaussiana com média 0 para
cada entrada do vetor pai. O desvio padrão dessa distribuição na primeira geração e ao
longo das demais gerações é determinado, respectivamente, pelos parâmetros Scale e
Shrink. A atualização do desvio padrão é dada pela equação:
uma probabilidade Rate de ser mutado (padrão 0.01). Depois, o algoritmo substitui cada
entrada selecionada por um número aleatório selecionado uniformemente do intervalo
para essa entrada.
Adaptive Feasible: essa é a função de mutação padrão quando há restrições. Nessa
mutação são geradas direções aleatórias que são adaptadas de acordo com o sucesso ou
fracasso das gerações passadas. A mutação escolhe um sentido e comprimento de passo
que satisfaz limites e restrições lineares.