Professional Documents
Culture Documents
Tese apresentada Escola de Engenharia de So Carlos da Universidade de So Paulo como requisitos para obteno do ttulo de Doutor em Engenharia de Estruturas.
Orientador: Prof. Dr. Mounir Khalil El Debs Co-orientadora: Profa. Dra. Maria do Carmo Nicoletti
Fevereiro 2003
Aos meus pais, Lucas e Elza e aos meus irmos Alessandra e Fabrcio, pelo grande incentivo, compreenso e carinho
AGRADECIMENTOS
Ao meu Deus, que sempre me iluminou, me dando fora, coragem e pacincia em todos os momentos. Ao Prof. Dr. Mounir Khalil El Debs, pela orientao, pacincia, amizade e incentivo, sem os quais este trabalho no existiria. Profa. Dra. Maria do Carmo Nicoletti, pela orientao, amizade e interesses demonstrados na elaborao deste trabalho. Ao Engenheiro No Marcos Neto da empresa Marka - Sistemas Construtivos em concreto estrutural da regio de Franca, SP, pela valiosa ajuda, sem a qual no seria possvel a realizao dos experimentos. Ao Prof. Dr. Marcos Nereu Arenales, pela orientao aos mtodos convencionais. Aos meus grandes e eternos amigos Kristiane Mattar Accetti Holanda e Osvaldo Gomes de Holanda Jnior pelo grande carinho, amizade e incentivo, mesmo distncia. A Cid Pereira, pelo grande carinho, e companheirismo, demonstrados durante esse perodo. Aos inesquecveis amigos do departamento de Engenharia de Estruturas da Escola de Engenharia de So Carlos USP. A Anamaria, Luciana, Suzana, Aline, Daniel, Mnica, Juliana, Tatiana, Luciane, Rejane, Silvana, Andra, Sylvia e Felcia pela grande amizade e ateno dispensadas durante minha estada em So Carlos. A Maria Nadir Minatel, pela amizade e pelas orientaes fornecidas na elaborao do trabalho. CAPES, pelo apoio financeiro, sem o qual este trabalho no poderia ter sido realizado.
SUMRIO
LISTA DE SMBOLOS ........................................................................................... i RESUMO ................................................................................................................. iv ABSTRACT ............................................................................................................... v 1. INTRODUO ............................................................................................... 01
1.1. PRELIMINARES ............................................................................................ 01 1.2. OBJETIVOS .................................................................................................... 05 1.3. JUSTIFICATIVAS .......................................................................................... 06 1.4. ORGANIZAO DO TEXTO ....................................................................... 07 2. FUNDAMENTOS DE ALGORITMOS GENTICOS................................ 09
2.1. PRELIMINARES ............................................................................................ 09 2.2. TERMINOLOGIA........................................................................................... 13 2.3. REPRESENTAO........................................................................................ 14 2.3.1 Representao Binria............................................................................... 15 2.3.2 Representao Real ................................................................................... 17 2.4. FUNO APTIDO ...................................................................................... 18 2.5. SELEO ....................................................................................................... 18 2.6. OPERADORES GENTICOS........................................................................ 21 2.6.1 Cruzamento ............................................................................................... 21 2.6.2 Mutao..................................................................................................... 25 2.7. CRITRIOS DE PARADA............................................................................. 27 2.8. PARMETROS GENTICOS ....................................................................... 27 2.9. TRATAMENTO DE RESTRIES .............................................................. 28 2.10. FUNES PENALIDADES........................................................................... 29 2.11. CONSIDERAES FINAIS .......................................................................... 31 3. O USO DE AGS EM PROBLEMAS DE OTIMIZAO ESTRUTURAL ESTADO DA ARTE........................................................................................ 32
3.1. PRELIMINARES ............................................................................................ 32 3.2. O USO DE AGS EM ESTRUTURAS DE AO............................................. 32 3.3. O USO DE AG EM ESTRUTURAS DE CONCRETO.................................. 54 3.4. COMENTRIOS ADICIONAIS .................................................................... 68 4. DESCRIO, REPRESENTAO E SOLUO DO PROBLEMA DE MINIMIZAO DO CUSTO DE PRODUO DE PAINIS ALVEOLARES................................................................................................ 70 4.1. PRELIMINARES ............................................................................................ 70 4.2. CONSIDERAES SOBRE O PROJETO E A APLICAO DE PAINEL ALVEOLAR EM LAJES ................................................................................ 71 4.3. INVESTIGAO DO USO DE AG NUM PROBLEMA SOLUCIONADO VIA MTODO CONVENCIONAL ............................................................... 73 4.3.1 Definio do Problema.............................................................................. 74 4.3.2 Funo Custo Total ................................................................................... 75 4.3.3 Funo penalidade..................................................................................... 78 4.3.4 A Busca da Soluo do Problema via AG ................................................ 78 4.3.5 Descrio dos Experimentos e Anlise dos Resultados............................ 79 4.4. OTIMIZAO DE PAINEL ALVEOLAR SEM CAPA ESTRUTURAL .... 80 4.4.1 Definio do Problema.............................................................................. 80 4.4.2 Funo Custo Total ................................................................................... 86 4.4.3 A Busca da Soluo do Problema via AG ................................................ 90 4.4.4 Descrio dos Experimentos e Anlise dos Resultados............................ 92 4.4.4.1 Famlia MGA ................................................................................. 92 4.4.4.2 Famlia ROLETA.......................................................................... 95 4.4.4.3 Famlia TORNEIO ........................................................................ 98 4.4.5 Consideraes sobre os Resultados dos Experimentos de Minimizao da Funo Custo do elemento ..................................................................... 100 4.5. OTIMIZAO DE PAINEL ALVEOLAR COM CAPA ESTRUTURAL .. 101 4.5.1 Definio do Problema............................................................................. 102 4.5.2 Funo Custo Total .................................................................................. 104 4.5.3 Busca da Soluo do Problema via AG ................................................... 106
4.5.4 Descrio dos Experimentos e Anlise dos Resultados........................... 107 4.5.4.1 O MGA1....................................................................................... 107 4.5.4.2 ROLETA3 .................................................................................... 111 4.5.4.3 TORNEIO2 .................................................................................. 114 4.5.5 Consideraes Sobre a Variao dos Valores do Custo Dos Materiais... 117 4.6. AVALIAO GERAL DOS RESULTADOS OBTIDOS NOS EXPERIMENTOS DESCRITOS NO CAPTULO........................................ 118 5. DESCRIO, REPRESENTAO E SOLUO DO PROBLEMA DE MINIMIZAO DO CUSTO DE LAJES COM VIGOTAS PROTENDIDAS ............................................................................................. 122 5.1. PRELIMINARES ........................................................................................... 122 5.2. CONSIDERAES SOBRE O PROJETO E APLICAO DE VIGOTAS EM LAJES...................................................................................................... 124 5.3. OTIMIZAO DO ELEMENTO PARA UMA DETERMINADA APLICAO ................................................................................................. 127 5.3.1 Definio do Problema............................................................................. 127 5.3.2 Funo Custo Total .................................................................................. 133 5.3.3 Busca da Soluo do Problema via AG ................................................... 139 5.3.4 Descrio dos Experimentos e Anlise dos Resultados........................... 139 5.4. OTIMIZAO DA APLICAO PARA UMA DETERMINADA VIGOTA ......................................................................................................... 145 5.4.1 Definio do Problema............................................................................. 146 5.4.2 Funo Custo Total .................................................................................. 148 5.4.3 Busca da Soluo do Problema via AG ................................................... 149 5.4.4 Descrio dos Experimentos e Anlise dos Resultados........................... 150 5.5. OTIMIZAO DO ELEMENTO E DA APLICAO................................ 154 5.5.1 Definio do Problema............................................................................. 155 5.5.2 Funo Custo Total .................................................................................. 156 5.5.3 Busca da Soluo do Problema via AG ................................................... 158 5.5.4 Descrio dos Experimentos e Anlise dos Resultados........................... 158 5.5.5 Consideraes Sobre a Variao dos Valores do Custo dos Materiais.... 163
5.6. AVALIAO
GERAL
DOS
RESULTADOS
OBTIDOS
NOS
REFERNCIAS BIBIOGRFICAS ................................................................... 175 Apndice A Anlise de uma viga de concreto armado usando AG ................ 182 Apndice B Pseudocdigos das implementaes .............................................. 187 Apndice C Teoria do Algoritmo Lagrangeano ............................................... 211 Apndice D Dimensionamento da laje alveolar sem capa estrutural ............ 223 Apndice E Dimensionamento da laje alveolar com capa estrutural............. 242 Apndice F Dimensionamento da vigota protendida ...................................... 261
LISTA DE SMBOLOS
E c mdulo de elasticidade do concreto f ck resistncia caracterstica do concreto compresso f ctf resistncia trao na flexo
f pyk resistncia ao escoamento do ao g carregamento permanente hn espessura do painel M resistncia flexo do painel M g + q momento devido ao peso prprio e sobrecarga
ii
q sobrecarga r posio do indivduo r nmero aleatrio entre [0,1] Tdd tenso solicitante dos dois concretos Tsol tenso solicitante em toda a superfcie de contato
a1 coeficiente de ao dinmica ( a1 = 0,8 ) a 2 coeficiente de ao dinmica ( a 2 = 1,3 ) 1 fator de combinao freqente de aes( 1 = 0,3 ) 2 fator de combinao quase permanente de aes ( 2 = 0,2 )
taxa de armadura
I tenso principal mxima na trao g +q tenso devido a protenso e o peso prprio 1g1 , 2g1 tenso devido ao peso prprio da vigota no bordo inferior e superior 1g 2 , 2g 2 tenso devido ao peso prprio do enchimento e do concreto moldado no local no
bordo inferior e superior 1q , 2q tenso devido sobrecarga no bordo inferior e superior 1Po , 2 Po tenso devido fora de protenso instalada no concreto no bordo inferior e superior 1Poo , 2 Poo tenso devido fora de protenso aps as perdas no bordo inferior e superior ctj tenso limite de trao em j dias
iii
1Poo , 2 Poo tenso devido fora de protenso aps as perdas no bordos inferior e
superior
ct tenso limite de trao c tenso limite de compresso tenso cisalhante devida aplicao das cargas
OBS. Esta lista de smbolos limita-se somente ao trabalho principal. Os smbolos restantes esto referenciados em cada apndice.
iv
RESUMO CASTILHO, V. C. (2003). Otimizao de componentes de concreto pr-moldado protendidos mediante algoritmos genticos. So Carlos, 283p. Tese (doutorado). Escola de Engenharia de So Carlos, Universidade de So Paulo.
Este trabalho trata da otimizao de painis alveolares e vigotas protendidas utilizando Algoritmos Genticos (AGs). A proposta de tal algoritmo foi inspirada no princpio da seleo natural de indivduos, onde o mais apto tende a permanecer na populao e se reproduzir, passando seu cdigo gentico para a prxima gerao. Em alguns casos, esse mtodo pode alcanar melhores solues se comparados aos mtodos tradicionais de otimizao. O principal objetivo do trabalho investigar o uso de AG como uma tcnica para a minimizao da funo custo da aplicao de painis alveolares e vigotas protendidas. Na anlise esto includas as verificaes dos elementos nas etapas transitrias referentes produo, transporte e montagem. A funo custo avaliada considerando valores da realidade brasileira. O trabalho de pesquisa compara os resultados obtidos utilizando AGs com aqueles obtidos utilizando o mtodo de otimizao convencional conhecido como mtodo do Lagrangiano Aumentado. Os resultados obtidos por ambos os mtodos evidenciam a eficcia dos AGs com relao ao mtodo convencional. Foram propostas e analisadas trs famlias do AG simples, buscando identificar, dentre seus elementos, quais variantes mais adequados na busca da soluo dos problemas.
Palavras-chave: painel alveolar, vigota protendida, lajes, algoritmos genticos, otimizao estrutural, custos, mtodo Lagrangeano Aumentado
ABSTRACT
CASTILHO, V. C. (2003). Optimization of precast prestressed elements using genetic algorithms. So Carlos, 283p. Ph.D Thesis. Escola de Engenharia de So Carlos, Universidade de So Paulo.
This work aims to optimize the production cost of hollow core panels and prestressed joists using Genetic Algorithms (GAs). The proposal of such an algorithm was inspired by the principle of natural selection of individuals, where the most capable tends to remain in the population and reproduce, passing its genetic code onto the next generation. In some cases, this method can achieve good solutions when compared with conventional methods of optimization. The main goal of the work is to investigate AG as a technique for the minimization of the function cost of hollow core panel and prestressed joist applications. The analysis takes account of the verifications of the precast elements in the transitory stages as production, transportation and erection. The function cost is evaluated within the Brazilian context. The research compares the results using GAs with those using a conventional method, the Augmented Lagrangian. The results provide evidence the effectiveness of the GAs with relation to a conventional method. The research considers three families of the simple GA, searching to identify, among them, the adjusted variant in the search of the solution of the problems.
Key-words: hollow core panel, prestressed joist, slabs, genetic algorithm, structural optimization, Augmented Lagrangian
Introduo
1.1 PRELIMINARES
Projetos com solues otimizadas tm sempre atrado pesquisadores da rea de Engenharia Estrutural. Poucos tpicos da anlise estrutural tm chamado tanta ateno quanto o da otimizao. Atualmente existem inmeros estudos nesta rea, quase sempre com o objetivo de desenvolver melhores mtodos para representar de maneira eficiente o problema analisado e buscar sua rpida soluo (tima, quando possvel). Em geral, em um problema de otimizao h a necessidade de identificar as variveis envolvidas e seus limites de variao, bem como as constantes relevantes ao problema, de maneira a poder equacion-las em relaes matemticas, com o objetivo de representar formalmente o problema e suas restries para ento buscar a sua soluo. A soluo do problema consiste, basicamente, em encontrar uma soluo (a tima) que identifica um ponto de mximo ou de mnimo de uma funo objetivo, sujeita a algumas restries. Vrios estudos e experimentos tm sido realizados na rea de Engenharia Estrutural, utilizando, principalmente, mtodos convencionais de otimizao (o mtodo Lagrangiano, por exemplo). As pesquisas nesta rea, no mbito mundial, focalizam quase sempre, a minimizao do custo das estruturas em geral. Este trabalho investiga, especificamente, a minimizao do custo no projeto dos elementos e das estruturas de concreto pr-moldado. Como esta tese trata do uso de uma tcnica no convencional para o tratamento do problema de otimizao de
custos, i.e., Algoritmos Genticos, uma reviso e uma discusso de trabalhos que utilizam essa tcnica na rea de Engenharia Estrutural so feitas no Captulo 3. Com o objetivo de fornecer um contexto inicial da pesquisa, as Tabelas 1-1 e 1-2 identificam alguns trabalhos relevantes realizados em otimizao de custos, usando mtodos convencionais, nas reas de concreto armado e concreto prmoldado respectivamente, bem como apresentam suas principais caractersticas.
Tabela 1-1. Alguns trabalhos relevantes relacionados otimizao de custos em concreto armado
Caractersticas minimiza o custo de:
PRAKASH, AGARWALA & SINGER (1988)
variveis dimenses das sees da viga dimenses das sees da viga rea da armadura longitudinal dimenses das sees transversais
CHAKRABARTY (1992) SARMA & ADELI (1998) e KOUMOUSIS & ARSENIS (1998)
No Brasil a utilizao dos mtodos convencionais de otimizao bastante difundida na anlise estrutural, focalizando principalmente a minimizao de custos. Destacam-se, nesta rea, vrios trabalhos tal como o de MEDRANO (1994) que investiga a otimizao do custo de vigas de concreto armado e a anlise elastoplstica de slidos e estruturas e os de ARAJO (1980) e de SANABIO (1984) que tratam da otimizao estrutural de prticos planos. Dentre os trabalhos realizados na Escola de Engenharia de So Carlos no Departamento de Engenharia de Estruturas, destacam-se: SOARES (1997) desenvolve uma formulao para a minimizao do custo de uma seo transversal de uma viga e obtm, por meio de um mtodo de aproximaes combinadas, o custo mnimo do vigamento de um pavimento. O problema foi equacionado usando como variveis a altura da viga e as reas de ao; KRIPKA (1998) investiga o uso de tcnicas de programao matemtica para reduzir e uniformizar os esforos em grelhas, em funo do posicionamento dos apoios. O problema a ser resolvido se resume na minimizao dos somatrios dos momentos fletores sobre os apoios internos, considerando como variveis as coordenadas dos apoios em relao ao primeiro n da estrutura; RIGO (1999) investiga o uso de mtodos de otimizao como ferramentas para a anlise do comportamento no-linear de estruturas reticulares tais como vigas, prticos e trelias espaciais; PRUDENTE (1999) busca a soluo de mnimo peso para estruturas de ao treliadas planas, considerando sees com perfis comerciais. Apesar do relativo sucesso na utilizao dos mtodos convencionais de otimizao na rea de anlise estrutural, tais mtodos tm algumas limitaes. Entre elas, conforme apontado em LEMONGE (1999), GOLDBERG (1989) e GEN & CHENG (1997): dificuldades na identificao de solues timas globais, em geral; dificuldades quando o problema envolve variveis contnuas e discretas; no so aplicveis otimizao multiobjetivos;
no so indicados para programao em paralelo; tm domnio de aplicao restrito; no podem ser aplicados a alguns problemas de otimizao estrutural, onde as funes objetivo no so diferenciveis. Nesses casos preciso lanar mo de estratgias que no consideram derivadas ao longo do processo de otimizao. Devido principalmente a essas limitaes, pesquisas nesta rea tm se voltado
para a identificao de mtodos alternativos mais flexveis, que possam alcanar os mesmos resultados obtidos pelos mtodos convencionais. Os mtodos heursticos, como so denominados, utilizam estratgias mais simples e, geralmente, encontram uma boa soluo para diversos problemas de otimizao de um modo razoavelmente rpido e eficiente. Os mtodos heursticos apresentam estratgias adicionais que buscam superar algumas limitaes dos mtodos convencionais. Dentre os mtodos heursticos mais utilizados esto: Redes Neurais Artificiais (RNA), Simulated Annealing (SA), Tabu Search (TS), GRASP e Computao Evolutiva incluindo Algoritmos Genticos (AGs), Scatter Search e Programao Gentica. Dentre os inmeros mtodos existentes na literatura, o que se destaca pela eficincia e que objetivo de pesquisa deste trabalho, aquele baseado em Algoritmo Gentico. A proposta de tal algoritmo foi inspirada no princpio da seleo natural de indivduos, onde o mais 'apto' tende a sobreviver e se reproduzir, passando seu cdigo gentico para a prxima gerao. Vrios trabalhos na rea de otimizao estrutural, principalmente os que envolvem estruturas de ao, vm sendo desenvolvidos utilizando a tcnica de AGs [JENKIS (1997)]. No caso do concreto, geralmente, os problemas de otimizao so tratados via tcnicas convencionais de programao matemtica. Quando comparado ao problema do projeto timo de estruturas de ao, o problema do projeto timo de estruturas de concreto mais complexo uma vez que envolve um nmero maior de variveis. Quando do projeto timo de estruturas de ao, geralmente apenas um material (ao) considerado e o custo da estrutura proporcional a seu peso. A otimizao de estruturas de concreto pr-moldadas, bem como a de seus elementos, de grande interesse principalmente devido forma como tais elementos
so produzidos. No caso do elemento pr-moldado, tambm fazem parte da descrio do problema as etapas transitrias correspondentes produo, transporte, e montagem, que podem apresentar solicitaes mais desfavorveis que as de estruturas moldadas no local. Essas etapas, de acordo com EL DEBS (2000) e KONCZ (1975) podem ser definidas como: Produo execuo de elementos pr-moldados; Transporte translado da rea de execuo at o local de montagem; Montagem colocao dos elementos no local definitivo e efetuao das ligaes. Para representar o problema de minimizao de custos de estruturas de concreto pr-moldado com vistas a obter uma soluo mais robusta, os custos de todas essas etapas devero fazer parte da representao do problema. Tendo em vista tanto a facilidade de implementao quanto alguns resultados promissores encontrados na literatura, o uso de AG no domnio da Engenharia Estrutural parece ser uma alternativa vivel para a soluo de problemas de otimizao. Embora existam trabalhos que usam tal mtodo, principalmente na produo de estruturas de ao, no se tem ainda conhecimento de trabalho nesta linha relacionado a elementos pr-moldados e a estruturas de concreto pr-moldado.
1.2 OBJETIVOS
O principal objetivo deste trabalho de pesquisa investigar AGs como tcnica de otimizao no domnio de Engenharia Estrutural, mais especificamente, concreto pr-moldado, focalizando principalmente a facilidade de representao do problema, a adeqabilidade para a busca de soluo, as vantagens e desvantagens, as limitaes e o impacto da escolha da representao de dados e dos parmetros genticos na soluo do problema. O trabalho investiga o uso de AG na otimizao da aplicao de elementos pr-moldados em lajes, focalizando dois elementos: painel alveolar e vigota protendida.
Um objetivo subjacente ao objetivo principal do trabalho foi o de abordar os problemas listados anteriormente via um mtodo convencional o mtodo do Lagrangiano Aumentado [MARTNEZ (1997), MARTNEZ (1998)]. Buscou-se com isso obter resultados que permitissem subsidiar uma anlise emprica comparativa entre AGs e um mtodo convencional de otimizao.
1.3 JUSTIFICATIVAS
Embora possam ser evidenciados na literatura inmeros trabalhos relacionados aplicao de mtodos convencionais na resoluo de problemas de otimizao estrutural, optou-se por utilizar mtodos heursticos, especificamente AGs, para resolver os problemas discutidos anteriormente, em virtude da flexibilidade deste mtodo, de sua fcil aplicabilidade e de seus resultados promissores. AGs so mtodos de busca que no utilizam clculos matemticos complexos, so relativamente fceis de serem implementados e tm sido usados com relativo sucesso como uma tcnica de otimizao, em vrias reas de pesquisa. Atualmente h uma grande tendncia em utilizar mtodos mais flexveis na soluo de problemas complexos nos vrios ramos da engenharia. A inexistncia de trabalhos de pesquisa envolvendo o uso de AGs na minimizao da funo custo em concreto pr-moldado foi tambm determinante para a escolha desta tcnica como mtodo de otimizao. No caso de concreto pr-moldado h um grande nmero de variveis envolvidas, referentes s etapas transitrias do elemento e, portanto, a utilizao de AG se apresenta como uma opo vivel para a soluo desse tipo de problema. Os problemas de minimizao de custos tratados nesta tese focalizam painis alveolares e vigotas protendidas devido ao fato que ambos os elementos so correntemente utilizados pelo mercado brasileiro. Embora a vigota protendida seja um elemento relativamente novo no mercado, sua utilizao em estruturas de pavimentos est se tornando cada vez mais difundida. A forma mecanizada de produo desses dois elementos facilitou uma abordagem mais sistemtica na determinao dos custos envolvidos. O trabalho de pesquisa realizado se justifica, tambm, pela investigao do uso de AGs em Engenharia Estrutural, pois evidencia a potencialidade desta tcnica
versus tcnicas convencionais de otimizao no domnio em questo e estabelece parmetros para sua utilizao futura em problemas similares.
foram escolhidos dois para a conduo dos experimentos de minimizao da funo custo. So investigados a alterao dinmica do operador de cruzamento, diferentes tamanhos de cromossomos e o uso de variveis discretas. A representao de dados utilizada a binria. Resultados obtidos para a soluo dos trs problemas usando o mtodo de otimizao do Lagrangiano Aumentado so tambm apresentados para subsidiar a anlise comparativa entre AG e um mtodo convencional. No Captulo 6 so apresentadas as concluses obtidas das anlises realizadas em todos experimentos e so evidenciadas as contribuies dos resultados obtidos para o direcionamento de pesquisas futuras, que envolvam a busca de soluo para problemas similares, na rea de Engenharia Estrutural.
2.1 PRELIMINARES
Algoritmo Gentico (AG) um mtodo de otimizao e busca que faz uso de conceitos da Gentica e baseado nos mecanismos de evoluo de populaes de seres vivos. Foi inspirado no princpio da seleo natural e sobrevivncia do mais apto estabelecido por Charles Darwin em seu livro The Origin of Species em 1859. De acordo com esse princpio, em uma populao de indivduos aqueles com boas caractersticas genticas apresentam maiores chances de sobrevivncia e reproduo, enquanto indivduos menos aptos tendem a desaparecer durante o processo evolutivo. O AG realiza uma simulao de evoluo biolgica por meio de uma busca multidirecional no espao de solues potenciais do problema. Geralmente mantm constante um nmero de solues potenciais (populao) e, a cada gerao, a populao modificada de maneira que as solues boas possam se reproduzir e passar gerao seguinte e as ruins possam ser descartadas. O AG geralmente usa regras de transio probabilstica para selecionar algumas solues para a reproduo e outras para serem descartadas. Os princpios bsicos de AGs foram rigorosamente estabelecidos em HOLLAND (1975) e podem ser encontrados em muitas referncias
10
bibliogrficas (ver, por exemplo, GOLDBERG (1989), MICHALEWICZ (1996), COLEY (1999) e GEN & CHEN (1997)). Normalmente em um AG cada indivduo da populao, denominado cromossomo, corresponde a um ponto do espao de busca e representa uma possvel soluo do problema soluo essa tambm chamada de hiptese. Com o mecanismo de reproduo aplicado sobre os indivduos da populao atual, o AG pode explorar o espao de possveis solues, na tentativa de encontrar aquelas que so as "melhores". A "melhor" soluo/hiptese geralmente definida como aquela que otimiza um valor numrico predefinido para o problema em questo, que chamado de 'adequabilidade da hiptese/soluo'. De acordo com MITCHELL (1997), a popularidade de AGs se deve, entre outros, ao fato: de a evoluo ser um mtodo de adaptao reconhecidamente bem sucedido e robusto em sistemas biolgicos; de poderem realizar buscas em espaos com hipteses (solues candidatas) contendo partes complexas que interagem entre si e onde o impacto de cada parte no desempenho da hiptese como um todo de difcil modelagem; de serem facilmente indicados para programao em paralelo.
Alm disso, como apontado em BEASLEY et al (1993a) "o poder de AGs vem do fato que a tcnica robusta e pode lidar com sucesso com um vasto nmero de reas de problemas, incluindo aquelas consideradas difceis para outros mtodos resolverem. No garantido que AGs encontram a soluo global do sistema mas eles geralmente so bons em encontrar solues do problema que so 'aceitavelmente boas', de uma maneira 'aceitavelmente rpida' ". Segundo GOLDBERG (1989) os AGs diferem dos mtodos convencionais de busca e otimizao em quatro aspectos: trabalham com uma codificao do conjunto de parmetros e no com os prprios parmetros; trabalham com uma populao de solues candidatas simultaneamente e no com uma nica soluo;
11
utilizam informaes de custo ou recompensa e no derivadas de funes; utilizam regras de transio probabilsticas e no determinsticas.
Os AGs so muito eficientes na busca de solues timas ou aproximadamente timas em uma grande diversidade de problemas, pois no impem limitaes que so encontradas, na maioria das vezes, nos mtodos convencionais de busca. De uma maneira simplificada um AG tpico consiste de (COLEY (1999)): um nmero ou populao de solues potenciais do problema; uma maneira de calcular quo boa ou ruim cada uma das solues individuais em uma populao; um mtodo para compor partes das melhores solues, de maneira que novas possam ser formadas; um operador de mutao para evitar a perda permanente da diversidade na populao. Essas caractersticas articuladas como um procedimento podem ser reescritas como o pseudo-cdigo mostrado na Figura 2-1.
Seja S(t) a populao de cromossomos na gerao t. t0 inicializar S(t) avaliar S(t) enquanto o critrio de parada no for satisfeito faa t t+1 selecionar S(t) a partir de S(t-1) aplicar cruzamento sobre S(t) aplicar mutao sobre S(t) avaliar S(t) fim_enquanto
Ao invs de comear a partir de um nico ponto (ou soluo potencial) no espao de busca, um AG inicializado com uma populao de solues potenciais.
12
Essas solues potenciais so geralmente geradas randomicamente e representam pontos espalhados do espao de busca. Existem, entretanto, outras possibilidades para a inicializao. Uma delas, como sugerida em BRAMLETTE (1991) a de realizar uma srie de inicializaes para cada indivduo e escolher as com melhor desempenho. Alternativamente, como sugere COLEY (1999), estimativas podem ser feitas por outros mtodos numa tentativa de localizar solues aproximadas e, ento, o AG pode comear a busca a partir de tais solues. Obviamente, se existir uma heurstica disponvel para a produo de boas solues em um determinado domnio, ela pode ser usada para gerar a populao inicial de solues. Um tpico AG ento usa trs operadores, o de seleo, o de cruzamento e o de mutao para conduzir a populao (por meio de vrias geraes) na direo da convergncia para o ponto timo global. O processo de seleo tenta aplicar presso sobre a populao de maneira semelhante quela exercida pela seleo natural em sistemas biolgicos. Indivduos cujo desempenho baixo so descartados e indivduos que tm um melhor desempenho tm uma chance maior que a chance mdia de passar a informao que eles contm, para a prxima gerao. Cruzamento permite que solues troquem informaes de maneira semelhante quela usada por organismos naturais via reproduo sexual. Mutao usada para trocar, randomicamente, o valor de um nico ponto, parte da configurao de um individuo.(COLEY (1999)) Aps a aplicao da seleo, cruzamento e mutao, uma nova populao formada. O processo se repete at que um determinado nmero de geraes tenha sido criado ou, ento, que algum outro critrio de parada tenha sido atingido. Existem muitas decises a serem tomadas antes de efetivamente usar um AG para tentar solucionar um determinado problema. Dentre as listadas em MICHALEWICZ (1996) e COLEY (1999) esto: a escolha da representao mais adequada para as solues potenciais; o estabelecimento do critrio para a criao da populao inicial de solues; a definio da funo de avaliao que desempenha o papel do ambiente, a definio dos operadores genticos a serem usados e, eventualmente, a sua customizao ao problema;
13
a atribuio de valores para os vrios parmetros que o AG usa (tamanho de populao, probabilidades de aplicao de operadores genticos, etc.).
Existem vantagens na utilizao de AGs. Em LEMONGE (1999) so citadas vrias e, dentre elas, as de que: otimizam um nmero grande de variveis; realizam buscas simultneas em vrias regies do espao de busca; so fceis de serem implementados em computadores; fornecem uma lista de parmetros timos e no uma nica soluo; so flexveis para trabalhar com restries e otimizar mltiplas funes com objetivos conflitantes; so facilmente hibridizados com outras tcnicas heursticas; no necessrio conhecimento matemtico aprofundado do problema considerado. Apesar das inmeras vantagens no pode ser esquecido, parafraseando COLEY (1999), que muitas publicaes e trabalhos de pesquisa sobre AGs discutem as vantagens de uma representao sobre outra ou ento apresentam diretrizes para a escolha do tamanho da populao para um determinado problema. Artigos analisam tambm a diferena em desempenho entre os vrios mecanismos de cruzamento ou discutem e apresentam justificativas para o percentual de mutao ser alto ou baixo. Muitas dessas publicaes descrevem experimentos computacionais de otimizao de funes relativamente simples e, freqentemente, no fica claro como o resultado obtido pode ser visto num contexto mais amplo. Na realidade, a nica forma de proceder para a soluo de um problema usando AG, avaliar resultados obtidos na soluo de problemas similares e, ento, escolher uma abordagem que seja sensvel ao problema em questo e que tambm seja vivel de ser implementada.
2.2 TERMINOLOGIA
Um AG pode ser entendido como uma tentativa de metfora da Evoluo Darwiniana, que incorpora conceitos da Gentica. Isto explica a razo dos AGs
14
possurem muitos termos originados da Biologia. Os principais termos encontrados na literatura e de relevncia para este trabalho so: Gene: uma informao do cromossomo; representa uma certa caracterstica da soluo-cromossomo; Indivduo ou Cromossomo: um elemento da populao. Um indivduo formado pelo cromossomo e sua funo aptido representa uma possvel soluo do problema; Populao: conjunto de indivduos (cromossomos) que representam os atuais pontos que fazem parte do espao de solues; Gerao: identifica cada uma das vrias populaes criadas durante o processo evolutivo; Funo Aptido: funo que 'mede' a adequabilidade de um cromossomo. Geralmente usada no mecanismo de seleo, para identificar quais indivduos iro 'sobreviver' e recombinar. Est ligada ao valor da funo objetivo (ver Seo 2.4) e pode incluir uma funo penalidade.
2.3 REPRESENTAO
Como comentado no Captulo 1, a representao de um problema visando a sua soluo consiste, inicialmente, na identificao das variveis e seus limites, suas constantes e na definio da funo matemtica que as combinam. Quando a tcnica utilizada AG, o processo similar. Pode ser evidenciado na literatura que a representao adotada para o cromossomo fundamental para a soluo do problema e tem um impacto direto no desempenho do algoritmo. "A escolha de uma representao apropriada para as solues candidatas de um problema a base para o uso de AG na resoluo de problemas do mundo real e o que condiciona todos os passos subseqentes do algoritmo. Para qualquer aplicao necessrio realizar uma anlise cuidadosa para garantir uma representao adequada de solues, bem como uma escolha de operadores genticos especficos ao problema, que seja significativa" (GEN & CHENG (1997)). A representao de uma varivel pode ser feita utilizando diferentes abordagens, destacando-se entre elas, a codificao binria e a real ou, ento,
15
representaes que so tpicas de um determinado problema e que tentam refletir, de alguma forma, a estrutura natural dos dados do problema. Geralmente a representao binria utilizada para a representao de problemas com variveis discretas e a representao real para problemas com variveis contnuas. 2.3.1 Representao Binria
Os trabalhos iniciais realizados com AG usavam como codificao do cromossomo, a representao binria. Neste tipo de representao, os valores de variveis so codificados como cadeias de caracteres binrios (0 e 1). O tamanho da cadeira est diretamente ligado aos limites de valores que essas variveis podem assumir. No caso de uma varivel contnua a determinao do nmero de bits (m) para representar seus possveis valores depende do limite inferior (b) e superior (c) do intervalo de valores que essa varivel vai assumir, no domnio do problema, bem como da preciso que a soluo vai requerer, dada pelo parmetro k. Isso feito determinando o nmero inteiro m que satisfaz a equao (2.1).
2m1 (c b)10k 2m 1 (2.1)
Para ilustrar a codificao binria com variveis contnuas, suponha um problema que envolva trs variveis x1, x2 e x3, cada uma delas com valores no intervalo [1,0 2,0] e que o problema exija preciso 2. Usando a frmula (1), o valor encontrado para m 9 e, portanto, cada uma das variveis ser representada no cromossomo por uma cadeia de 9 bits. Suponha que uma possvel soluo inicial, gerada randomicamente, seja:
s1=100001011101110101000111110
onde podem ser identificados os seguintes valores para cada uma das variveis:
x1 = 100001011 x2 = 101110101 x3 = 000111110
16
Quando do trmino do algoritmo gentico, a soluo est codificada em binrio. A decodificao do valor binrio de uma varivel para o correspondente valor decimal, num intervalo [b,c], dada pela equao (2.2).
x = b + (c b ) b10 2 1
m
(2.2)
onde
m - tamanho da cadeia de bits A ttulo de ilustrao, como o intervalo de variao da varivel x1 do exemplo considerado [1,0 2,0] o seu correspondente valor decimal, de acordo com (2.2) :
x 1 = 1 + (2 + 1) 267 = 0,57 (2 9 1)
De maneira anloga podem ser obtidos os valores decimais associados s variveis x2 e x3. Portanto o cromossomo s1 'traduzido' para a representao decimal :
s1 = 0,57 1,19 0,64
importante notar, entretanto, que a representao de nmeros reais em forma binria tem limitaes, com relao preciso. Suponha, por exemplo, uma varivel real x, cujos possveis valores esto compreendidos no intervalo real [2,2 3,9] que seja representada pela cadeia binria de cinco dgitos 10101 (note que (10101)2 = (21)10). A decodificao final, em decimal, do valor binrio relativo a x, dada pela equao (2). Portanto, x = 3,3516. Note que o prximo nmero binrio maior que 10101 o 10110 ((10110)2 = (22)10). Uma varivel real com valores no intervalo [2,2 3,9] que fosse representada pela cadeia (10110)2 seria decodificada, usando (2), como o nmero real 3,4065. Como pode ser observado neste exemplo, o uso da representao binria com 5 dgitos faz com que qualquer nmero real entre 3,3516 e 3,4065 no tenha representao. Uma
17
soluo para este problema aumentar os nmeros de bits que representa a varivel. (COLEY 1999). Quando se trata de uma varivel discreta, o conjunto de valores que ela assume pode ser representado como uma lista. Por exemplo, a varivel rea de ao comercial pode ser representada pela lista [1,2; 1,4; 1,6; 1,8; 2,0; 2,2; 2,4; 2,6; 2,8; 3,0; 3,2; 3,4; 3,6; 3,8; 4,0; 4,4] (cm2). A varivel em questo pode assumir qualquer dos 16 valores e, conseqentemente, bastam 4 bits para represent-la, como pode ser verificado pela equao (2.3). 2nb = nv onde nb nmero de bits nv nmero de possveis valores assumidos Considere um problema que envolva a varivel discreta rea de ao comercial. Quando da gerao aleatria da populao inicial, suponha, por exemplo, que a varivel seja representada pela cadeia de bits 0111. O valor da varivel associado essa representao binria 2,6, uma vez que o 7o+1 elemento ((0111)2 = (7)10) da lista associada rea de ao comercial 2,6. importante lembrar que nesta conveno, o primeiro elemento da lista de valores associados uma varivel discreta ocupa a posio zero (RAJEV & KRISHNAMOORTHY (1992)). Se o nmero de valores associados varivel discreta no for da forma 2nb, umas das abordagens sugeridas em WU & CHOW (1995a) a de usar uma estratgia de penalidade. Uma outra sugesto a de utilizar o mtodo de distribuio excessiva, proposto em LIN & HAJELA (1992). 2.3.2 Representao Real
(2.3)
A representao de um cromossomo utilizando nmeros reais mais facilmente entendida pelo ser humano do que aquela usando uma cadeia de bits. Alm disso, a representao usando nmeros reais requer menos memria. Outra vantagem da representao real a sua versatilidade quando da criao de novos operadores e variaes dos operadores existentes (ver Seo 2.6).
18
Para a codificao real de um problema que envolva trs variveis, um cromossomo, por exemplo, pode ser expresso por (0,8562 1,5667 0,9548).
Quando o problema tratado no possuir nenhuma violao s restries, o valor da funo aptido o prprio valor da funo objetivo, dado que o valor do termo penalidade ser zero. Funes penalidade sero abordadas com mais detalhes na Seo 2.10. Uma das dificuldades na utilizao dos AGs est na definio da funo penalidade que representa as restries particulares de cada problema.
2.5 SELEO
Inspirado no processo de seleo natural de seres vivos, o algoritmo gentico via operador de seleo, escolhe os melhores cromossomos da populao para determinar quais indivduos podem participar da fase de reproduo e contribuir na formao da gerao seguinte. O processo de reproduo se d atravs de um operador gentico denominado cruzamento. As principais formas de selecionar indivduos da populao para a reproduo so: seleo rank, seleo da roleta e seleo por torneio.
19
seleo rank: os cromossomos so classificados por valor de aptido. Os melhores cromossomos possuem as melhores posies e, conseqentemente, maiores chances de reproduo. Conforme apresentado por BENNETT (1997) associado posio 0 o elemento com o melhor valor da funo aptido e posio Npop1 o elemento com o pior valor da funo aptido. Portanto, um indivduo com posio r no rank selecionado com probabilidade p dada pela equao (2.5).
p = 2r N pop ( N pop 1) (2.5)
seleo da roleta: nesta abordagem a probabilidade de seleo proporcional aptido do indivduo. A analogia com uma roleta lembrada porque pode se imaginar os indivduos da populao dispostos como uma roleta, onde a cada indivduo alocado uma seo da roleta que proporcional sua aptido (Figura 2-2). Portanto, a probabilidade de seleo p i de um cromossomo com aptido Fi , em uma populao de tamanho Npop dada pela equao (2.6).
pi = Fi Npop
i =1
Fi
(2.6)
A partir de pi, calcula-se a probabilidade acumulada (qi) de cada cromossomo, de acordo com a equao (2.7).
q i = pj
j=1 i
(2.7)
Durante o processo de seleo a roleta girada Npop vezes, elegendo indivduos para a reproduo. Indivduos com maiores valores de probabilidade de seleo possuem maiores chances de serem escolhidos. Em alguns casos, esse esquema de seleo pode gerar problemas de convergncia prematura, quando a funo de avaliao atribui valores altos a um indivduo, levando este indivduo a monopolizar toda a gerao. Girar a roleta equivalente a gerar aleatoriamente um nmero r [0,1]. Se r q1 ento o primeiro cromossomo selecionado, caso contrrio selecionado o i-simo cromossomo si tal que q i 1 < r < q i . A Tabela 2-1 e a correspondente
20
Figura 2-2 mostram um exemplo de utilizao dessa tcnica. Para os valores de r mostrados na Tabela 2-1 a nova populao (2,4,2,1).
14% 31% indivduo 1 indivduo 2 indivduo 3 indivduo 4 6% 49%
seleo por torneio: So escolhidos aleatoriamente (com probabilidades iguais) n cromossomos da populao (geralmente 2) e dentre eles o cromossomo com melhor aptido selecionado. O processo se repete at que toda a populao esteja completa. Em outra variao, pares de indivduos da populao so selecionados randomicamente. Ento, um nmero randmico R+ (no intervalo [0 1]) gerado. Se R+ > r, 0,5 < r 1, o mais apto dentre os dois cromossomos selecionado; caso contrrio, o menos apto. O valor de r dependente do problema e estabelecido com base na nfase que se quer dar, para que a escolha favorea o menos apto. O processo se repete at que toda a populao esteja completa. importante ressaltar que uma seleo baseada em aptido no garante a
21
Como comentado em COLEY (1999), A menos que o indivduo mais apto seja muito, mas muito mais apto do que qualquer outro, ocasionalmente ele no ser selecionado. No ser selecionado, morrer. Assim, com uma seleo baseada em aptido, a melhor soluo do problema descoberta at um determinado momento, pode ser descartada. Embora isto parea contra-produtivo, pode ser vantajoso em alguns problemas, porque permite explorar mais o espao de busca, antes da convergncia. Este balano entre explotao (exploration) do espao de busca e explotao (exploitation) das descobertas um tema recorrente de pesquisa em AG. Em muitas aplicaes a velocidade de busca pode ser melhorada consideravelmente quando o melhor indivduo de uma gerao (elite) passado para a seguinte, com a garantia que ele no se modifique via cruzamento ou mutao, num processo conhecido como elitismo.
O cruzamento o operador responsvel pela recombinao de caractersticas dos pais durante a reproduo, permitindo que os filhos herdem essas caractersticas. considerado o operador gentico predominante e ocorre com uma probabilidade definida pela taxa de cruzamento pc ( 0,6 p c 1,0 ). Uma taxa alta permite uma explotao maior do espao de soluo e reduz as chances de convergncia para um timo local. Entretanto, se essa taxa for muito alta pode resultar na perda de tempo computacional devido explotao de regies no promissoras dentro do espao de solues. A seguir so apresentados os principais tipos de cruzamento abordados considerando cada uma das representaes apresentadas anteriormente (Sees 2.3.1 e 2.3.2).
22
Representao binria: a) um-ponto: um ponto de cruzamento escolhido e a partir deste ponto as informaes genticas dos pais so trocadas. As informaes anteriores a este ponto em um dos pais so concatenadas s informaes posteriores este ponto no outro pai, conforme mostra a Figura 2-3.
1 0 1 0 1 1 0 0 0 1 1 1 0 0 1 1 1 0 1 1 0 0 1 1 0 1 1 0 1 1 0 0
b) multipontos: troca de material gentico usando mais de um ponto, como ilustra a Figura 2-4.
1 0 1 0 1 1 0 0 0 1 1 1 0 0 1 1 1 0 1 1 0 0 0 0 0 1 1 0 1 1 1 1
c) uniforme: no utiliza pontos de cruzamento mas determina, atravs de uma mscara de bits aleatrios, quais genes de cada pai sero herdados por cada um dos filhos. Se o primeiro bit da mscara for 1, o primeiro bit do pai copiado para o primeiro bit do filho1; caso contrrio, o primeiro bit da me copiado para o primeiro bit do filho1. O processo se repete para todos os bits. Na gerao do
23
segundo filho o papel dos pais invertido; se o bit da mscara for 1, ento ser copiado o bit da me; se o bit for 0 ser copiado o bit do pai. O cruzamento uniforme est ilustrado na Figura 2-5.
Mscara 1 1 0 0 1 0 0 1 Pai Me Filho1 Filho2 1 0 1 0 1 1 0 0 0 1 1 1 0 0 1 1 1 0 1 1 1 0 1 0 0 1 1 0 0 1 0 1
d) varivel-a-varivel: uma tcnica de cruzamento proposta em HASANCEBI & ERBATUR (1998) cujas justificativas so convincentes e os resultados so bastante promissores. Neste tipo de cruzamento os pares de indivduos que sero cruzados, so decompostos nas substrings que representam cada uma das variveis que equacionam o problema e esto representadas no cromossomo. Posteriormente define-se aleatoriamente um ponto de cruzamento prprio de cada substring e executa-se o cruzamento de um-ponto para cada varivel (substring), como mostra a Figura 2-6. O fato da representao binria de cada varivel envolvida ter seu prprio ponto de cruzamento confina a troca de informao dentro do escopo de cada uma das variveis.
x1 Pai Me Filho1 Filho2 x2 x3
1 1 1 0 0 0 1 1 0 0 1 1 1 1 0 0 0 1 0 0 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 0 0 1 0 0 0 1 0 1 0 1 1 0
24
Representao real: Na literatura existem diversas propostas de cruzamento usando representao real. As principais so apresentadas a seguir. Considerando que os cromossomos pai, me e filhos, sejam notados respectivamente por:
pai = (p1, p2, ....., pn) me = (m1, m2, ....., mn) filho1 = (a1, a2, ....., an) filho2 = (b1, b2, ....., bn)
Dependendo dos valores de 1 e 2 alguns cruzamentos recebem nomes especiais, como mostra a Tabela 2-2.
Tabela 2-2. Valores de para diversos tipos de cruzamento [GEN & CHENG (1997)]
Cruzamento mdia affine linear - 1 + 2 2 1 0,5 1,5 >0 2 0,5 -0,5 >0
Uma variao do cruzamento mdia a mdia geomtrica, dada pela equao (2.8). Este cruzamento gera apenas um filho. a i = mi pi
(2.8)
25
Outra opo proposta em MICHALEWICZ (1996), onde os filhos so obtidos pelas equaes (2.9).
a i = m i + (1 )p i bi = ( 1)mi + pi
(2.9)
onde um nmero aleatrio escolhido de uma distribuio uniforme no intervalo [0,1]. Pode-se tambm utilizar um operador de cruzamento mais simples denominado na literatura de crossover uniforme. A partir desse cruzamento gerado apenas um filho cujas componentes so escolhidas aleatrias (uniforme) no intervalo [pi , mi]: pi < ai < mi . Outro cruzamento utilizado na literatura o cruzamento simples. Esse pode ser considerado como o crossover de um ponto da representao real, realizando a troca de informao entre cromossomos (pai e me) a partir de um ponto escolhido. 2.6.2 Mutao
A utilizao do operador de mutao tem como objetivo a introduo e manuteno da diversidade gentica da populao. Desta forma, a mutao assegura que a probabilidade de examinar qualquer ponto do espao de busca nunca ser zero, e tambm contorna o problema de mnimos locais. O operador de mutao aplicado aos indivduos com uma probabilidade dada pela taxa de mutao pm ( 0,001 p m 0,1 ). Na maioria das vezes a mutao aplicada aps a operao de cruzamento. Se pm for muita baixa pode acontecer um comprometimento da diversidade na populao. Se pm for muito alta, acontecero muitas perturbaes aleatrias e os filhos provavelmente comearo a perder suas semelhanas com os pais podendo comprometer a convergncia. Geralmente em AGs o operador de mutao tratado apenas como um operador secundrio com o papel de recuperar a perda de material gentico. A seguinte situao, descrita em SRINIVAS & PATNAIK (1994) exemplifica esse uso. Suponha que em uma determinada gerao todos os cromossomos da populao tenham, em uma determinada posio, o dgito 0 e suponha que a soluo tima
26
tenha o dgito 1 naquela mesma posio. O operador de cruzamento no pode regenerar o 1 naquela posio enquanto que com o operador de mutao existe a chance de tal bit passar a ser 1. Representao binria: Na representao binria, altera-se arbitrariamente um ou mais genes de um indivduo, como ilustrado pela Figura 2-7.
ponto de mutao indivduo indivduo mutado 0 1 1 1 0 0 1 1 0 1 1 1 0 0 1 0
Representao real: Assim como para operadores de cruzamento, existem vrios operadores de mutao na codificao real. Os principais so a mutao randmica e a mutao creep. mutao randmica: tambm chamada de mutao aleatria, a simples substituio de um gene por um nmero escolhido aleatoriamente no intervalo permitido pelo problema; mutao creep: adiciona a um valor de varivel um pequeno nmero aleatrio obtido de uma distribuio normal ou uniforme. Alternativamente, a mutao creep pode ser realizada multiplicando o gene por um nmero aleatrio prximo de 1. A idia por trs deste operador a seguinte: se o cromossomo est perto do ponto mximo, uma pequena perturbao pode mov-lo rapidamente para esse ponto. A taxa de mutao creep pode ser relativamente alta, uma vez que esse operador usado apenas para explorar localmente o espao de busca.
27
28
muito alta, indivduos com boas aptides podero ser descartados a uma velocidade maior que a velocidade de gerao de bons indivduos; se esta taxa for muita baixa, a busca pode estagnar. taxa de mutao: uma baixa taxa de mutao previne que uma dada posio fique estagnada em um valor, alm de possibilitar que se chegue em qualquer ponto do espao de busca; com uma taxa muito alta a busca se torna essencialmente aleatria.
29
estratgia de modificao de operadores genticos: uma abordagem interessante para lidar com factibilidade a de criar tanto a representao de dados quanto os operadores genticos especificamente para o problema, de maneira a manter a factibilidade dos cromossomos. Essa estratgia garante que os cromossomos estaro dentro da regio factvel;
estratgia de penalidade: geralmente em problemas que possuem um nmero razoavelmente alto de restries, um grande nmero de solues infactveis faz parte da populao. Em tais casos, solues factveis so difceis de serem geradas se a pesquisa gentica for confinada dentro das regies factveis. A estratgia de penalidade um tipo de tcnica proposta que considera solues infactveis durante o processo de busca.
2.10
FUNES PENALIDADES
Neste trabalho foi adotada a tcnica de penalidade que , provavelmente, a mais comumente utilizada em implementaes de AGs. Essencialmente, essa tcnica penaliza as solues infactveis. Isso feito alterando a funo de aptido por meio da adio de um termo de penalidade. A maior dificuldade do seu uso como escolher uma funo de penalidade que acelere a convergncia e evite o trmino prematuro. A tcnica de penalidade usada para manter uma certa quantidade de solues infactveis em cada gerao a fim de guiar a pesquisa gentica para uma soluo tima. A maior preocupao como determinar o termo penalidade para descobrir um balano entre a informao preservada (manter algumas solues factveis) e a presso de seleo (rejeitar algumas solues infactveis). O espao de soluo geralmente contm duas reas: a factvel e a infactvel, conforme ilustrado na Figura 2-8. A figura exibe uma situao em que a soluo infactvel b est muito mais prxima do timo a que a soluo infactvel d e a soluo factvel c. Espera-se penalizar menos b que d embora b esteja um pouco mais distante da rea factvel do que d. Acredita-se que b, mesmo infactvel, contm muito mais informao sobre o timo que c. Como no se tem conhecimento, a priori sobre o timo, geralmente muito difcil julgar qual a melhor soluo. A questo principal
30
da estratgia de penalidade como projetar uma funo penalidade pen ( x ) que possa efetivamente guiar a busca em direo a reas promissoras do espao de solues.
d b c
rea fact vel
a
ti mo
Figura 2-8. Espao de solues factveis e infactveis [GEN & CHENG (1997)]
No existe uma orientao geral que subsidie o projeto da funo penalidade em problemas de otimizao. Como sugerido em GEN & CHEN (1997), em geral existem dois possveis caminhos para construir a funo de avaliao com um termo de penalidade. Uma delas adicionar o termo penalidade funo objetivo como mostrado pela equao (2.10).
F( x ) = f ( x ) + pen ( x ) (2.10)
onde
O segundo caminho multiplicar o termo penalidade pela funo objetivo como na equao (2.11).
F( x ) = f ( x ) pen ( x ) (2.11)
31
Em GEN & CHENG (1997) podem ser encontradas vrias outras definies de funes penalidade que podem ser incorporadas funo de aptido.
3.1 PRELIMINARES
A reviso bibliogrfica foi feita com o intuito de fazer um levantamento o mais abrangente possvel dos trabalhos que foram realizados na rea de Engenharia Estrutural usando AGs. Buscou-se, com isso, identificar as vantagens e desvantagens do uso dessa tcnica, facilidades/dificuldades em sua utilizao em problemas prticos e avaliar a sua possvel aplicabilidade a problemas relacionados a concreto pr-moldado. A seguir so apresentados os principais trabalhos evidenciados nesta rea focalizando, respectivamente, o uso de AG em problemas envolvendo estruturas de ao e problemas envolvendo estruturas em concreto. A reviso bibliogrfica focaliza, principalmente, o tipo de problema tratado em cada um dos trabalhos e as caractersticas da abordagem gentica utilizada para a sua soluo.
33
JENKIS (1991) analisou o problema de minimizao da massa em kg de uma viga treliada, de comprimento L, ilustrada na Figura 3-1. As variveis do problema foram as inclinaes das escoras, a altura da trelia, definies de sees da viga, do tirante principal e do montante.
Figura 3-1. Viga treliada, onde od: altura da trelia; At: seo do tirante principal; As: seo do tirante montante e W: carregamento distribudo
As caractersticas do AG usadas para a busca da soluo do problema foram: dois tamanhos de populao (50 e 200), representao de dados binria e a seleo roleta e todas as variveis discretas. Na Figura 3-2 so apresentados os resultados da minimizao da massa da estrutura considerando seis diferentes sementes para a gerao de nmeros aleatrios, para os dois diferentes tamanhos de populao considerados.
34
b) Resultados da funo custo para a populao de 200 Figura 3-2. Resultados para seis diferentes sementes para gerao de nmeros aleatrios considerando dois diferentes tamanhos de populao [JENKIS (1991)]
Comparando os grficos a) e b) da Figura 3-2 pode-se observar que para a populao de 50 indivduos, foram necessrias mais geraes para a determinao de uma soluo aproximada do que para a populao de 200 indivduos. importante
35
lembrar, entretanto, que populaes com um nmero maior de indivduos geralmente usam um tempo computacional maior. No mesmo artigo o autor ainda analisou uma trelia de trs barras (Figura 3-3), a fim de encontrar as sees que minimizassem o volume total de material. O problema foi equacionado em funo de duas variveis representando reas de ao. Os resultados obtidos so apresentados pela Tabela 3-1.
Figura 3-3. Trelia de 3 barras [JENKIS (1991)] Tabela 3-1. Minimizao do volume total de material em trelia de 3 barras
Volume (cm ) AG run1 AG run2 AG run3 Programao linear sequencial 4326 4328 4326 4326
3
As notaes AG run1, AG run2 e AG run3 da Tabela 3-1 identificam trs execues do AG com diferentes sementes de gerao de nmeros aleatrios e dois tamanhos diferentes de populao. Segundo o autor os resultados se apresentaram satisfatrios dado que AG run1 e AG run3 se igualaram ao resultado obtido usando programao seqencial linear. Com relao representao de dados adotada para a soluo do primeiro problema, o autor escolheu uma representao binria de 5 bits, com o objetivo de representar 31 possveis valores do espao de busca. Entretanto, com 5 bits so possveis 32 representaes. O autor no comenta qual a estratgia usada para o
36
tratamento da seqncia 00000, dado que uma possvel seqncia que pode ser obtida via cruzamento ou mutao. Outro ponto a ser notado o nmero pequeno de experimentos, para o estabelecimento de um resultado. O autor deveria ter experimentado, pelo menos, 10 conjuntos aleatrios diferentes, como populao inicial, para o estabelecimento de qualquer resultado. A publicao dos grficos relativos cada run no se justifica. O trabalho ressalta ainda o cuidado que deve ser tomado com relao escolha da funo penalidade. Geralmente, uma funo quadrtica representa de maneira satisfatria o problema com restries, mas necessrio definir com cautela o grau de violao para as restries. Um grau de penalidade muito severo pode retardar o progresso do AG e s vezes inviabilizar seu uso. Em outro trabalho, JENKIS (1992) analisou a estrutura de uma ponte de cabo estaiada mostrada na Figura 3-4, com o objetivo de minimizar uma funo objetivo definida considerando parmetros de projeto.
As variveis de projeto que participam da funo objetivo so as posies dos pontos de ligao dos cabos na longarina e na torre alm das sees transversais dos doze cabos. O AG usado para a busca da soluo do problema teve as seguintes caractersticas: representao binria, uso de variveis discretas, a estratgia de seleo roleta e um modelo de escalonamento linear (para representar a presso de seleo), proposto por GOLDBERG (1989). A funo objetivo a ser minimizada corresponde massa do material usado. A Figura 3-5 mostra os resultados obtidos quando da minimizao da massa considerando cinco diferentes geraes de nmeros aleatrios.
37
Valem aqui os mesmos comentrios feitos com relao ao trabalho JENKIS (1991) relativos ao tamanho de 5 bits adotado para a representao das variveis e aos experimentos descritos identificados por diferentes runs. O autor utilizou na busca da soluo do problema a estratgia de seleo roleta e comenta que essa a estratgia mais conhecida para a seleo de indivduos. importante lembrar que, apesar de ser bem conhecida, nem sempre essa estratgia a que produz melhores resultados, razo pela qual o autor deveria ter experimentado outras. Em alguns problemas tal estratgia no obtm bons resultados. De qualquer forma as estratgias rank ou torneio so igualmente bem conhecidas. Ainda com relao ao trabalho descrito em JENKIS (1992) foi utilizada uma funo penalidade cujo valor depende do nvel de violao da soluo infactvel; quanto maior for a violao, maior a penalidade atribuda soluo. Com relao aos experimentos, segundo o autor, bons resultados foram obtidos usando tamanhos de populao pequenos. Entretanto, para esses casos, geralmente, necessrio, um nmero de geraes maior para se obter o melhor valor de funo objetivo. RAJEV & KRISHNAMOORTHY (1992) trabalharam no problema de minimizao do peso de trs tipos de sistemas de trelia tendo como variveis discretas as reas de ao. No trabalho foram analisados os sistemas de trelias plana, espacial e uma torre de transmisso. Os autores comentam da importncia do operador de mutao para manter a diversidade da populao e, entretanto, no o incorpora no trabalho. No tratamento das violaes para solues infactveis foi proposta uma formulao baseada nas
38
violaes de restries normalizadas. O critrio de parada foi definido quando 85% da populao possue os mesmos valores de variveis e de funo objetivo ao longo do processo evolutivo. A representao de dados adotada foi a binria. Como o desempenho do AG est relacionado com o tamanho da populao, os autores investigaram diferentes valores de tamanhos de populao. Ainda comentam que GOLDBERG (1989) conduz pesquisas neste aspecto e fornecem algumas diretrizes na escolha do tamanho da populao. Segundo os autores, um extenso estudo de valores para o tamanho da populao deve ser realizado, pois dependendo da quantidade de indivduos, necessrio um nmero maior ou menor de geraes para atingir a convergncia. Portanto, a experimentao dos autores se limitou a investigar o impacto nos resultados, somente no caso de diferentes tamanhos da populao (20, 30 e 40 indivduos). Vale comentar aqui que os tamanhos de populao escolhidos no refletem muito qualquer impacto em resultados, dado que diferem apenas em 10 e 20 indivduos. Teria sido interessante que os autores tivessem experimentado com populaes sensivelmente maiores. Tambm, os experimentos no contemplam variaes na configurao do AG (exceto pelas trs populaes diferentes). Deve-se salientar que o trabalho detalha de maneira simplificada e bastante didtica, a evoluo numrica do AG para um problema de trelia plana de trs barras. O primeiro sistema investigado (trelia plana) mostrado na Figura 3-6. Os autores abordaram o mesmo problema usando sete diferentes mtodos de otimizao convencional sobre os quais o artigo nada comenta. O artigo tampouco fornece o nome completo dos mtodos convencionais, limitando-se a usar suas siglas e referenciar uma tese de doutorado sobre eles. Os resultados so apresentados na Tabela 3-2, considerando os sete diferentes tipos de mtodos convencionais usados. Exceto nos casos de CONMIN e OPTDYN v-se que os AGs apresentam resultados melhores que os demais.
39
O segundo sistema (trelia espacial) com vinte e cinco barras, investigado por RAJEV & KRISHNAMOORTHY (1992) apresentado na Figura 3-7, juntamente com a configurao de carregamento.
N 1 2 3 6
a) Tabela de carregamento
40
b) Trelia de 25 barras Figura 3-7. Dados da trelia espacial de 25 barras [RAJEV & KRISHNAMOORTHY (1992)]
Os resultados da otimizao da massa dessa estrutura so apresentados na Figura 3-8. A partir da figura verifica-se, inicialmente, uma perturbao nos valores da funo custo (peso) para tamanhos diferentes de populao (Figura 3-8.a)). Os resultados obtidos pelos AGs foram satisfatrios, se apresentando melhores que aqueles obtidos na literatura tcnica (Figura 3-8.b)). Aparentemente o resultado obtido e referenciado como literatura tcnica relativo a um mtodo de otimizao convencional do qual nada comentado.
275
270
265
260
peso (kg)
255
250
245 1 6 11 gerao 16 21 26
41
Mtodos AG - (tamanho da populao = 20) AG - (tamanho da populao = 30) AG - (tamanho da populao = 40) Literatura tcnica
b) Comparao dos resultados finais Figura 3-8. Resultados para a trelia espacial de 25 barras [RAJEV & KRISHNAMOORTHY (1992)]
O ltimo sistema analisado (torre de transmisso) pelos autores est representado a seguir, na Figura 3-9. Os resultados so apresentados na Figura 3-10.
42
1100
1000
900
peso (kg)
800
700
600
500 1 3 5 7 9 11 13 15 gerao 17 19 21 23 25 27 29
Figura 3-10. Resultados para a torre de transmisso [RAJEV & KRISHNAMOORTHY (1992)]
Os autores continuaram experimentando diferentes tamanhos de populao (40, 50 e 60 neste caso) e, como pode ser verificado na Figura 3-10, o tamanho da populao no influenciou a obteno do resultado final do problema. Vale notar que os autores comentam do maior tempo computacional para a convergncia, quando uma populao maior utilizada. Entretanto lembram que tamanhos pequenos de populao podem provocar dificuldades de convergncia, restringindo a busca da soluo. Os autores comentam que devido natureza aleatria da busca extremamente difcil sugerir diretrizes que indiquem um tamanho timo de populao, tendo como base apenas o comprimento do cromossomo. Alm disso, afirmam que os AGs so melhores e mais apropriados para o caso de otimizao estrutural com variveis discretas, uma vez que as manipulam de maneira eficiente. Os autores lembram que quase todas as variveis de projeto, na maioria dos problemas de otimizao estrutural, tm natureza discreta.
43
WU & CHOW (1995b) tratam da minimizao do peso da estrutura de vrios sistemas de trelias, sendo duas delas planas, tendo como variveis discretas as reas de ao. A representao de dados utilizada na soluo dos problemas via AG foi a binria com o tamanho em bits de cada varivel definido como sugerido na literatura (ver Captulo 2). O tamanho da populao foi de 60 indivduos (constante) e a estratgia de seleo foi a rank. Utilizou a substituio steady-state (descrita em detalhes no Captulo 4) com a justificativa de evitar o alto tempo computacional nas avaliaes dos indivduos e se referencia ao AG utilizando este esquema como SSGA. Foram feitos experimentos usando diferentes tipos de cruzamentos: 1X, 2X, 3X e 4X. Posteriormente os autores compararam os resultados obtidos via SSGA com aqueles obtidos utilizando AG tpico, disponveis na literatura (RAJEV & KRISHNAMOORTHY (1992)). A otimizao do peso de um dos sistemas de trelia, ilustrado na Figura 3-6, foi investigada por RAJEV & KRISHNAMOORTHY (1992) e os resultados so usados por WU & CHOW (1995b) para efeito de comparao, como mostra a Figura 3-11. A Figura 3-11.b) relaciona os valores finais de massa obtidos utilizando os vrios operadores de cruzamento. Vale salientar que os autores nada comentam sobre o nmero de runs realizados e se os resultados apresentados so mdias daqueles valores.
44
AGs steady-state RAJEV & KRISHNAMOORTHY (1992) 2548,1 kg 1X (kg) 1987,7 2X (kg) 1986,6 3X (kg) 1983,5 4X (kg) 1986,4
b) Comparao do peso mnimo por AG simples e AGs steady-state Figura 3-11. Resultados para o caso da trelia de 10 barras [WU & CHOW (1995b)]
Na Figura 3-11.a) pode ser observado que a convergncia alcanada nas primeiras geraes, para todos os quatro tipos de cruzamento investigados. Nota-se na Figura 3-11.b) que os resultados obtidos usando o SSGA so melhores que aqueles obtidos por RAJEV & KRISHNAMOORTHY (1992). Deve-se salientar que a curva (GAs) apresentada na Figura 3-11.a) tem uma configurao bastante estranha (muita oscilao). Essa oscilao no deveria estar presente dado que, na soluo do problema, foi usada a estratgia de seleo rank e este tipo de perturbao geralmente no se verifica quando do uso dessa estratgia de seleo. Ainda em WU & CHOW (1995b) foi investigada a otimizao da massa de uma trelia com 52 barras, mostrada na Figura 3-12. Os resultados obtidos so apresentados na Tabela 3-3 e nela pode ser constatado que o melhor valor foi obtido com o cruzamento 2X.
45
Ainda, no trabalho de WU & CHOW (1995b) foi introduzida a gerao Gap (G) que um parmetro que controla a porcentagem de indivduos da populao que ser substituda na prxima gerao. O valor de G para os AGs tradicionais 1,0, isto , toda a populao substituda a cada gerao. No trabalho em questo foi adotado G =
2 , ou seja, apenas 2 indivduos so selecionados para reproduzir e 2 N pop
filhos so substitudos pelos dois piores indivduos da populao atual. Segundo os autores AGs modificados com um G pequeno podem reduzir significativamente o nmero de avaliaes e promover a eficincia computacional. A partir dos resultados obtidos, os autores concluram que o cruzamento 1X o pior operador de cruzamento e que no existe diferena de desempenho entre os operadores de cruzamento 2X, 3X e 4X. CHEN & CHEN (1997) analisaram algumas trelias, tratadas anteriormente em outros trabalhos, introduzindo melhoramentos nos AGs tpicos. Para o problema em questo, a funo a ser minimizada foi o peso da trelia considerando as reas de ao como variveis contnuas. O tamanho da populao foi de 30 indivduos. Os autores nada comentam da estratgia de seleo usada nos experimentos. Foi analisado o impacto dos diferentes operadores de cruzamento (1X, 2X, 3X e 4X), da estratgia elitista, das variveis de projeto passivas, do aumento gradual de penalidade e de uma pesquisa local. A seguir, so apresentados alguns detalhes das estratgias usadas. Cruzamento multi-ponto (PC); Estratgia elitista; Variveis de projeto passivas (VPP): durante o processo de otimizao, as variveis assumem valores correspondentes aos seus limites superiores e inferiores;
46
Aumento gradual da penalidade (AP): acrscimo da penalidade de acordo com o nmero da gerao; Pesquisa local de G-bit: esse mtodo simplesmente muda um valor de bit 0 para 1 e vice-versa; o valor da funo objetivo atual comparado com o anterior; se a funo melhorada, ento o cromossomo que foi mudado se mantm na populao e o anterior descartado. Os autores experimentaram, comparativamente, dois tipos de trelias. O
primeiro tipo uma trelia plana de 10 barras mostrada na Figura 3-13. O segundo, ilustrado na Figura 3-14, uma trelia de 25 barras. Em ambos os problemas, as variveis so as reas de ao e o objetivo do problema a minimizao do peso da trelia.
N 1 2 3 4
a) Dados do carregamento
47
b) Trelia de 25 barras Figura 3-14. Dados da trelia espacial de 25 barras [CHEN & CHEN (1997)]
Na Tabela 3-4 so apresentados os resultados com todas as estratgias consideradas. Com relao aos quatro operadores de cruzamento nota-se que o melhor resultado foi obtido pelo operador 2X para o caso da trelia de 10 barras e 4X para o caso da trelia de 25 barras. A partir dos resultados obtidos no trabalho de CHEN & CHEN (1997), pode se notar que a busca local no apenas melhora como tambm acelera a convergncia. O uso de variveis de projeto passivas tambm acelera a convergncia. Para o caso da trelia de 10 barras, o melhor resultado foi obtido considerando a busca local. Para a trelia de 25 barras, o ponto de cruzamento 4X apresentou resultados melhores que as outras estratgias. Segundo os autores o cruzamento 2X fornece resultados confiveis, estveis e eficientes e a estratgia de aumento de penalidade gradualmente conduz as solues infactveis para as regies factveis, alm de prevenir a convergncia prematura.
48
Tabela 3-4. Resultados para as trelias, onde PC ponto de cruzamento, PL pesquisa local, VPP estratgia para varivel de projeto passiva, AP estratgia de aumento de penalidade
Trelia de 10 barras Tipo PC=1 PC =2 PC =3 PC =4 PL VPP Baseado no mtodo do gradiente Custo (kg) 2450,6 2155,1 2502,4 2469,2 2136,5 2147,4 2104,3 Trelia de 25 barras Tipo PC =1 PC =2 PC =3 PC =4 PL AP Baseado no mtodo do gradiente Custo (kg) 223,4 213,6 195,1 186,6 188,0 243,7 247,4
HASANCEBI & ERBATUR (1998) analisaram vrias tcnicas de cruzamento em vrios sistemas de trelias. As variveis so as reas de ao e o objetivo foi a minimizao do peso das trelias considerando variveis discretas. Foram analisados trs tipos de trelias com o objetivo de avaliar o impacto de tamanhos diferentes de espao de busca. A representao de dados adotada foi a binria. Foi definida uma populao de 100 indivduos (constante nos experimentos) e a estratgia de seleo utilizada foi a rank. Foi avaliado o impacto de diferentes operadores de cruzamentos 1X, 2X, 3X, 5X, 10X, 20X, varivel-a-varivel e uniforme. Todos os resultados representam a mdia dos valores obtidos em 8 execues (runs), cada uma delas tendo uma populao inicial gerada randomicamente. O critrio de parada foi o nmero de geraes 100. Uma das trelias analisada est ilustrada, a seguir, na Figura 3-15, e corresponde a uma trelia plana de 10 barras.
49
Os autores otimizaram a trelia da Figura 3-15, considerando dois diferentes valores do carregamento (P). Os resultados so apresentados na Tabela 3-5 e na Tabela 3-6, relacionando para os dois casos, as vrias tcnicas de cruzamento consideradas. Os autores apenas se limitaram a fornecer os valores finais da funo custo, no apresentando os valores para as variveis que definem a funo. O operador de cruzamento proposto pelos autores no trabalho em questo, nomeada aqui de varivel-a-varivel, divide o vetor de valores binrios separando cada varivel do problema, realizando posteriormente, para cada uma, o cruzamento atravs de ponto simples. O cruzamento varivel-a-varivel est descrito em detalhes no Captulo 2, uma vez que foi utilizado em alguns dos experimentos realizados nesta tese.
Tabela 3-5. Valores em kg do peso da estrutura para o caso I
Tcnicas de cruzamento Caso I - P=333,6kN ponto simples 2453,6 2452,3 2479,1 2473,7 2493,6 2511,2 dois pts trs pts 5 pts 10 pts 20 pts var. a var. 2492,8 2516,2 unifor.
50
Pode ser observado nas Tabela 3-5 e Tabela 3-6 que os resultados pioraram medida que o nmero de pontos de cruzamento aumentou. HASANCEBI & ERBATUR (1998) ainda implementaram um outro tipo de operador de cruzamento que corresponde a uma mistura de um ponto, 2X e 3X. Para um nmero fixo de total de geraes, os autores usaram uma determinada seqncia de operadores de cruzamentos com propores diferentes: as primeiras 20% geraes so criadas usando cruzamento 3X, as 40% geraes seguintes, usando cruzamento de um ponto e as 40% geraes finais, com cruzamento 2X. A idia aplicar uma determinada seqncia de tcnicas utilizando uma mistura de cruzamentos a fim de abranger todo o espao de busca. No problema, primeiramente foi adotado o cruzamento 3X, depois o de um ponto e finalmente o 2X. Outra tcnica utilizada foi a troca de varivel direta. Nesse caso cada varivel de projeto trocada entre pares de indivduos de acordo com a funo de probabilidade dada pela equao a seguir.
0,5 genc 10 = 0,50 0,35 max gen N d 0,3
p cros
1,0 caso indivduo factvel f = genc 1,5 max gen caso contrrio
onde
pcros probabilidade de cruzamento genc contador da gerao max gen nmero mximo da gerao Nd nmero de variveis de projeto f parmetro de factibilidade Ambas as tcnicas foram aplicadas em um problema de otimizao da massa
de uma trelia espacial de 72 barras. A Tabela 3-7 relaciona os resultados obtidos pelos mtodos apresentados anteriormente, comparando-os com um valor timo j conhecido da literatura. Pelos resultados obtidos v-se que o melhor valor da funo foi obtido com a tcnica de troca de varivel direta. Os resultados apresentados pela
51
mistura de cruzamento obtiveram melhores valores quando comparados aos operadores de cruzamento 1X, 2X e 3X.
Tabela 3-7. Valores obtidos pela funo objetivo para as tcnicas de cruzamento
Mistura de 1X (kg) 6904,26 2X (kg) 6769,05 3X (kg) 6948,65 cruzamento (kg) 6702,32 Troca de varivel de projeto (kg) 6522,26 Valor timo (kg) 4887,43
Devido aos bons resultados obtidos tanto pelo operador varivel-a-varivel quanto pela tcnica de mistura de cruzamento, achou-se interessante uma investigao tanto do novo operador quanto da seqncia proposta pelos autores, quando dos problemas tratados nesta tese. LEITE & TOPPING (1998) analisaram a minimizao dos custos de material e mo de obra de execuo de uma viga soldada, ilustrada na Figura 3-16. As variveis envolvidas na definio da funo custo so as dimenses b, h, l e t, mostrados na figura. O comprimento L assume o valor de 14 in. A busca da soluo do problema via AG usou a representao de dados real. O tamanho da populao foi de 100 indivduos (constante para os experimentos) e a estratgia de seleo foi a do torneio. Os experimentos usaram um nmero mximo de geraes limitado por 100 e os valores mostrados correspondem mdia dos valores obtidos em 20 runs. Os experimentos levaram em considerao variao da taxa da probabilidade de mutao bem como uma reproduo com mltiplos filhos. Na anlise dos experimentos foi avaliado o impacto do operador de cruzamento multi-ponto. A viga foi otimizada por mtodos convencionais e os resultados esto apresentados na Tabela 3-8. Os mtodos APPROX, DAVID, GP, SIMPLEX e RANDOM envolvem programao matemtica. J o GEBENOPT (Genetic Based Engineering Optimization Tool) e CGA (Canonical Genetic Algorithm) so sistemas que implementam AG.
52
Figura 3-16. Viga soldada [LEITE & TOPPING (1998)] Tabela 3-8. Resultados finais para a viga soldada
Mtodos APPROX DAVID GP SIMPLEX RANDOM GEBENOPT CGA Custo ($) 2,38 2,38 2,39 2,53 4,12 2,40 2,43
Pode ser visto na Tabela 3-8 que os resultados obtidos pelos AGs se mostraram satisfatrios, chegando bem prximos quele obtido por APPROX e DAVID. Os autores tambm analisaram a topologia de trelias com o objetivo de minimizar o seu peso considerando como variveis as reas de ao e a topologia. Uma das trelias est mostrada na Figura 3-17 a). A Figura 3-17 b) ilustra a topologia final depois do processo de otimizao. A Tabela 3-9 mostra os resultados numricos finais comparando-os com outros mtodos de otimizao. Uma outra tcnica heurstica utilizada pelo autor foi o SA (Simulated Annealing). Nesta tcnica, para se obter o ponto timo, feita uma analogia com o fenmeno fsico do comportamento de molculas durante o processo de cristalizao em recozimento de
53
metais. Para maior esclarecimento do processo, consultar DIAZ (1996) e REEVES (1995).
a) Configurao original
Figura 3-17. Trelia de 10 barras [LEITE & TOPPING (1998)] Tabela 3-9. Resultados finais para a trelia de 10 barras
Mtodos SA (Simulated Annealing) GEBENOPT Mtodos convencionais Peso (kg) 725,3 719,9 719,0
Pode ser verificado na Tabela 3-9, que o resultado obtido pelo AG praticamente se iguala quele obtido pelos mtodos convencionais. ERBATUR et al (2000) analisaram vrios sistemas de trelias a fim de minimizar o peso da estrutura. Um dos exemplos analisados foi uma trelia de 25 barras, exatamente a mesma descrita em RAJEV & KRISHNAMOORTHY (1992) (Figura 3-7). Os resultados so apresentados pela Tabela 3-10.
Tabela 3-10. Resultados do peso para a trelia de 25 barras
Mtodos RAJEV & KRISHNAMOORTHY (1992) AG (EBARTUR et. al (2000)) Literatura tcnica 224,2 255,5 Peso (kg) 247,8
Outros trabalhos que foram realizados e que merecem destaque nessa linha so listados a seguir.
54
a) OHSAKI (1995) analisou um problema de otimizao que procura encontrar topologias timas para uma trelia de 3 e 20 barras; b) WU & CHOW (1995a) realizaram a otimizao do peso de trelias considerando variveis discretas para as sees transversais e contnuas para os deslocamentos; c) KALLASSY & MARCELIN (1997) apresentaram a otimizao das posies dos enrijecedores em placas. O objetivo do problema encontrar o menor deslocamento perpendicular superfcie neutra da placa, sendo dados o comprimento da placa, o carregamento e as condies de contorno; d) CHENG & LI (1998) definiram o Pareto GA que localiza o timo de Pareto para um problema de otimizao multiobjetivo. Foram analisados dois sistemas de trelia descritos na literatura com o objetivo de minimizar o peso da estrutura; e) KOUMOUSIS & ARSENIS (1998) analisaram uma viga retangular contnua para dois vos. A quantidade e a rea utilizada de armadura so as variveis do problema e o objetivo a minimizao do seu peso; f) KWAN (1998) apresentou a otimizao para as estruturas de trelias. As variveis so os nmeros de barras, as juntas e sua localizao no sistema de trelia. O objetivo minimizar o peso final do sistema.
55
COELLO et al (1997) analisaram vigas de concreto armado utilizando o mtodo dos AGs, minimizando o custo dos materiais. As variveis esto mostradas na Figura 3-19 e correspondem altura e largura do concreto e a armadura da seo transversal. Os autores usaram o AG simples proposto por GOLDBERG (1989) e experimentaram com diversos esquemas de representao: binrio, cdigo de Gray e real. Foram usados o operador de cruzamento 2X e a estratgia de seleo torneio nos experimentos. Os autores nada comentam sobre o tamanho de populao utilizada nos testes.
No cdigo de Gray a representao de dois valores consecutivos difere somente pela permuta de 1 bit, fazendo com que a mudana de uma unidade na varivel corresponda apenas a troca de 1 bit na codificao. Os resultados das
56
representaes foram comparados com o modelo de CHAKRABARTY (1992), que usa algoritmos de programao no-linear. A Tabela 3-11 mostra os valores de custo da viga para as diferentes abordagens.
Tabela 3-11. Custo total da viga
CHAKRABARTY (1992) $/cm 0,4435 AG (binrio) $/cm 0,4442 AG (cdigo de Gray) $/cm 0,4464 AG (real) $/cm 0,4436
Na tabela v-se que os resultados se apresentaram prximos, sendo o melhor obtido pela representao real e o pior pelo cdigo de Gray. Os autores pretendem, em trabalhos futuros, ajustar os parmetros genticos com outra tcnica heurstica como a lgica fuzzy. JENKIS (1997) analisou uma estrutura aporticada, mostrada na Figura 3-20. As variveis so as sees transversais das vigas e pilares, as reas e a altura da trelia, o comprimento do balano e as sees dos tirantes. O autor minimizou o volume mnimo de material da estrutura considerando o caso de variveis discretas. Para a busca da soluo via AG foram usados a representao binria, tamanho de populao de 50 indivduos e estratgia de seleo roleta.
O trabalho prope ainda um melhoramento para os operadores genticos dado pela equao (3.1).
57
p c [i] = p co + (1 p co )r p m [i] = p mo (1 r )
(3.1)
onde pc[i] probabilidade de cruzamento do vetor representando pela varivel i; pm[i] probabilidade de mutao do vetor representando pela varivel i; pco , pmo valores iniciais das probabilidades de cruzamento e mutao, respectivamente; r razo do nmero da gerao e do nmero mximo de gerao. O problema foi solucionado para 10 geraes diferentes de nmeros aleatrios. Os resultados obtidos so apresentados pela Tabela 3-12, considerando ou no probabilidades diferentes de cruzamento e mutao para cada gerao. No se tem o valor correto na literatura, mas sabe-se que o peso mnimo da ordem de 11000 kg.
Tabela 3-12. Valores encontrados da otimizao do prtico
Massa (kg) Run sem o melhoramento dos operadores 1 2 3 4 5 6 7 8 9 10 mdia 12228 12567 12991 11817 12485 12608 12020 11801 13076 13166 12475,9 Massa (kg) com o melhoramento dos operadores 10844 10775 10961 11191 11035 11256 10597 11000 10823 10830 10931,2
A Tabela 3-12 mostra que o melhor peso obtido das 10 diferentes avaliaes foi de 10931,20 kg no caso de utilizar o melhoramento proposto pela equao (10). Nota-se que utilizando alguma estratgia de melhoramento, o AG se apresentou muito mais eficiente que o AG simples.
58
LI & LOVE (1997) analisaram um projeto para a construo de uma casa residencial, com o objetivo da minimizao do seu custo. As variveis contnuas do problema foram definidas pelo tempo de durao de todas as atividades associadas construo (da fundao limpeza final da casa). A representao de dados adotada foi a real. Os autores no fornecem nenhuma indicao do tamanho de populao e da estratgia de seleo usada. Na implementao os autores impuseram a condio que, aps o cruzamento, os filhos fossem factveis. Atravs de cruzamentos melhorados, as solues infactveis seriam ajustadas por esses operadores a fim de torn-las factveis. A Figura 3-21 ilustra os resultados da minimizao. Nota-se que os AGs simples possuem um custo pior que os AGs melhorados.
Custo x gerao
18000
17500
17000
custo ($)
16000
15500 0 1 2 3 4 5 6
gerao
Figura 3-21. Comparao dos resultados para as duas anlises [LI & LOVE (1997)]
CERANIC & FRYER (1998) analisaram a otimizao do custo de uma viga contnua de concreto armado, ilustrada na Figura 3-22, considerando seo T. As variveis contnuas consideradas foram a seo transversal e a altura da viga sendo a funo objetivo dada pelo custo dos materiais.
59
Foram definidos a representao binria, a populao de tamanho 40 (constante nos experimentos) indivduos, a estratgia de seleo rank, operadores de cruzamento 1X, 2X e uniforme. Foi introduzido um modelo elitista na busca da soluo do problema.
Os resultados obtidos so apresentados na Figura 3-23. Nela pode-se notar que o AG padro apresenta um pior desempenho quando comparado com o AG considerando o elitismo.
Figura 3-23. Comparao do mtodo com e sem elitismo [CERANIC & FRYER (1998)]
LEITE & TOPPING (1998) ainda investigaram o problema de minimizao do custo de material referente vigas I de concreto protendido, usando AGs implementados como o sistema GEBENOPT (Genetic Based Engineering
60
Optimization Tool). Este mesmo problema foi investigado por COHN & LOUNIS (1993) usando mtodos convencionais. principais desta viga. A Figura 3-24 ilustra as caractersticas
b) seo I considerada Figura 3-24. Caractersticas da viga protendida [LEITE & TOPPING (1998)]
Em COHN & LOUNIS (1993) foram analisados dois problemas de minimizao relativos viga I. Para o primeiro, mostrado na Figura 3-25 (I), a seo da viga foi especificada a priori e para o segundo (II), as larguras da flange e da alma foram variveis, enquanto que as alturas permaneceram constantes. Alm dessas foram tambm consideradas variveis o fator de reduo do momento, a rea de armadura passiva, as excentricidades e a fora de protenso. O objetivo do problema foi minimizar o custo de material da viga. COHN & LOUNIS (1993) utilizaram o programa GAMS/MINOS que baseado no algoritmo Lagrangiano. Com relao ao problema (I) os resultados do GEBENOPT ficaram 1% melhores quando comparados com os obtidos com o GAMS/MINOS. J com relao
61
ao problema (II), as dimenses da largura e da flange foram diminudas na soluo encontrada pelo GEBENOPT, resultando uma economia de 11% com relao aos dados obtidos usando o GAMS/MINOS.
RAFIQ & SOUTHCOMBE (1998) avaliaram o projeto de quatro pilares de concreto armado, incluindo seu detalhamento. O problema foi equacionado como uma funo multiobjetivo que trata da minimizao da armadura utilizada e da maximizao da capacidade de flexo das sees nos dois eixos. Foi utilizado como referncia a norma britnica. Para a soluo deste problema via AG, a representao de dados adotada foi a binria para variveis discretas. O tamanho da populao foi de 50 indivduos e o critrio de parada adotado foi de 50 geraes. Os autores no fornecem mais informaes sobre o AG utilizado. Os valores obtidos para a armadura esto na Tabela 3-13 e a posio da armadura mostrada na Figura 3-26.
Tabela 3-13. Tabela de resultados da rea de armadura [RAFIQ & SOUTHCOMBE (1998)]
Pilar 1 2 3 4 BS 8110 (mm2) 1964 2592 12566 20970 AG (mm2) 1608 2463 11467 17197 Diferena % 22 5 10 22
62
Observa-se pelos resultados que o AG fornece uma maior economia de armadura chegando a uma reduo de at 22%. Na Figura 3-26 v-se que alm do AG apresentar melhores resultados, a disposio da armadura foi totalmente diferente que aquela obtida pelo mtodo simplificado (seguindo norma britnica BS8110). BS 8110 - mtodo simplificado AG
Figura 3-26. Resultados da disposio da armadura (medidas em mm) [RAFIQ & SOUTHCOMBE (1998)]
RAJEV & KRISHNAMOORTHY (1998) analisaram estruturas de pilares e vigas de um prtico com o objetivo de minimizar o seu custo. As variveis do
63
problema foram as dimenses dos pilares e vigas e o detalhamento final (disposio da armadura). Para a busca da soluo usando AG, foi adotada a representao binria usando variveis discretas. Os autores nada comentam sobre o tamanho da populao, estratgia de seleo usada e/ou qualquer outra caracterstica gentica. Foram definidos dois tipos diferentes de problemas a fim de avaliar a aplicabilidade de AGs. O primeiro corresponde a um prtico de quatro andares e o segundo a um prtico de seis andares (Figura 3-27). A Tabela 3-14 mostra os resultados finais dos dois exemplos do prtico, considerando o mtodo convencional, que usa uma tcnica de busca direta (SUMT), e o AG. Observa-se que diferena entre os resultados foi bem significativa para ambos os casos analisados.
Tabela 3-14. Tabela final de custos para as duas anlises
SUMT ($) Prtico de quatro andares Prtico de seis andares 22211,3 19480,0 AG ($) 20739,9 17804,1 Diferena % 7,1 8,6
b) Caractersticas do prtico de seis andares Figura 3-27. Caractersticas principais das duas anlises realizadas por RAJEV & KRISHNAMOORTHY (1998)
64
LEMONGE (1999) mostrou a utilizao dos AGs na otimizao de diversas estruturas. Foram analisados por ele problemas de minimizao de peso para sistemas de trelias, otimizao de parmetros e topologia em estruturas reticuladas espaciais e planas, anteriormente analisadas por outros autores. Foram analisados vrios exemplos numricos comparando-os com os mtodos convencionais. O autor evidencia a potencialidade do AG, alm de sua facilidade de implementao, para a anlise de diversos problemas de engenharia. O autor ainda analisou a estrutura de uma ponte (Figura 3-28), considerando como variveis as posies dos quatro pilares (x1,x2, x3, x4) alm da altura da viga.
f 1( x ) = max{r1 , r2 , r3 , r4 }
(3.2)
onde f(x) - funo objetivo definida como a compliance f1(x) funo objetivo definida como a reao de apoio mxima q - carregamento aplicado na estrutura u - deslocamento correspondente L - comprimento total da ponte r1, r2, r3, r4- reaes de apoio positivas (compresso nos pilares) nos pontos 1, 2, 3 e 4, respectivamente Foram propostos quatro diferentes critrios para a definio do dimetro de cada pilar. So eles: Critrio 1: corresponde a uma escolha subjetiva de projetista em particular;
65
Critrio 2: emprega o coeficiente de flambagem . Quatro variveis adicionais (x6, x7, x8, x9) so introduzidas e correspondem aos coeficientes de flambagem dos pilares 1, 2, 3 e 4, respectivamente; Critrio 3: aps a aplicao do critrio 2, um nico valor adotado, o maior deles; Critrio 4: o coeficiente de flambagem no explicitamente utilizado. Para tanto, introduzida uma varivel adicional, x6, que representa um nico valor de dimetro. Para os critrios 2 a 4 multiplica-se o volume total de concreto dos pilares nas duas funes objetivos. No trabalho adotou-se (x) como notao para indicar este critrio. A Tabela 3-15 mostra as variveis de projeto obtidas na otimizao da compliance. A Tabela 3-16 mostra alguns dos resultados obtidos considerando-se a minimizao da compliance. Pode ser observado na Tabela 3-16 que o critrio 3b acarreta o mnimo valor da compliance com um maior volume de concreto, VC=63305 m3. Tal soluo no aceitvel, pois geram pilares com dimetros excessivos. O critrio 1 produz o maior valor de compliance com o menor valor de concreto VC=3140 m3. Entretanto, as melhores solues so aquelas obtidas pela minimizao do produto da compliance por VP. Neste caso, o critrio 4(x) possui um volume de concreto VC=2180,0 m3 para pilares com um nico dimetro (2,4 m) sendo ento a melhor soluo encontrada.
Tabela 3-15. Variveis de projeto para a minimizao da compliance x1 a x4 vo dos pilares, x5 associada altura da viga, x6 a x9 reaes de apoio
critrio 1 2a(x) 2a 2b(x) 2b 3a(x) 3a 3b(x) 3b 4(x) 4 x1 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0 x2 3,748 4,310 4,066 5,397 4,139 5,092 4,066 5,25 4,127 4,115 4,139 x3 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 x4 5,521 3,808 5,654 5,419 5,591 2,315 5,63 5,45 5,591 5,505 5,591 x5 24,0 24,0 24,0 24,0 24,0 24,0 24,0 24,0 24,0 24,0 24,0 x6 40,0 20,0 115,718 20,0 38,749 32,532 110,968 30,029 2,4 20,0 x7 186,08 40,0 200,0 20,0 175,914 40,0 200,0 20,0 x8 148,231 40,0 200,0 20,0 181,075 190,928 192,258 91,789 x9 40,0 20,0 148,973 20,0 40,0 24,125 146,686 65,572 -
66
Tabela 3-16. Resumo das anlises para a minimizao da compliance onde D1 a D4 seo dos pilares (m), VP volume de concreto dos pilares (m3), VC volume de concreto total da ponte (m3), comp resultado da minimizao da compliance
critrio 1 2a(x) 2a 2b(x) 2b 3a(x) 3a 3b(x) 3b 4(x) 4 D1 1,788 3,577 7,155 1,236 7,155 4,169 11,718 2,304 23,415 2,4 20,0 D2 4,708 2,510 11,718 2,299 23,411 4,169 11,718 2,304 23,415 2,4 20,0 D3 3,6 2,429 9,0 1,8 18,0 4,169 11,718 2,304 23,415 2,4 20,0 D4 2,201 4,277 8,823 1,18 8,814 4,169 11,718 2,304 23,415 2,4 20,0 VP 1611,5 984,4 11248,6 398,6 38707,4 1930,5 15477,4 593,9 61773,0 648,9 45065,7 VC 3140,0 2518,0 12780,0 1941,8 40239,4 3471,0 17008,7 2135,8 63305,0 2180,0 46697,8 10,34 10,29 14651 10,68 14237 10,4 291717 10,86 11875 comp. 15,36 21379 comp.xVP
A Tabela 3-18 mostra alguns dos resultados obtidos considerando-se a minimizao da reao mxima.
67
Tabela 3-18. Resumo das anlises para a minimizao da reao mxima, onde D1 a D4 seo dos pilares (m), VP volume de concreto dos pilares (m3), VC volume de concreto total da ponte (m3), comp. resultado da minimizao da reao de apoio
critrio 1 2a(x) 2a 2b(x) 2b 3a(x) 3a 3b(x) 3b 4(x) 4 D1 1,786 3,0 3,0 0,6 7,156 1,505 2,48 4,0 4,0 2,4 2,4 D2 4,96 2,029 1,929 1,549 2,48 1,505 2,48 4,0 4,0 2,4 2,4 D3 3,6 1,752 1,64 1,317 18,0 1,505 2,48 4,0 4,0 2,4 2,4 D4 2,0 4,0 4,0 0,83 0,8 1,505 2,48 4,0 4,0 2,4 2,4 VP 1763,8 627,1 584,9 132,1 12479,8 196,0 699,9 1767,0 1820,7 636,4 655,5 VC 3182,7 2157,5 2159,6 1854,8 13898,7 1893,0 2118,8 3224,8 3239,6 2093,6 2074,4 1260,9 1261,0 8215257 1261,0 2283767 1257,0 393541 1258,5 279039 max. r. 1262,9 930017 max. r xVP
Observa-se pela Tabela 3-18 que os valores das reaes mximas de apoio so semelhantes e foram encontradas com volumes tambm similares com exceo do critrio 2b. Os critrios 3a, 3b e 4 definem pilares com o mesmo dimetro e com razoveis valores para o projeto. O melhor resultado obtido das anlises foi aquele usando o critrio 4, com o menor volume de concreto, VC=2074,4 m3 e pilares com dimetro de 2,4 m. ARGOLO (2000) trata do dimensionamento timo de sees retangulares de concreto armado submetidas a flexo-compresso reta. Para a soluo do problema via AG, as variveis usadas foram a altura da seo transversal de concreto, a largura da seo transversal, o nmero de camadas de ao na seo de concreto, o nmero de barras em uma mesma camada de ao e o dimetro das barras de uma mesma camada. Foram avaliadas ainda vrias sees de concreto armado. A funo objetivo foi definida como sendo a somatria dos custos dos materiais e o objetivo, sua minimizao. A representao adotada foi a binria e o tamanho da populao foi de 100 indivduos tendo como critrio de parada 80 geraes. O autor faz algumas anlises quanto variao de preos dos materiais e como tal mudana pode refletir nos resultados finais.
68
69
em muitos dos experimentos usando AG h falta de informao de caractersticas genticas bsicas, como por exemplo, tamanho de populao, estratgia de seleo usada, nmero de avaliaes, etc.. Os autores limitam-se a dizer que usaram AG, mas no fornecem qualquer outra informao;
poucos trabalhos mostraram o nmero de execues (run) realizadas para o problema e apenas um artigo apresentou a mdia, o pior e melhor valor obtido para a funo objetivo. Na maioria, pode-se concluir que apenas uma execuo foi realizada o que, de certa forma, incorreto;
os artigos investem bastante na descrio do AG propriamente dita e, quando de sua aplicao ao problema em questo ou no fornecem informao ou ento, so bastante vagos;
a maioria dos experimentos descritos no explora AGs em suas vrias caractersticas e se limitam a, quanto muito, a experimentar uma ou duas de suas caractersticas apenas. De todos os trabalhos descritos neste Captulo, os trabalhos HASANCEBI &
ERBATUR (1998), RAJEEV & KRISHNAMOORTHY (1990), CHEN & CHEN (1997) LEITE & TOPPING (1998), ARGOLO (2000) foram realmente relevantes e contriburam com alguma informao, tanto para a definio e norteamento de alguns experimentos quanto para o estabelecimento de sublinhas de pesquisa. Vrios dos artigos examinados no trazem informaes completas sobre os experimentos, o que no permitiu um completo entendimento dos resultados.
e de de
4.1 PRELIMINARES
Neste captulo abordado em detalhes o uso de AG na soluo de dois problemas tpicos de Engenharia Estrutural: a otimizao de um painel alveolar sem capa estrutural e a otimizao de um painel alveolar com capa estrutural. Em ambos os problemas foram analisados o impacto nos resultados de vrios parmetros genticos, com o objetivo de identificar a melhor configurao desses parmetros para a soluo deste tipo de problema. Por essa razo foram propostos 22 AGs variantes, cujas definies foram determinadas pelas diferentes combinaes da estratgia de seleo, esquema de reproduo e restaurao da populao ao tamanho original. Para viabilizar uma anlise comparativa entre AG e um mtodo convencional de otimizao de problemas no lineares, so discutidos os resultados obtidos usando o Mtodo do Lagrangiano Aumentado na busca da soluo de ambos os problemas. Para a obteno dos resultados usando AG foram feitas 22 implementaes em C++, sob ambiente operacional Windows NT; as descries dos algoritmos implementados encontram-se no Apndice B. O software que implementa o Mtodo do Lagrangiano Aumentado (EASY) foi obtido junto
71
www.ime.unicamp/~martinez. O Apndice C apresenta uma breve descrio do mtodo e algumas informaes sobre o software utilizado. As prximas sees iro tratar dos seguintes problemas: a busca da soluo via AG da otimizao de um painel alveolar sem capa estrutural problema tratado no trabalho de KOSKITO & ELLINGWOOD (1997) via mtodo convencional. Ser minimizado o custo de produo do painel, considerando como variveis a altura do painel, a rea de armadura e a resistncia do concreto do elemento pr-moldado; a busca da soluo via AG e via EASY da otimizao do painel alveolar sem capa estrutural para uma determinada aplicao: ser minimizado o custo de produo do painel considerando como variveis a altura do painel alveolar, a rea de armadura e a resistncia do concreto; a busca da soluo via AG e via EASY da otimizao da aplicao do painel alveolar com uma capa estrutural: ser minimizado o custo de produo, transporte e aplicao do painel considerando como variveis a altura do painel alveolar, a rea de armadura, a resistncia do concreto do elemento pr-moldado, altura da capa de concreto e a resistncia do concreto da capa.
72
Geralmente os painis alveolares so tambm chamados de laje vazada ou oca. Os vazamentos desses elementos podem assumir forma circular, oval, pseudo elipse, retangular, etc. Algumas dessas formas so apresentadas na Figura 4-1. Normalmente esses elementos so de concreto protendido e so projetados para funcionar simplesmente apoiados.
Figura 4-1. Formas de seo transversal de painis alveolares [EL DEBS (2000)]
Painis alveolares podem ser produzidos utilizando frmas fixas ou, mais comumente, usando uma extrusora ou frma deslizante, em uma pista de concretagem. Neste caso, os painis so produzidos utilizando todo o comprimento da pista e, posteriormente, so serrados no comprimento desejado. A Figura 4-2 exibe as fases de montagem e acabamento desses painis em uma obra, a ttulo de ilustrao. Na anlise estrutural das lajes executadas com painis alveolares admite-se que o comportamento do elemento corresponda ao de laje armada em uma direo. A faixa de vos em que esse tipo de elemento empregado est entre 5m e 15m e a largura entre 1,00m a 1,20m, podendo chegar a 2,50m. As alturas variam de 15cm at 30cm, podendo excepcionalmente atingir 50cm. O uso desses painis vantajoso uma vez que dispensam escoramento e frmas na construo, economizam tempo, mo-de-obra e material. So compatveis com estruturas de concreto convencionais ou metlicas, pr-fabricados ou alvenaria. Como so alveolares permitem a reduo de peso e economia das fundaes.
73
b) acabamento inferior
Segundo EL DEBS (2000), o dimensionamento de painis alveolares, feitos em pistas de protenso, apresenta as particularidades descritas a seguir. a armadura dos painis constituda apenas de armadura ativa, na parte inferior e, muitas vezes, tambm na mesa superior; no existe armadura especial para resistir fora cortante e nem para solicitaes na direo transversal, o que obriga a contar com a resistncia trao do concreto para resistir a essas solicitaes; a colocao de armaduras adicionais praticamente invivel devido ao processo de execuo e a colocao de conectores metlicos usada em situaes particulares. O dimensionamento desses elementos segue recomendaes das normas brasileiras NBR 7197 e NBR 6118 da ABNT (2001).
4.3 INVESTIGAO
DO
USO
DE
AG
NUM
PROBLEMA
74
apresentados e discutidos os resultados obtidos pelos autores usando o mtodo do Lagrangeano projetado2. 4.3.1 Definio do Problema O problema de otimizao a ser tratado aqui o da minimizao da funo custo de produo de um painel alveolar sem capa estrutural para vrios vos. O dimensionamento ser realizado considerando apenas um nvel de armadura, como apresentado no trabalho de KOSKITO & ELLINGWOOD (1997). Como o trabalho descrito na referncia acima ser mencionado vrias vezes nesta seo, para simplificar o texto, ele ser referenciado pelas iniciais dos autores - K&E. O principal objetivo dos experimentos descritos nesta seo comparar valores timos j conhecidos, obtidos via mtodos convencionais, com aqueles obtidos usando AG (CASTILHO & EL DEBS (2000)). A seo transversal do painel mostrada na Figura 4-3. Ser minimizada a mesma funo custo apresentada pelos autores, dada pela equao (4.1).
C T = C D + C P + C C + C QA + C M (4.1)
onde
C T - custo total de projeto C D - custo de planejamento e projeto C P - custo de produo C C - custo de construo
C QA - custo de garantia de qualidade
75
x2 x1
120cm
O custo dado pela equao (4.1) baseado nas seguintes suposies: custo de projeto C D 2,5% do custo de produo; custo de produo C P = C Mat + C W , onde C Mat o custo do material (concreto e ao) e C W o salrio; o custo do concreto depende da quantidade do cimento utilizado que , de acordo com os produtores, igual a 7f ck kg / m 3 . O preo do cimento 0,06512 US$/kg; a massa especfica do ao 7800 kg/m3 e seu preo 0,3256 US$/kg;
C W multiplicado por um fator (55 / f ck ) 2 ;
o custo de construo, C C , representado pelo custo do concreto necessrio para moldar as juntas no local incluindo o custo da mo-de-obra. Este custo depende da espessura da laje, da largura das juntas e do preo do concreto para as juntas. O custo da construo dado ento por C C = 0,001628Lh n US$ , onde L - vo em m e h n - espessura do painel em mm;
4.3.2 Funo Custo Total Na subseo anterior os vrios custos envolvidos na produo do painel, relatados em K&E so somados e, combinados com as suposies listadas acima, resultam na equao (4.2) que define a funo custo total.
f ( x ) = 0,01Lx 1 + 0,0159Lx 2 + 0,00144Lx 1 x 3 + 1,31L x1 x + 14,44L 2 2 x3 (x 3 ) (4.2)
76
onde
x1 altura do painel em mm (hn) x2 armadura da seo transversal em mm2 (Ap) x3 resistncia compresso do concreto em MPa (fck) L comprimento do painel f(x) funo objetivo As variveis so a armadura, a resistncia do concreto e a altura do painel
para diversos comprimentos de painel que estaro sujeitas s restries de acordo com os estados limites ltimos e de servio. Para os estados limites ltimos as restries so a resistncia flexo, dada pela equao (4.3), e a resistncia trao, dada pela equao (4.4). No estado limite de servio tm-se o limite da fissurao na flexo, dada pela equao (4.5) e a limitao da flecha, dada pela equao (4.6).
f pyk M = A p f pyk d 1 0,5 0,9f ck (4.3)
onde
M resistncia flexo
f pyk resistncia ao escoamento do ao A p seo transversal da armadura em mm
2
I =
g+q 2
2 g +q
+ 2 f ctf
(4.4)
onde
tenso cisalhante devido aplicao das cargas f ctf resistncia do concreto trao
77
f ctf +
P Pe p M g +q + 0 A W W
(4.5)
onde
P fora de protenso
A rea da seo transversal e p distncia dos cabos linha neutra
a=
(4.6)
onde
I momento de inrcia da seo transversal Embora os coeficientes de segurana apresentados pela norma brasileira sejam de 1,3 ou 1,4 para aes permanentes e de 1,4 para aes variveis, foram utilizados neste trabalho 1,2 para aes permanentes e 1,6 para aes variveis, que coincidem com aqueles utilizados por K&E. Alm dessas restries, as variveis no podem ultrapassar os seguintes limites:
10 x 1 45 (cm) 35 x 3 60 (MPa ) 2,2 x 2 12,0 (cm 2 )
78
Como visto anteriormente no Captulo 2, existem vrias estratgias para o tratamento de um problema de otimizao com restries, usando AG. Para o problema descrito aqui foi adotada a estratgia da penalidade, uma vez que bastante difundida, tem tido bons resultados e compartilha algumas idias bsicas com a otimizao convencional. 4.3.3 Funo Penalidade Como visto no Captulo 2, uma tcnica de penalidade transforma um problema com restries em um problema sem restries por meio da penalizao das solues infactveis. Uma das maneiras de definir a funo de aptido do AG via a adio, funo a ser otimizada, de um termo de penalidade. Portanto, a funo aptido equacionada como: F(x) = f(x) + pen(x) Como comentado na Seo 2.10, no existe uma orientao geral quando da definio da funo penalidade para problemas de otimizao. Neste trabalho adotada a funo penalidade inspirada e usada em RAJEEV & KRISHNAMOORTHY (1992) definida pela equao linear. pen(x)= K C onde C = ci
i =1 m
K=1000 m- nmero de restries, ci- valor associado restrio gi(x), calculado como: se gi(x) 0 ento ci = 0 seno ci = 1 se gi(x) 0 ento ci = 0 seno ci = 1
4.3.4 A Busca da Soluo do Problema via AG O AG tpico descrito no Captulo 2 foi refinado de maneira a adequ-lo melhor ao problema. Foram definidos a representao de dados, a estratgia de seleo, o tipo de cruzamento e mutao e o critrio de parada. A seguir na Tabela 4-1 so
79
4.3.5 Descrio dos Experimentos e Anlise dos Resultados O valor relativo a cada um dos experimentos descritos nesta seo a mdia de 6 execues (run), cada uma delas tendo uma populao gerada randomicamente. Com a implementao do AG customizada aos valores descritos anteriormente, foram feitos tantos experimentos quantos os vrios comprimentos de laje listados no trabalho em questo. A Tabela 4-2 uma extenso da tabela apresentada em K&E, onde foram acrescentados os valores obtidos nos experimentos usando AG.
Tabela 4-2. Resultados da otimizao considerando algoritmos genticos
L (m) 8 10 18 20 hn (cm) 15,0 17,1 40,0 40,0 K&E Ap fck custo (cm2) (MPa) (US$/m2) 3,95 46 3,34 5,38 50 4,11 9,22 45 8,51 11,35 48 9,20 hn (cm) 15,0 18,2 34,3 38,9 Ap (cm2) 3,93 5,00 11,11 11,72 AG fck custo (MPa) (US$/m2) 50,10 3,36 45,39 4,14 47,55 8,30 49,60 9,15
Como pode ser observado na Tabela 4-2 os resultados obtidos utilizando-se AG se aproximam bastante dos resultados encontrados nos experimentos descritos na citada referncia. Particularmente, em dois deles (L=18m e L=20m) os valores
80
usando AG foram melhores (menor custo). Para os dois primeiros comprimentos de laje, de 8m e 10m, os resultados no foram melhorados, mas se aproximaram bastante daqueles descritos no trabalho. No caso do comprimento de 18m, o resultado obtido pelo AG apresentou um valor de custo 2,5% aqum do que o obtido em K&E. Para 20m a diferena entre os resultados no foi muito significativa chegando a apenas 0,5%. importante lembrar que no trabalho em questo vrias anlises foram realizadas com relao a algumas variveis do problema. Entretanto, como essas variveis eram apenas representativas do mtodo de otimizao adotado, elas no foram consideradas neste exemplo. Uma das dificuldades apresentadas durante a implementao do AG foi quando da definio da funo penalidade, que permite penalizar indivduos infactveis. A funo penalidade, que entra no clculo da funo de avaliao, conforme descrito na Seo 4.3.3, foi definida como pen(x) = C K, para K=1000. Os resultados mostrados na Tabela 4-2 so referentes apenas a um conjunto de valores das caractersticas elencadas anteriormente. Tais resultados evidenciam a aplicabilidade da tcnica de AG no problema descrito e, com base neles, pode-se conjecturar a aplicabilidade de AG a problemas similares.
DE
PAINEL
ALVEOLAR
SEM
CAPA
Nesta seo investigado o uso de algoritmo gentico na busca da soluo para o problema de minimizao do custo de um painel alveolar considerando uma capa de concreto moldado no local, para regularizao, de 4cm, para uma determinada situao. So apresentados e discutidos tambm os resultados obtidos para a soluo do mesmo problema, usando o Mtodo do Lagrangiano Aumentado. Parte dos resultados apresentados nesta seo esto descritos em detalhes em CASTILHO et al (2002a). 4.4.1 Definio do Problema Os critrios para o dimensionamento de um painel alveolar sem capa estrutural so apresentados no Apndice D. O problema de otimizao a ser tratado aqui o da
81
minimizao da funo custo total de um painel alveolar sem capa estrutural para uma determinada situao de projeto para um vo de 6m. Com o objetivo de facilitar os clculos das verificaes desses painis, o dimensionamento ser realizado considerando apenas um nvel de armadura, como apresentado no trabalho de KOSKITO & ELLINGWOOD (1997), muito embora seja comum o emprego de dois nveis de armadura (um prximo face inferior e outro prximo face superior). No equacionamento desta funo sero inseridos os custos das etapas transitrias (produo, transporte e montagem) do painel, usando os valores cedidos pela empresa Marka situada em Franca, SP, e alguns obtidos na Revista Construo3. As variveis do problema so as mesmas da seo anterior: a altura do painel (x1), a armadura (x2) e a resistncia do concreto (x3). Vale notar que a largura constante (120cm). A seo transversal do painel a mesma mostrada na Figura 4-3. Os prximos itens (I-Custo de Execuo, II-Custo de Transporte Externo e III-Custo de Aplicao) discriminam os diferentes custos envolvidos no problema que, combinados, definem a funo custo total, a ser minimizada. Os custos fornecidos pela empresa Marka, utilizados nos itens I, II e III descritos a seguir foram calculados tendo como base os seguintes valores: Consumo de Concreto/m = 0,097 m Mo-de-obra com encargos sociais (5 homens) R$ 192,00 por dia Produo diria = 180 m Depreciao de equipamentos: extrusora, usina de concreto, mquina de corte Valor investimento = R$ 680.000,00 Vida til = 15 anos Valor Residual = 20% Produo Anual = 45.000 m Todos os problemas tratados nesta tese envolvem de uma maneira ou de outra o custo associado a vrias etapas, de produo, de transporte e de montagem.
82
Embora alguns custos tenham sido fornecidos pela empresa referenciada acima, houve uma grande dificuldade no levantamento e na definio de alguns valores adotados neste trabalho. Deve-se salientar que se tentou estimar da melhor maneira possvel, valores de custos que pudessem representar uma situao tanto da produo do elemento em uma fbrica quanto da sua aplicao na obra. Futuramente uma anlise mais criteriosa nos valores desses custos deve ser feita com o objetivo de representar mais fielmente uma situao real. I) CUSTOS DE EXECUO Os custos envolvidos na execuo englobam: A. Custos da matria-prima B. Custos adicionais C. Custos indiretos administrativos D. Custos tributrios A.Custos da matria-prima a soma do custo do concreto (c_concreto) e do custo da armadura (c_armadura). Concreto: material, mo de obra, equipamento (depreciao) material: cimento, areia, brita, aditivo, etc custo (R$/m3): onde
custo _ material = (24,75x 3 + 74,25)
mo-de-obra: mo-de-obra de dois homens utilizada na mistura de concreto, custo (R$/m3): custo (R$/m3): no transporte e na operao dos equipamento de moldagem
custo _ mo _ de _ obra = 4,40
83
mo-de-obra: mo de obra de um homem para utilizao dos equipamentos e colocao dos cabos, efetuao da protenso e liberao da fora. custo (R$/kg):
custo _ mo _ de _ obra = 0,295
c_armadura = custo_material + custo_mo_de_obra + custo_equipamento B. Custos adicionais (c_adicional) Envolve os custos referentes s atividades aps a moldagem e anterior ao envio obra (cura, desmoldagem e armazenamento). O custo adicional a soma do custo de mo-de-obra e do custo de equipamentos (depreciao). mo-de-obra: mo de obra para utilizao dos equipamentos, cura, transporte, armazenamento custo (R$/m3):
custo _ mo _ de _ obra = 4,40
c_adicional = custo_mo_de_obra + custo_equipamento C. Custos indiretos administrativos (custo_ind) Envolve os custos de: engenheiros, encarregados, recepcionista, execuo do projeto, encargos sociais, propaganda, energia, impostos, aluguis, seguros, materiais de escritrio, despesas de manuteno, fretes, combustvel, depreciao, retorno de investimento.
84
custo (R$/m3): custo_ind = 0,1 (c_concreto + c_armadura + c_adicional) D. Custos tributrios (c_tributario) Envolve os custos de Confins, PIS, ICMS, IPI avaliados em 12% do preo final de venda. custo (R$/m3):
c_tributario = 84,00
II) CUSTOS DE TRANSPORTE EXTERNO Envolve os custos de transporte da fbrica ao local da obra. Com o intuito de melhor avaliar o custo de produo do painel neste trabalho considerou-se uma obra hipottica sendo realizada a 100km de Franca (custo_transp). servios: mo de obra, caminhes, combustvel, seguros, despesas com manuteno Considerando que: custo R$
: m 3 Km custo _ transporte = 0,52
e como o obra hipoteticamente est localizada a 100km de Franca, tem-se: custo (R$/m3): custo _ transp = 52
III) CUSTOS DA APLICAO Os custos envolvidos na aplicao do elemento englobam: A. Custos da montagem do painel alveolar B. Custos do concreto para regularizao C. Custos das ligaes D. Custos indiretos administrativos A. Custos da montagem do painel alveolar (c_montagem) a soma dos custos de mo-de-obra e equipamentos. mo-de-obra: mo de obra para a colocao dos painis custo (R$/m3):
custo _ mo _ de _ obra = 11,96
85
c_montagem = custo_mo_de_obra + custo_equipamento B. Custos do concreto para regularizao (c_conc) a soma dos custos de material, mo-de-obra e equipamentos (depreciao). Considerou-se na anlise dos custos um concreto de 4cm de capa e com resistncia de 20MPa. material: cimento, areia, brita, aditivo, etc custo (R$/m3):
custo _ material = 123,75
mo-de-obra: mo de obra de oito homens para o lanamento, o adensamento do concreto, a cura e desmoldagem custo (R$/m3):
custo _ mo _ de _ obra = 41,68
c_conc = custo_material + custo_mo_de_obra + custo_equipamento C. Custos das ligaes (c_liga) a soma dos custos de material e mo-de-obra. A Figura 4-4 mostra um tipo de ligao utilizada na ligao entre painis. material: argamassa (considerou-se o custo como 3 vezes o custo do concreto de regularizao) custo (R$/m3):
custo _ material = 3 123,75 = 371,25
86
rejuntamento
revestimento opcional
c_liga = custo_material + custo_mo_de_obra D. Custos indiretos administrativos (custo_adma) Envolve os custos de: engenheiros, encarregados, recepcionista, execuo do projeto, administrao, encargos sociais, propaganda, energia, impostos, aluguis, seguros, materiais de escritrio, despesas de manuteno, fretes, combustvel, depreciao, despesas tributrias. custo (R$/m3): 4.4.2 Funo Custo Total Na subseo anterior os vrios custos envolvidos na produo de um painel alveolar com capa de regularizao foram discriminados. O dimensionamento de tal painel est apresentado em detalhes no Apndice D. Com o objetivo de obter a funo que representa o custo total de produo, considerando as etapas de execuo, de transporte e de aplicao, os vrios custos foram somados e a expresso final da funo : f(x) = 11,578 log(x 1 ) + 12,663 + 0,0528x 1 + 1,1(24,75x 3 + 74,25)(0,063 log(x 1 ) 0,0721) +
(0,0633 log(x 1 ) 0,0721) + 2,4075x 2
custo_adma = 0,2 (c_montagem + c_conc + c_liga)
87
O problema de minimizao do custo de produo de tal painel, portanto, se resume ao problema de minimizao da funo f(x) (x = (x1, x2, x3)). O dimensionamento do painel deve respeitar os estados limites de utilizao (estados limites de descompresso e de formao de fissuras, de controle da deformao, de controle da fissurao e ao cisalhamento) e ao estado limite ltimo (solicitaes normais e tangenciais), no caso de protenso limitada. O problema em questo se configura, portanto, como um problema de minimizao sujeito a restries e pode ser equacionado da seguinte forma: Minimizar: f(x) = 11,578 log(x 1 ) + 12,663 + 0,0528x 1 + 1,1(24,75x 3 + 74,25)(0,063 log(x 1 ) 0,0721) +
(0,0633 log(x 1 ) 0,0721) + 2,4075x 2
onde onde
g1 (xi) 0 g2 (xi) 0
g 2 ( x i ) = 2 P + 2 g + cj
o 1
b) fase de transporte:
g 3 ( x i ) = 1 P + a1 1 g ctj
o 1
g 4 ( x i ) = 2 P + a1 2 g + cj
o 1
g 5 ( x i ) = 1 P + a 2 1 g ctj
o 1
g 6 ( x i ) = 2 P + a 2 2 g + cj
o 1
c) fase de armazenamento:
g 7 ( x i ) = 1 P
oo oo
+ 1 g ctj
1
onde onde
g7 (xi) 0 g8 (xi) 0
g 8 (x i ) = 2 P
+ 2 g + cj
1
d) fase de montagem:
88
g 9 ( x i ) = 1 P + 1 g + 1 g ct
o 1 2
onde onde
g 10 ( x i ) = 2 P + 2 g + 2 g + c
o 1 2
+ 11q + 1P
oo
ct + c
onde onde
g 12 ( x i ) = 2g + 2g + 1 2q + 2P
oo
ct
onde
g 14 ( x i ) = 2g + 2g + 2 2q + 2P
oo
+ c onde
ct + c
onde onde
g 16 ( x i ) = 2g + 2g + 2q + 2P
oo
onde
g17 (xi) 0
onde
g18 (xi) 0
onde
g19 (xi) 0
onde
g20 (xi) 0
89
onde
1g1 , 2 g1 tenso devido ao peso prprio da vigota no bordo inferior e
superior
1g 2 , 2 g 2 tenso devido ao peso prprio do enchimento e do concreto
inferior e superior
ctj tenso limite de trao em j dias
c tenso limite de compresso 1 fator de combinao freqente de aes ( 1 = 0,3 ) 2 fator de combinao quase permanente de aes ( 2 = 0,2 ) M d momento atuante da seo composta M u momento ltimo da seo composta
Alm dessas restries, as variveis que definem a funo devem satisfazer s seguintes desigualdades:
90
A escolha desses limites se justifica por: x1: limite inferior e limite superior correspondem a limites arbitrados x2: limite inferior e limite superior correspondem a limites arbitrados x3: limite inferior e limite superior correspondem a limites arbitrados de resistncia de concreto do elemento pr-moldado Para o problema descrito aqui foi adotada a mesma estratgia de penalidade da Seo 4.3.3. 4.4.3 A Busca da Soluo do Problema via AG Como um dos objetivos nesta tese foi o de investigar as diferentes caractersticas e os diferentes valores que parmetros genticos podem assumir, buscando identificar a customizao do AG mais conveniente para o problema em questo, o algoritmo AG tpico descrito no Captulo 2 serviu de base para a proposta de 22 AGs variantes. As definies de AGs variantes foram determinadas pelas diferentes combinaes da estratgia de seleo, esquema de reproduo e restaurao da populao ao tamanho original, notado por Npop. Para facilitar e sistematizar as referncias a eles, os 22 AGs variantes foram agrupados em trs famlias diferentes, usando como critrio a estratgia de seleo utilizada por eles. Essas famlias so a MGA, ROLETA e TORNEIO. Os pseudocdigos que descrevem os algoritmos das trs famlias esto descritos em detalhes no Anexo B. A seguir na Tabela 4-3 esto discriminados os valores de vrias caractersticas relativas a AGs, adotadas na implementao.
91
A estratgia de seleo MGA uma proposta desta tese [CASTILHO et al (2002b)] que adota algumas caractersticas da estratgia rank e detalhada na Seo 4.4.4.1. Para os experimentos foram considerados trs possveis esquemas de reproduo: substituio, avaliador e steady_state. As principais caractersticas desses esquemas so: Substituio: substitui os pais, pelos filhos, a cada gerao. Tem a desvantagem de perder indivduos com boas caractersticas genticas; isto, entretanto, pode ser contornado com a introduo de um processo elitista; Avaliador: na composio da nova populao so considerados os valores da funo de avaliao dos pais e dos filhos e, ento, so escolhidos os melhores; Steady-state: gera dois indivduos apenas a cada gerao, resultado do cruzamento de dois indivduos da populao corrente. Nesta tese o esquema steady-state [BEASLEY (1993)] foi implementado de duas maneiras distintas: Steady-state 1: os dois melhores indivduos da populao corrente so selecionados para o cruzamento. Os dois filhos obtidos so avaliados e comparados com os dois piores indivduos da populao corrente, substituindo-os ou no, dependendo dos resultados dos respectivos valores de aptido. Steady-state 2: dois indivduos da populao corrente so randomicamente selecionados para o cruzamento. Os dois filhos obtidos
92
so avaliados e comparados com os dois piores indivduos da populao corrente, substituindo-os ou no, dependendo dos resultados dos respectivos valores de aptido. Note que neste esquema de reproduo a prxima populao permanece inalterada com substituio de, no mximo, dois elementos. 4.4.4 Descrio dos Experimentos e Anlise dos Resultados Uma vez que AGs so bastante sensveis populao inicial, o valor relativo a cada um dos experimentos descrito nesta seo, a mdia dos valores obtidos em dez execues (run), cada uma delas tendo uma populao inicial gerada randomicamente. A anlise dos resultados focaliza, principalmente, os valores obtidos usando os AGs variantes das trs famlias. Como comentado anteriormente, na definio dos diferentes elementos das trs famlias, esto contemplados os diferentes esquemas de reproduo. 4.4.4.1 Famlia MGA Como comentado anteriormente, a seleo MGA foi proposta baseada na seleo rank, descrita no Captulo 2. A estratgia MGA se caracteriza por classificar a populao usando o valor da funo de avaliao de cada indivduo. Se a taxa de cruzamento for de x%, os x% primeiros indivduos sero selecionados para o cruzamento. A famlia MGA de AGs variantes composta por seis elementos que diferem entre si com relao ao esquema de reproduo adotado e maneira como a populao restaurada para Npop elementos, aps o cruzamento. A Tabela 4-4 nomeia e descreve os seis elementos da famlia MGA, identificando o esquema de reproduo adotado em cada um deles, bem como a estratgia usada para restaurar a populao. A seguir na Tabela 4-5 so apresentados o valor da funo custo, o desvio padro, o melhor e o pior absoluto, bem como os valores das trs variveis que definem a funo custo para todas os AGs variantes da famlia MGA.
93
Alm disso, so exibidos dados referentes a duas implementaes do AG bsico, usando a estratgia de seleo rank como descrita no Captulo 2 (rank1 e rank2) e o valor da funo custo obtido via o mtodo do Lagrangiano Aumentado (EASY). O rank1 e rank2 diferem apenas na maneira como a populao restaurada populao original. O primeiro usa indivduos que no participaram do cruzamento e o segundo usa indivduos da populao corrente escolhidos aleatoriamente.
Tabela 4-5. Valores da funo custo e das variveis que a definem para a famlia MGA: x1 altura do painel, x2 rea de armadura e x3 resistncia do concreto
FUNO CUSTO vo=6m (R$/m2) AG variante MGA1 MGA2 MGA3 MGA4 MGA5 MGA6 Rank1 Rank2 Valor da funo 75,91 78,36 76,04 76,42 76,26 76,80 76,06 76,10 Desvio padro 0,1613 0,7857 0,3601 0,5942 0,4919 0,5004 0,2091 0,0853 Melhor absoluto 75,80 76,96 75,75 75,76 75,85 75,89 75,86 76,00 Pior absoluto 76,34 79,11 76,85 77,53 77,40 77,61 76,45 76,27 x1 (cm) 21,47 21,27 21,56 21,49 21,45 21,76 21,77 21,53 VARIVEIS x2 (cm2) 2,67 2,84 2,62 2,54 2,59 2,82 2,66 2,70 x3 (kN/cm2) 3,07 3,76 3,12 3,32 3,24 3,13 3,03 3,08
EASY
75,75
21,49
2,69
3,00
Pode ser evidenciado na Tabela 4-5 que os dados relativos aos AGs variantes esto bastante prximos e que o melhor resultado foi o obtido com o MGA1. O nico valor de funo que destoa ligeiramente dos demais o obtido pelo MGA2. O comportamento deste variante versus os demais, pode ser visualizado na Figura 4-5. Pode se conjecturar duas razes que justifiquem os resultados obtidos. A primeira se deve ao fato do MGA2 restaurar a populao a seu tamanho original, usando
94
indivduos que no participaram do cruzamento (indivduos que, provavelmente, no tiveram bons valores de funo de aptido). A segunda (que no exclui a primeira), seria o esquema de reproduo de substituio, que no leva em considerao valor de aptido quando substitui pais por filhos. Por outro lado, esse esquema tambm utilizado pelo variante MGA1, que obteve os melhores resultados dentre os algoritmos da famlia. Isso nos leva a pensar que o mecanismo de restaurao que influencia negativamente o desempenho do MGA2. Como mostra a Tabela 4-5, o EASY obteve o melhor desempenho que todos os outros variantes. Analisando os resultados obtidos pelos variantes MGA2 e MGA4 e pelos variantes MGA1 e MGA3 pode-se inferir que, com o uso da estratgia avaliador o desempenho piora. Com relao aos resultados obtidos pelos variantes MGA1 e MGA2 (que compartilham o mesmo esquema substituio) e pelos variantes MGA3 e MGA4 (que compartilham o mesmo esquema avaliador) pode-se concluir que o mecanismo de restaurao que adota indivduos que no participaram do cruzamento no bom. O MGA2 foi o que teve o pior resultado da famlia.
Custo X Gerao
83 82 81 80 79 78 77 76 75 0 100 200 300 400 500 gerao 600 700 800 900 1000 MGA1 MGA2 MGA3 MGA4 MGA5 MGA6 Rank1 Rank2
Figura 4-5. Valores mdios de funo aptido para famlia MGA, rank1 e rank2
95
Ainda com relao ao uso do EASY, interessante salientar que, para este particular problema, foram usados vrios pontos iniciais (o ponto inicial deve ser fornecido ao EASY pelo usurio). Para valores iniciais razoavelmente distantes do timo, o EASY no converge e informa ao usurio. Quando foram adotados valores obtidos por qualquer dos AGs variantes, como ponto inicial, o EASY convergiu para o valor mostrado na Tabela 4-5. Com base nessas consideraes, pode se afirmar que o desempenho do EASY fortemente dependente do valor inicial fornecido pelo usurio. Quando no se tem conhecimento do ponto timo ou mesmo da regio em que ele se encontra, esse mtodo de otimizao fica mais limitado. Uma abordagem interessante a da combinao de um mtodo heurstico para a determinao da vizinhana do ponto timo e, ento, usar qualquer dos pontos desta regio como ponto inicial do mtodo de otimizao. Todas essas consideraes feitas para o EASY so vlidas para as discusses das prximas duas subsees. 4.4.4.2 Famlia ROLETA A estratgia de seleo da roleta foi descrita no Captulo 2. As diferentes combinaes do esquema de reproduo adotado e da maneira como a populao restaurada a Npop elementos do origem aos quatro elementos bsicos desta famlia. (Roleta1, Roleta2, Roleta3 e Roleta4). A deciso pelo uso de uma populao intermediria, de maneira a poder avaliar seus efeitos, fez com que cada elemento bsico desta famlia tivesse uma verso que implementa o uso de uma populao intermediria. Essas verses so chamadas de Roleta1A, Roleta2A, Roleta3A e Roleta4A e so partes da subfamlia ROLETAA. Alm desses foi tambm considerada nos experimentos a implementao de um AG simples exatamente como sugerido na referncia MICHALEWICZ (1997), com estratgia de seleo da roleta, referenciada aqui como Michalewicz. A Tabela 4-6 apresenta as suas principais caractersticas identificando o esquema de reproduo adotado bem como a estratgia usada para restaurar a populao a Npop elementos.
96
A Tabela 4-7 apresenta os valores da funo custo, do desvio padro, do melhor e do pior absoluto e das trs variveis que definem a funo custo para todos os AGs variantes da famlia ROLETA. tambm apresentado o valor da funo custo obtido via o mtodo do Lagrangiano Aumentado (EASY).
Tabela 4-7. Valores da funo custo e das variveis que a definem para a famlia ROLETA: x1 altura do painel, x2 rea de armadura e x3 resistncia do concreto
FUNO CUSTO vo=6m (R$/m2) AG variante Roleta1 Roleta1A Roleta2 Roleta2A Roleta3 Roleta3A Roleta 4 Roleta4A Michalewicz EASY Valor da funo 78,62 79,22 78,86 77,87 76,27 76,38 76,28 76,17 78,00 Desvio padro 1,4449 1,7011 1,3562 0,9445 0,4576 0,5893 0,6006 0,4428 1,8182 Melhor absoluto 76,89 77,61 76,83 76,56 75,80 75,76 75,75 75,75 76,99 Pior absoluto 81,09 81,92 80,73 79,71 77,23 77,74 77,66 75,85 79,03 x1 (cm) 22,19 23,21 22,90 22,07 21,66 21,79 22,02 21,66 21,99 VARIVEIS x2 (cm2) 2,83 2,64 2,74 2,74 2,54 2,63 2,59 2,60 2,74 x3 (kN/cm2) 3,56 3,54 3,46 3,43 3,22 3,14 3,06 3,14 3,48
75,75
21,49
2,69
3,00
Considerando os valores mostrados na Tabela 4-7, referentes Famlia ROLETA, pode ser evidenciado que o melhor valor da funo custo foi obtido pelo
97
variante Roleta3 e o pior pelo Roleta2. A nica diferena entre esses dois variantes o esquema de reproduo: avaliador e substituio respectivamente. Pode ser visualizado na Figura 4-6 que as vrias curvas que representam a funo custo minimizada por variantes que usam substituio como esquema de reproduo, no tiveram um bom desempenho, quando comparados com os demais da mesma famlia. Os variantes Roleta1 e Roleta2 diferem apenas com relao ao procedimento adotado para restaurar a populao a Npop indivduos. Embora os valores encontrados por ambos variantes estejam relativamente prximos e o variante implementado por Roleta1 tenha obtido um melhor resultado, no se pode afirmar que, para o problema em questo, usando a estratgia da roleta, o procedimento de restaurao mais indicado aquele que considera indivduos aleatrios, dado que para os valores obtidos por Roleta3 e Roleta4, que tambm diferem apenas com relao ao esquema de restaurao, verificou-se tendncia oposta. Tambm, fica difcil fazer qualquer afirmao categrica neste caso dado que os esquemas implementados por Roleta1 e Roleta2 diferem do implementado por Roleta3 e Roleta4. Quando so comparados os desempenhos dos variantes da subfamlia ROLETAA pode ser verificado que o melhor resultado nesta subfamlia obtido pelo Roleta4A e o pior, por Roleta1A, o que confirma a tendncia observada quando da anlise do Roleta4 e Roleta2. Muito embora os resultados estejam bem prximos, o uso de uma populao intermediria no geral produz resultados ligeiramente melhores. Os resultados fornecidos pelo EASY foram melhores que os resultados obtidos pela famlia ROLETA e pela subfamlia ROLETAA. Quando o esquema de reproduo utilizado o avaliador, os valores obtidos pelos variantes que utilizam esse esquema foram melhores. Curiosamente, o AG simples implementando a seleo roleta, identificado como Michalewicz, teve melhor resultado que Roleta1a, Roleta1 e Roleta2.
98
Custo X Gerao
82,5 82 81,5 81 80,5 80 79,5 79 78,5 78 77,5 77 76,5 76 75,5 75 0 200 400 gerao 600 800 1000
Figura 4-6. Valores mdios de funo aptido para famlia ROLETA, Michalewicz
4.4.4.3 Famlia TORNEIO A estratgia de seleo do torneio foi descrita no Captulo 2. As diferentes combinaes do esquema de reproduo adotado e da maneira como a populao restaurada a Npop elementos do origem aos quatro elementos desta famlia (Torneio1, Torneio2, Torneio3 e Toneio4). A deciso pelo uso de uma populao intermediria, de maneira a poder avaliar seus efeitos, fez com que cada elemento bsico desta famlia tivesse uma verso que implementa o uso de uma populao intermediria. Essas verses so chamadas de Torneio1A, Torneio2A, Torneio3A e Torneio4A e so partes da subfamlia TORNEIOA. A Tabela 4-8 apresenta as suas principais caractersticas, identificando o esquema de reproduo adotado bem como a estratgia usada para restaurar a populao a Npop elementos. A Tabela 4-9 apresenta os valores da funo custo, desvio padro, melhor e pior absoluto e das trs variveis que definem a funo custo para todos os AGs variantes da famlia TORNEIO. tambm apresentado o valor da funo custo obtido via o mtodo do Lagrangiano Aumentado (EASY).
99
Tabela 4-9. Valores da funo custo e das variveis que a definem para a famlia TORNEIO: x1 altura do painel, x2 rea de armadura e x3 resistncia do concreto
FUNO CUSTO vo=6m (R$/m2) AG variante Torneio1 Torneio1A Torneio2 Torneio2A Torneio3 Torneio3A Torneio4 Torneio4A EASY Valor da funo 75,94 75,99 75,85 75,98 76,17 76,05 76,56 76,63 75,75 Desvio padro 0,2552 0,1709 0,1026 0,1589 0,2714 0,2312 0,6829 1,0326 Melhor absoluto 75,76 75,80 75,77 75,81 75,81 75,76 75,77 75,75 Pior absoluto 76,48 76,33 76,12 76,34 76,53 76,36 77,71 78,28 x1 (cm) 21,60 21,71 21,54 21,71 21,33 21,63 21,69 21,58 21,49 VARIVEIS x2 (cm2) 2,64 2,66 2,68 2,65 2,62 2,64 2,61 2,63 2,69 x3 (kN/cm2) 3,06 3,03 3,02 3,02 3,23 3,09 3,24 3,30 3,00
100
Custo X Gerao
82 81 80 79 78 77 76 75 0 100 200 300 400 500 gerao 600 700 800 900 1000 Torneio1 Torneio1A Torneio2 Torneio2A Torneio3 Torneio3A Torneio4 Torneio4A
Como pode ser verificado na Tabela 4-9 e a correspondente Figura 4-7, os resultados encontrados por todos os variantes desta famlia esto bastante prximos, o que impossibilita a identificao e recomendao do melhor variante, quando a estratgia de seleo usada o torneio. Embora os resultados estejam muito prximos, os piores resultados so obtidos pelo esquema de restaurao que adota indivduos que no participaram do cruzamento. Da forma como o torneio foi implementado, os esquemas de reproduo e de restaurao da populao a Npop indivduos e eventual uso de populao intermediria pouco influenciam o resultado final. De qualquer forma, qualquer dos variantes no teve um melhor desempenho que o EASY. 4.4.5 Consideraes sobre os Resultados dos Experimentos de Minimizao da Funo Custo do Elemento Analisando os experimentos descritos nas trs sees anteriores fica evidente que, dentre todos os variantes propostos, aqueles agrupados nas famlias MGA e Torneio foram os que obtiveram os melhores resultados. Na prxima seo, onde
101
investigado um problema de otimizao semelhante, ser avaliado apenas o melhor elemento de cada uma das trs famlias, identificados pelos valores obtidos nos experimentos realizados, ie, o MGA1, o Roleta3 e o Torneio2. Para tornar a investigao das caractersticas genticas mais ampla, decidiu-se tambm por investigar dois outros tipos de cruzamento: o cruzamento simples e cruzamento uniforme. Alm disso, decidiu-se por experimentar diversos valores do parmetro , usado pelo operador aritmtico, dado que esse valor foi mantido constante (2/3) em todos experimentos descritos nas sees anteriores. Apesar de alguns experimentos realizados terem contemplado mudanas no tamanho de populao, os resultados obtidos no provocaram uma mudana substancial que merecesse uma anlise mais detalhada e conseqentemente no foram relatados. Entretanto, como o prximo problema a ser investigado representado por uma funo envolvendo mais variveis, a investigao do impacto do tamanho da populao nos resultados se tornou mais interessante.
DE
PAINEL
ALVEOLAR
COM
CAPA
Nesta seo investigado o uso de algoritmo gentico na busca da soluo para o problema de minimizao do custo de um painel alveolar com capa de concreto estrutural, moldada no local. Foram considerados os mesmos critrios definidos no experimento anterior: protenso limitada e armadura localizada em um nvel apenas. Os resultados obtidos quando da busca da soluo para o problema anterior serviram de subsdios para direcionar a escolha de determinadas estratgias de seleo, definir o tamanho de populao mais conveniente bem como identificar a maneira mais eficiente de restaurar a populao a Npop elementos, na busca da soluo para o problema aqui tratado. Os experimentos descritos nesta seo buscam evidenciar qual o impacto causado por diferentes cruzamentos e diferentes tamanhos de populaes, ao longo do processo evolutivo. So apresentados e discutidos tambm os resultados obtidos para a soluo do mesmo problema, usando o Mtodo do Lagrangiano Aumentado.
102
4.5.1 Definio do Problema Os critrios para o dimensionamento de um painel alveolar com capa estrutural so apresentados no Apndice E. O problema de otimizao a ser tratado o da minimizao da funo custo total de um painel alveolar considerando uma capa estrutural para o vo de 6m. No equacionamento desta funo sero inseridos os custos das etapas transitrias (produo, transporte e montagem) do painel, usando os mesmos valores relatados na Seo 4.3.1. As variveis do problema so a altura do painel (x1), a armadura (x2), a resistncia do concreto (x3), a altura da capa de concreto (x4) e a resistncia do concreto moldada no local (x5). A seo transversal do painel mostrada na Figura 4-8. Os custos referentes execuo (I-Custos de Execuo) e ao transporte externo (II- Custos de Transporte Externo) so os mesmos adotados na Seo 4.3.1. O prximo item (III-Custo de Aplicao) discrimina os diferentes custos envolvidos no problema que, combinados com os custos discriminados em I e II definem a funo custo total, a ser minimizada. O custo final corresponde aos custos referentes ao custo de execuo, de transporte e de aplicao.
x1 altura do painel alveolar x2 armadura de protenso x4 altura da capa de concreto
x2 x4 x1
120cm
Para a obteno da funo custo total, os custos de mo-de-obra e depreciao de equipamento, como descritos na Seo 4.3.1 foram considerados, com exceo dos custos tributrios que foi assumido de 74R$m3. O item III definido a seguir.
103
III) CUSTOS DA APLICAO Os custos envolvidos na aplicao do elemento englobam: A. Custos da montagem do painel alveolar B. Custos do concreto da capa C. Custos das ligaes D. Custos indiretos administrativos A. Custos da montagem do painel alveolar (c_montagem) a soma dos custos de mo-de-obra e equipamentos. mo-de-obra: mo de obra para a colocao dos painis custo (R$/m3):
custo _ mo _ de _ obra = 11,96
c_montagem = custo_mo_de_obra + custo_equipamento B. Custos do concreto da capa (c_conc) a soma dos custos de material, mo-de-obra e equipamentos. material: cimento, areia, brita, aditivo, etc custo (R$/m3): onde
custo _ material = (24,75x 5 + 74,25)
mo-de-obra: mo de obra de vinte homens para o lanamento, o adensamento do concreto e a cura, desmoldagem. Foi considerada custo (R$/m3): custo (R$/m3): mo-de-obra para preparao da superfcie, nivelamento entre painis.
custo _ mo _ de _ obra = 104,20
104
C. Custos das ligaes (c_liga) a soma dos custos de material e mo-de-obra. material: argamassa (considerou-se o custo de 3 vezes o custo do concreto de regularizao) custo (R$/m3): onde
custo _ material = 3 (24,75x 5 + 74,25)
c_liga = custo_material + custo_mo_de_obra D. Custos indiretos administrativos (custo_adma) Envolve os custos de: engenheiros, encarregados, recepcionista, execuo do projeto, administrao, encargos sociais, propaganda, energia, impostos, aluguis, seguros, materiais de escritrio, despesas de manuteno, fretes, combustvel, depreciao, despesas tributrias. custo (R$/m3): 4.5.2 Funo Custo Total Na subseo anterior os vrios custos envolvidos na produo de um painel alveolar com capa estrutural foram discriminados. O dimensionamento de tal painel est apresentado em detalhes no Apndice E. Com o objetivo de obter a funo que representa o custo total de produo, considerando as etapas de execuo, de transporte e de aplicao, os vrios custos foram somados e a expresso final da funo : f(x)= 11,578 ln ( x 1 ) 13,178 + 0,048(24,75x 5 + 74,25) x 4 + 0,0528 x 1 + 1,27 x 4 +
+ 1,1(24,75x 3 + 74,25)(0,0633 ln(x 1 ) 0,0721) + 2,407 x 2
custo_adma = 0,2 (c_montagem + c_conc + c_liga)
onde
105
x1 altura do painel em cm x2 armadura ativa em cm2 x3 resistncia do concreto do elemento pr-moldado em kN/cm2 x4 altura da capa de concreto em cm x5 resistncia do concreto da capa em kN/cm2 O problema de minimizao do custo de produo de tal painel, portanto, se resume ao problema de minimizao de f(x) (x = (x1, x2, x3, x4, x5)). O dimensionamento do painel deve respeitar os mesmos estados limites de utilizao e estados limites ltimos vistos na seo anterior. Portanto, o problema em questo se configura como um problema de minimizao da funo objetivo sujeito a restries e pode ser equacionado da seguinte forma: Minimizar: f(x)= 11,578 ln ( x 1 ) 13,178 + 0,048(24,75x 5 + 74,25) x 4 + 0,0528 x 1 + 1,27 x 4 +
+ 1,1(24,75x 3 + 74,25)(0,0633 ln(x 1 ) 0,0721) + 2,407 x 2
Sujeita s seguintes restries: Verificao do estado em vazio Verificao do estado limite ltimo solicitaes normais Verificao do estado limite ltimo solicitaes tangenciais a) Verificao ao esforo cortante b) Verificao da interface entre os dois concretos
Td Tu < 0
onde
Td tenso solicitante dos dois concretos Tu tenso solicitante ltima Alm dessas restries, as variveis devem satisfazer s seguintes
desigualdades:
106
A escolha desses limites se justifica por: x1: limite inferior e limite superior correspondem a limites tolerveis x2: limite inferior e limite superior correspondem a limites tolerveis x3: limite inferior e limite superior correspondem a limites tolerveis de concreto pr-moldado x4: o limite inferior dado por norma e o superior um limite tolervel x5: limite inferior e limite superior correspondem a limites tolerveis Para o problema descrito aqui foi adotada a mesma estratgia da penalidade adotada na Seo 4.3.3. 4.5.3 Busca da Soluo do Problema via AG Nessa seo investigada a busca da soluo para o problema de otimizao de custos via AG usando o melhor AG variante de cada uma das famlias, identificados na seo anterior, ie, MGA1, Roleta3 e Torneio2. Para cada um desses AGs variantes, esta seo investiga o impacto de diferentes tipos de cruzamento (aritmtico, uniforme e simples), diferentes tamanhos de populao (20, 100 e 500) e diferentes valores de (2/3,1/3, 1/2 e aleatrio). Por aleatrio deve-se entender um valor de que varia aleatoriamente, entre 0 e 1, a cada gerao durante o processo evolutivo. Este trabalho prope uma variante do cruzamento uniforme, referenciado como uniforme1 que, ao invs de apenas um filho, gera dois filhos aleatrios a partir de dois pais. A Tabela 4-10 discrimina os valores de vrias caractersticas relativas a AGs que foram adotadas para os experimentos descritos nesta seo.
107
4.5.4 Descrio dos Experimentos e Anlise dos Resultados Como estabelecido para os experimentos descritos na seo anterior, o valor relativo a cada um dos experimentos descrito nesta seo, a mdia dos valores obtidos em dez execues (run), cada uma delas tendo uma populao inicial gerada randomicamente. A anlise dos resultados focaliza os valores obtidos usando o melhor variante de cada uma das trs famlias. 4.5.4.1 O MGA1 Na Tabela 4-11 so apresentados os resultados obtidos pelo MGA1 usando os quatro tipos de cruzamento, onde o cruzamento aritmtico foi implementado para o valor de =2/3. O melhor resultado foi obtido com o uso do cruzamento uniforme1 e difere em 6,8% quando comparado com o valor obtido pelo EASY, que teve o pior desempenho dentre todos, a menos do operador de cruzamento uniforme. O cruzamento simples pode ser considerado como o crossover de um ponto da representao real, realizando a troca de informao entre cromossomos a partir de um ponto escolhido. Muito embora o cruzamento simples tenha obtido bons resultados, importante notar que os resultados encontrados na literatura que usam cruzamento de um ponto na representao binria no so os que tm o melhor desempenho. Isso talvez se deva representao adotada. Dentre os quatro cruzamentos, o uniforme foi o que obteve o pior desempenho. O cruzamento uniforme o que gera um indivduo aleatrio a partir de
108
dois pais dentre dos limites de cada varivel. O que pode se conjecturar neste caso especfico, dado que os valores das variveis se mantiveram razoavelmente prximos durante o processo evolutivo que esse tipo de cruzamento no introduziu muita diversidade e, da, o baixo desempenho.
Tabela 4-11. Valores da funo custo e das variveis que a definem para a famlia MGA1: x1 altura do painel, x2 rea de armadura, x3 resistncia do concreto, x4 altura da capa e x5- resistncia do concreto moldado no local
FUNO CUSTO (R$/m2) MGA1 VARIVEIS x4 x5 (cm) (kN/cm2) 4,02 4,51 4,02 4,00 4,00 1,52 2,05 1,51 1,50 1,50
Valor Desvio Melhor Pior x1 x2 x3 da padro absoluto absoluto (cm) (cm2) (kN/cm2) funo 74,51 75,55 20,99 2,70 3,03 Cruzamento 74,99 0,3799 aritmtico 84,29 95,25 25,40 3,34 4,06 Cruzamento 90,47 3,9000 uniforme 74,26 75,18 20,86 2,72 3,02 Cruzamento 74,78 0,3263 Uniforme1 74,08 77,61 22,39 2,50 3,00 Cruzamento 75,65 1,1090 simples EASY 80,23 27,41 2,36 3,10
A Figura 4-9 mostra os valores obtidos relativos aos quatro tipos de cruzamentos, durante o processo evolutivo. O cruzamento aritmtico e o uniforme1 foram os que tiveram o melhor desempenho e o uniforme, o pior.
109
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800 900 1000
Figura 4-9. Valores mdios da funo custo para trs tipos de cruzamento
Nota-se na Figura 4-9 que o cruzamento uniforme no introduz nenhuma diversidade populao. Uma vez que o pior desempenho foi obtido com o cruzamento uniforme, decidiu-se, usando esse cruzamento, variar o tamanho da populao, numa tentativa de investigar possveis melhorias de desempenho. A Figura 4-10 representa o impacto dos diferentes tamanhos de populao (20, 100 e 500) usando o cruzamento uniforme e o cruzamento uniforme1. Para efeito de comparao esta figura acrescenta os dados relativos ao cruzamento simples, parte da figura anterior. Pode se verificar que o uso de diferentes tamanhos de populao provocou uma pequena melhoria no desempenho do AG usando o uniforme ou o uniforme1. Entretanto, o AG usando o uniforme1 tem um desempenho bem superior que aquele usando o uniforme, para cada um dos tamanhos de populao investigados. O que pode ser notar deste experimento foi que a diferena de desempenho dos AGs, para tamanho de populao de 100 e de 500 no significativa.
110
Custo x Gerao
104 102 100 98 96 94 92 90 88 86 84 82 80 78 76 74 0 200 400 600 gerao 800 1000 1200 uniforme_pop=20 uniforme_pop=100 uniforme_pop=500 simples uniforme1_pop=20 uniforme1_pop=100 uniforme1_pop=500
Figura 4-10. Valores mdios da funo custo para tamanhos de populao diferentes
A Figura 4-11 mostra valores obtidos usando quatro diferentes valores de para o cruzamento aritmtico. Embora os resultados apresentados indiquem que o valor de no tem muito impacto nos resultados obtidos, nota-se que os resultados foram ligeiramente melhores para aleatrio.
111
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800 900 1000
4.5.4.2 ROLETA3 Na Tabela 4-12 so apresentados o valor da funo, o desvio padro, melhor e pior absoluto e variveis do problema, referentes aos trs tipos de cruzamento usando o Roleta3, bem como o valor obtido via mtodo convencional. O melhor resultado foi obtido com o uso do cruzamento simples e difere em 7% quando comparado com o valor obtido pelo EASY, que teve o pior desempenho dentre todos. Na Tabela 4-12 so apresentados os resultados obtidos usando os trs tipos de cruzamento, onde o cruzamento aritmtico foi implementado para o valor de =2/3. O cruzamento simples foi, dentre os trs, o que teve o melhor desempenho, muito embora os resultados obtidos pelos outros cruzamentos tenham ficado bem prximos. O cruzamento uniforme obteve o pior desempenho.
112
Tabela 4-12. Valores da funo custo e das variveis que a definem para a famlia Roleta3: x1-altura do painel, x2 rea de armadura, x3 resistncia do concreto, x4 altura da capa e x5- resistncia do concreto moldado no local
FUNO CUSTO (R$/m2) Roleta3 VARIVEIS x4 x5 (cm) (kN/cm2) 4,00 4,00 4,00 4,00 4,00 1,50 1,50 1,50 1,50 1,50
Valor Desvio Melhor Pior x1 x2 x3 da padro absoluto absoluto (cm) (cm2) (kN/cm2) funo 74,09 75,65 21,18 2,66 3,00 Cruzamento 74,78 0,4510 aritmtico 74,07 75,93 21,19 2,65 3,00 Cruzamento 74,77 0,6277 uniforme 74,08 75,18 20,76 2,72 3,07 Cruzamento 74,66 0,3482 Uniforme1 74,11 75,13 20,61 2,72 3,00 Cruzamento 74,38 0,3188 simples EASY 80,23 27,41 2,36 3,10
A Figura 4-12 mostra os trs tipos de cruzamentos utilizados na busca da soluo do problema de um painel alveolar.
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800
900
1000
Figura 4-12. Valores mdios da funo custo para trs diferentes cruzamentos
113
Com o objetivo de explorar tamanhos de populao diferentes, foram feitos experimentos para o operador de cruzamento uniforme cujos resultados so mostrados na Figura 4-13, usando como referncia, o cruzamento simples.
Custo x Gerao
104 102 100 98 96 94 92 90 88 86 84 82 80 78 76 74 72 0 100 200 300 400 500 gerao 600 700 800 900
1000
Figura 4-13. Valores mdios da funo custo para tamanhos de populao diferentes
A Figura 4-14 mostra os quatro diferentes valores de para o cruzamento aritmtico utilizados na busca da soluo do problema de um painel alveolar. Novamente, os resultados obtidos e mostrados na figura indicam que no houve uma discrepncia muito grande entre os valores de .
114
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800 900 1000
4.5.4.3 TORNEIO2 Na Tabela 4-13 so apresentados os resultados referentes aos quatro tipos de cruzamento usando o Torneio2, bem como aquele obtido via mtodo convencional. Os resultados mostram que o cruzamento simples obteve o melhor resultado dentre todos, muito embora os valores obtidos pelos trs tipos de cruzamento, o aritmtico e o uniforme1 sejam muito prximos. Vale notar que esse valor difere em 7% quando comparado com o valor obtido pelo EASY, que teve o pior desempenho dentre todos. Dos quatro AGs, aquele que implementa o cruzamento uniforme obteve o pior desempenho. A Figura 4-15 exibe a funo custo para AGs implementando os quatro diferentes tipos de cruzamento.
115
Tabela 4-13. Valores da funo custo e das variveis que a definem para a famlia Torneio2: x1-altura do painel, x2 rea de armadura, x3 resistncia do concreto, x4 altura da capa e x5- resistncia do concreto moldado no local
FUNO CUSTO (R$/m2) Torneio2 VARIVEIS x4 x5 (cm) (kN/cm2) 4,06 4,23 4,01 4,00 4,00 1,54 1,78 1,51 1,50 1,50
Valor Desvio Melhor Pior x1 x2 x3 da padro absoluto absoluto (cm) (cm2) (kN/cm2) funo 74,45 77,46 20,49 2,81 3,16 Cruzamento 75,46 0,9023 aritmtico 77,75 82,70 21,50 2,86 3,55 Cruzamento 80,29 1,3079 uniforme 74,22 74,81 20,29 2,78 3,09 Cruzamento 74,49 0,2149 Uniforme1 74,12 76,09 21,36 2,63 3,00 Cruzamento 74,86 0,7399 simples EASY 80,23 27,41 2,36 3,10
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800 900 1000
Figura 4-15. Valores mdios da funo custo para os trs tipos de cruzamento
A Figura 4-16 mostra o resultado de experimentos realizados variando o tamanho da populao, para os dois tipos de cruzamento, uniforme e uniforme1. Como era de se esperar, uniforme1 continuou a ter um melhor desempenho que o uniforme, independentemente do tamanho de populao considerado. Entretanto,
116
quando a anlise focalizada apenas no uniforme, pode se verificar que, para tamanho de populao de 100 e de 500 os valores obtidos esto bem prximos e, surpreendentemente, so valores piores que os obtidos quando usando uma populao de tamanho 20. Com o objetivo de encontrar uma explicao para esses resultados, o experimento utilizando o operador uniforme versus diferentes tamanhos de populao ser refeito, para a otimizao de uma outra funo de custo, detalhada no Captulo 5.
Custo x Gerao
104 102 100 98 96 94 92 90 88 86 84 82 80 78 76 74 0 100 200 300 400 500 gerao 600 700 800 900 1000 uniforme_pop=20 uniforme_pop=100 uniforme_pop=500 simples uniforme1_pop=20 uniforme1_pop=100 uniforme1_pop=500
Figura 4-16. Valores mdios da funo custo para tamanhos de populao diferentes
A Figura 4-17 mostra os resultados obtidos usando quatro diferentes valores de para o cruzamento aritmtico. Confirmando os resultados obtidos nas sees anteriores, na figura mostra que no houve uma discrepncia entre os valores de . Embora no haja uma grande discrepncia de resultados, v-se que o melhor resultado foi obtido usando o aleatrio.
117
Custo x Gerao
94 93 92 91 90 89 88 87 86 85 84 83 82 81 80 79 78 77 76 75 74 0 100 200 300 400 500 gerao 600 700 800 900 1000
4.5.5 Consideraes Sobre a Variao dos Valores do Custo Dos Materiais Nesta seo avaliada a influncia de alteraes no valor da funo custo total e de suas variveis, para as seguintes variaes: da distncia da fbrica ao local da obra e do valor do custo do concreto. Os comentrios que seguem so relativos ao ponto timo obtido para o caso da otimizao do painel alveolar com capa estrutural para o variante MGA1 (4 linha da Tabela 4-11). A Tabela 4-14 mostra os valores dos custos de materiais, mo-de-obra, equipamentos, transporte, administrativos e tributrios que foram obtidos no problema em questo.
Tabela 4-14. Valores em porcentagem do custo de cada etapa
Custos totais divididos por etapa Custos de materiais Custos de mo-de-obra Custos de equipamento Custos de transporte Custos administrativos Custos tributrios 54,51 10,90 3,50 8,58 10,30 12,21 %
118
Com o objetivo de avaliar a sensibilidade do desempenho da funo custo diante das variaes optou-se por aumentar cinco vezes a distncia entre a fbrica e a obra. Portanto, com um aumento desta distncia de 100km para 500km, foi constatado que o custo aumenta em 25% (com relao ao custo obtido pelo ponto timo), e as variveis que definem a funo custo no se alteram (considerando o MGA1). Nesse caso esperava-se que a varivel resistncia de concreto da capa estrutural aumentasse para compensar o aumento da distncia. O valor adotado para o custo do transporte externo fornecido pela empresa, em R$/m2, no incorpora nenhuma variao da resistncia do concreto moldado no local. A fim de se obter valores mais coerentes que representem a realidade, a parcela do custo do transporte externo deve incorporar outros parmetros. Avaliando um aumento de preo do concreto em 30%, o custo final aumenta em 9,9 % e os valores para as variveis que definem a funo custo se mantm inalterados com exceo do valor da varivel referente resistncia do concreto do elemento pr-moldado que diminui em 8,4%.
4.6 AVALIAO GERAL DOS RESULTADOS OBTIDOS NOS EXPERIMENTOS DESCRITOS NO CAPTULO
Nesta seo so resumidos os resultados obtidos nos experimentos descritos nas sees anteriores, com o objetivo de estabelecer concluses parciais para cada um deles e fornecer subsdios para as decises feitas quando da busca da soluo para os problemas descritos no prximo captulo. 4.6.1 Otimizao do Elemento O problema de otimizao tratado o da minimizao da funo custo total de uma laje com painel considerando uma capa de regularizao de 4cm. As variveis do problema so a altura da laje (h), a armadura (Ap) e a resistncia do concreto (fck). Foram avaliadas caractersticas inerentes ao AG e que poderiam interferir nos resultados finais para a busca da soluo. Foram avaliados 22 AGs variantes que combinam diferentes estratgias de seleo, esquemas de reproduo e esquemas de
119
restaurao da populao. O AG variante que obteve o melhor resultado em cada uma das famlias apresentado na Tabela 4-15.
Tabela 4-15. Quadro resumo dos valores mdios da funo custo e variveis
FUNO CUSTO (R$/m2) Valor da Estratgia funo Famlia Rank 75,91 (MGA1) Famlia Roleta 76,27 (Roleta3) Famlia Torneio 75,85 (Torneio2) 75,75 EASY VARIVEIS h (cm) 21,47 21,66 21,54 21,49 Ap (cm2) 2,67 2,54 2,68 2,69 fck (MPa) 30,7 32,2 30,2 30,0
Os dados da tabela mostram que os valores obtidos pelos trs melhores variantes esto bastante prximos. Entretanto, o AG Torneio2 foi o variante que obteve o melhor resultado de todos. Com o objetivo de condensar os resultados obtidos, pode-se dizer, com base nos experimentos, que: Famlia MGA Nesta famlia, o melhor variante foi o MGA1, com esquema de substituio e restaurao da populao usando indivduos aleatrios da populao corrente e o pior, o MGA2, tambm com esquema de substituio, mas com restaurao da populao usando indivduos que no participaram do cruzamento. Os 6 AGs variantes da famlia MGA obtiveram resultados prximos mas no superaram os resultados obtidos com o EASY. Os resultados mostram que a estratgia de reparao usando indivduos que no participaram do cruzamento no contribui para uma melhoria de desempenho e, conseqentemente, essa estratgia deve ser descartada. Pode-se concluir tambm que o uso da estratgia avaliador piora o desempenho. Famlia ROLETA Nesta famlia, o melhor variante foi o Roleta3 com esquema avaliador e restaurao da populao usando indivduos aleatrios da populao corrente. O pior foi o Roleta2, com esquema de substituio e indivduos aleatrios da populao corrente.
120
Os 8 AGs variantes da famlia ROLETA obtiveram resultados que no superam os resultados obtidos com o EASY. O uso de uma populao intermediria (implementada pelos algoritmos da subfamlia ROLETAA) no contribuiu muito para uma sensvel melhoria de desempenho. Famlia TORNEIO Os 8 AGs variantes da famlia TORNEIO obtiveram resultados muito prximos entre si e os resultados obtidos pelos 8 quase superam os resultados obtidos pelo EASY. Embora os resultados estejam muito prximos os piores valores foram obtidos usando o esquema que adota indivduos que no participaram do cruzamento. Aparentemente, o esquema de reproduo, a estratgia de reparao a Npop e a adoo de uma populao intermediria no influem sensivelmente nos resultados finais. 4.6.2 Otimizao do elemento e da aplicao O problema de otimizao tratado o da minimizao da funo custo total de uma laje com painel alveolar considerando uma capa estrutural. As variveis do problema so a altura da laje (h), a armadura (Ap), a resistncia do concreto (fck), a altura da capa de concreto (hcapa) e a resistncia do concreto moldada no local (fckcml). A abordagem deste problema via AG foi feita usando j os melhores variantes de cada famlia, (MGA1, Roleta3,Torneio2) identificados nos experimentos anteriores. Por essa razo, o foco dos experimentos foi direcionado avaliao de: diferentes tipos de cruzamento. Devido aos resultados obtidos pelo AG implementando o cruzamento uniforme, buscou-se variar o tamanho da populao, na tentativa de obter um melhor desempenho com esse operador; trs diferentes valores de , relativos ao cruzamento aritmtico. Os melhores resultados obtidos pelos AGs variantes de cada famlia so apresentados na Tabela 4-16.
121
Tabela 4-16. Quadro resumo dos valores mdios da funo custo e variveis
FUNO CUSTO (R$/m2) Estratgia Tipo de Valor da cruzamento funo MGA1 Roleta3 Torneio2 EASY uniforme1 simples simples 74,78 74,38 74,86 80,23 VARIVEIS hn (cm) 20,86 20,61 21,36 27,41 Ap (cm2) 2,72 2,72 2,63 2,36 fck (MPa) 30,2 30,0 30,0 31,0 hcapa (cm) 4,02 4,00 4,00 4,00 fck (MPa) 15,1 15,0 15,0 15,0
Na tabela pode ser verificado que o MGA1, Roleta3 e Torneio2 obtiveram melhores resultados, quando comparados com os resultados obtidos pelo EASY. Dentre os trs tipos de cruzamento utilizados, os melhores resultados foram obtidos com o simples e, em seguida, pelo uniforme (independentemente do valor de ). Algumas concluses parciais quando da soluo do problema so: Em quase todos os experimentos, o pior desempenho foi obtido com o cruzamento uniforme. Os resultados obtidos com o simples, aritmtico e o uniforme1, via de regra, sempre estiveram bem prximos; Valores de no interferiram nos resultados finais obtidos pelos variantes das trs famlias; Populaes com um nmero maior de indivduos no necessariamente produzem melhores resultados.
Descrio, Representao e Soluo do Problema de Minimizao do Custo de Lajes com Vigotas Protendidas
5.1 PRELIMINARES
Neste captulo investigado o uso de AG na soluo do problema de otimizao do custo de uma laje com vigota protendida considerando ou no o uso de escoras intermedirias. Um dos objetivos bsicos da investigao conduzida na busca de solues dos problemas descritos neste captulo foi o de experimentar outro tipo de representao de dados, quando da implementao de AGs, visando a avaliao no apenas da representao, mas tambm de uma gama maior de tipos de cruzamento. No captulo anterior todos os experimentos foram realizados usando representao real que, aparentemente, a representao mais natural para esses tipos de problemas. No entanto, como a representao binria tambm largamente utilizada em problemas de engenharia e possibilita o uso de um nmero grande de operadores de cruzamento, decidiu-se por seu uso na busca da soluo dos problemas descritos neste captulo, com o objetivo de verificar sua adequabilidade aos problemas tratados.
123
Dentre todos os AGs variantes propostos e investigados no Captulo 4, neste captulo optou-se pelo uso de apenas dois deles: o MGA1 e o Roleta1A. O MGA1 foi escolhido porque teve o melhor desempenho de todos e sua escolha foi motivada pela possibilidade de obter um desempenho ainda melhor via alterao de algumas de suas caractersticas. O Roleta1A foi escolhido por ser o variante que teve o pior desempenho dentre todos. Sua escolha foi motivada pela possibilidade de via alterao de alguma de suas caractersticas, obter um variante com melhor desempenho. Assim sendo, as prximas trs sees vo tratar da busca da soluo via AG (por meio dos variantes MGA1 e Roleta1A) e via o EASY, dos problemas: otimizao do elemento para uma determinada aplicao: ser minimizado o custo de produo de uma laje com vigotas protendidas considerando como variveis as trs reas de armadura e a posio dos dois nveis de armadura; otimizao da aplicao para uma determinada seo transversal de vigota: ser minimizado o custo da aplicao de uma laje com vigotas protendidas considerando como variveis a altura da capa de concreto, a resistncia do concreto da capa e o inter-eixo; otimizao do elemento e da aplicao para uma determinada seo transversal de vigota: ser minimizado o custo de produo, transporte e aplicao de uma laje com vigotas protendidas considerando como variveis as reas de armaduras, os dois nveis de armadura, a altura da capa de concreto, a resistncia do concreto da capa e o inter-eixo; A anlise dos problemas de minimizao de custos tratados neste captulo pretende fornecer subsdios da aplicao dessas vigotas em lajes focalizando elementos que so bastante difundidos e utilizados pelo mercado brasileiro. Para a obteno dos resultados usando AGs foram feitas implementaes em C++, sob ambiente operacional Windows NT.
124
Figura 5-1. Esquema de laje formada de nervuras pr-moldadas [EL DEBS (2000)]
125
a) tipos de nervuras
b) tipos de enchimentos
Figura 5-2. Tipos de nervuras e elementos de enchimentos utilizadas nas lajes [EL DEBS (2000)]
As vigotas pr-moldadas de concreto armado de seo T invertido so produzidas em frmas metlicas simples. As vigotas de concreto protendido, objeto de estudo deste trabalho, so produzidas em grandes pistas de protenso em frmas fixas ou frmas deslizantes, de maneira semelhante aos painis alveolares. As vigotas treliadas so produzidas como as nervuras de concreto armado de seo T invertido. A Figura 5-3 mostra uma pista de protenso para a produo de vigotas protendidas.
Geralmente, esse tipo de laje permite vos da ordem de 5m com nervuras em concreto armado, da ordem de 10m com nervuras de concreto protendido e da ordem de 10m com nervuras com armao treliada.
1
126
O comportamento estrutural das lajes formadas por vigotas pr-moldadas corresponde aos das lajes armadas em uma direo (lajes unidirecionais), com seo resistente composta pela parte pr-moldada e pelo concreto moldado no local. Cabe salientar que a partir de vigotas com armao treliada pode se obter lajes armadas nas duas direes (lajes bidirecionais). O manuseio desses elementos feito sem o auxlio de equipamentos. O transporte realizado por caminhes e a montagem realizada manualmente. Utiliza-se ainda cimbramento para receber as nervuras, que permanece at o concreto moldado no local endurecer. Recomenda-se utilizar uma armadura na capa de concreto disposta nas duas direes que denominada armadura de distribuio. No projeto estrutural desse tipo de laje, o clculo das solicitaes normalmente feito considerando a laje como viga, simplesmente apoiada ou contnua, conforme o caso. Deve ser salientado que, no dimensionamento, a contribuio do material de enchimento na seo resistente geralmente no considerada, salvo quando o mdulo de elasticidade do bloco for superior a 8,0GPa. A seo resistente das nervuras pode ser considerada como a da parte pr-moldada somada parte moldada no local. Algumas diretrizes devem ser seguidas para o dimensionamento de lajes com vigotas protendidas. So elas: Verificao da vigota isolada verificao do elemento aps a transferncia da fora de protenso; Verificao da vigota na fase de construo deve ser verificada a necessidade ou no de escoramento; Estado limite de fissurao deve ser projetada de tal forma que previna os efeitos da fissurao; Estado limite de deformao deve ser projetado levando em considerao os efeitos instantneos e de retrao e fluncia; Estado limite ltimo para solicitaes tangenciais verificao de resistncia fora cortante de elementos sem armadura transversal e verificao do cisalhamento da interface entre os dois concretos; Estado limite ltimo para solicitaes normais verificao da resistncia para as solicitaes normais.
127
O dimensionamento das vigotas protendidas segue as recomendaes das normas NBR 7197 da ABNT (1986), NBR 6118 da ABNT (2001), de um projeto de norma brasileira em andamento2 e das normas espanholas.
O problema de otimizao a ser tratado o da minimizao da funo custo total de uma laje com vigota protendida com a utilizao ou no de escoras intermedirias para dois vos: 3 metros e 4 metros. No equacionamento desta funo so inseridos os custos das etapas transitrias (produo, transporte e montagem) da vigota. Os critrios para o dimensionamento de uma laje com vigota protendida so apresentados no Apndice F. As variveis envolvidas na definio da funo custo so as reas dos trs nveis de armaduras de protenso (x1, x2, x3) e as alturas do segundo e do terceiro nvel da armadura no elemento (x4, x5). A altura do primeiro nvel definida tendo como base o cobrimento mnimo. A seo transversal da laje mostrada na Figura 5-4. Os prximos itens (I-Custo de Execuo, II-Custo de Transporte Externo e IIICusto de Aplicao) discriminam os diferentes custos envolvidos no problema que, combinados, definem a funo custo total, a ser minimizada. As dimenses da vigota e da laje so apresentadas na Figura 5-5. Foram adotados os seguintes valores: a resistncia do concreto pr-moldado igual a 39 MPa e a de concreto moldado no
128
local igual a 20 MPa e a medida do inter-eixo igual a 30cm. Esses valores foram estipulados para este experimento aps alguns testes iniciais.
30
Figura 5-4. Seo de laje com vigota de concreto protendido, com enchimento e concreto moldado no local (medidas em cm)
6
x3 x2
x5 6
x4
15
x1
11
12
b) Seo de laje com vigota protendida Figura 5-5. Dimenses das sees da laje e da vigota protendida (medidas em cm)
O processo de dimensionamento de uma laje com vigotas protendidas foi o mesmo adotado em MERLIN (2002). Os critrios de dimensionamento atendem os estados limites de utilizao (estados limites de descompresso e de formao de
129
fissuras, de controle da deformao, de controle da fissurao) e o estado limite ltimo (solicitaes normais e tangenciais). Os custos utilizados nos itens I, II e III, descritos a seguir, consideram os mesmos valores adotados no Captulo 4. Sero reescritos aqui, nessa seo, apenas para facilitar a leitura. So eles: Mo-de-obra com encargos sociais (5 homens) R$ 192,00 por dia Produo diria = 180 m Depreciao de equipamentos: extrusora, usina de concreto, mquina de corte Valor investimento = R$ 680.000,00 Vida til = 15 anos Valor Residual = 20% Produo Anual = 45.000 m I) CUSTOS DE EXECUO Os custos envolvidos na execuo englobam: A. Custos de matria-prima B. Custos adicionais C. Custos indiretos administrativos D. Custos tributrios A.Custos de matria-prima a soma dos custos de concreto (c_concreto), armadura (c_armadura) e enchimento (c_enchimento) Concreto: material, mo de obra, equipamento material: cimento, areia, brita, aditivo, etc custo (R$/m3):
custo _ material = 179,78
mo-de-obra: mo-de-obra de dois homens utilizada na mistura de concreto, custo (R$/m3): no transporte e na operao dos equipamento de moldagem
custo _ mo _ de _ obra = 4,40
130
mo-de-obra: mo de obra de um homem para utilizao dos equipamentos e colocao dos cabos, efetuao da protenso e liberao da fora. custo (R$/kg):
custo _ mo _ de _ obra = 0,25
Material de Enchimento: material, mo de obra, equipamento material: bloco EPS custo (R$/ m3):
custo _ material = 2,00
mo-de-obra: mo de obra de um homem para utilizao dos equipamentos. custo (R$/ m3):
custo _ mo _ de _ obra = 2,20
equipamentos: macaco hidrulico, mquina para cortar os fios custo (R$/ m3):
custo _ equipamento = 1,00
131
B. Custos adicionais (c_adicional) Envolve os custos referentes s atividades aps a moldagem e anterior ao envio obra. O custo adicional a soma dos custos de mo-de-obra e de equipamentos. mo-de-obra: mo de obra para utilizao dos equipamentos, cura, transporte, armazenamento custo (R$/m3):
custo _ mo _ de _ obra = 4,40
C. Custos indiretos administrativos (custo_ind) Envolve os custos de: engenheiros, encarregados, recepcionista, execuo do projeto, encargos sociais, propaganda, energia, impostos, aluguis, seguros, materiais de escritrio, despesas de manuteno, fretes, combustvel, depreciao, retorno de investimento. custo (R$/m3): custo_ind = 0,1 (c_concreto + c_armadura + c_enchimento + c_adicional) D. Custos tributrios (c_tributario) Envolve os custos de Confins, PIS, ICMS, IPI avaliados em 12% do preo final custo (R$/m3): c_tributario = 115,00 II) CUSTOS DE TRANSPORTE EXTERNO Envolve os custos de transporte da fbrica ao local da obra. Com o intuito de melhor avaliar o custo, neste trabalho considerou-se uma obra hipottica sendo realizada a 100km de Franca (custo_transp). servios: mo de obra, caminhes, combustvel, seguros, despesas com manuteno Considerando que:
132
custo R$
: m 3 Km
e como o obra hipoteticamente est localizada a 100km de Franca, tem-se: custo (R$/m3):
custo _ transp = 52
III) CUSTOS DA APLICAO Os custos envolvidos na aplicao do elemento englobam: A. Custos da montagem da vigota protendida B. Custos do concreto da capa C. Custos da armadura complementar D. Custos indiretos administrativos A.Custos da montagem da vigota protendida (c_montagem) a soma dos custos de mo-de-obra e equipamentos. mo-de-obra: mo de obra para a colocao da vigota custo (R$/m3):
custo _ mo _ de _ obra = 4,4
B. Custos do concreto da capa (c_conc) a soma dos custos de material, mo-de-obra e equipamentos para o lanamento do concreto moldado no local. Considerou-se uma resistncia de 20MPa. material: cimento, areia, brita, aditivo, etc custo (R$/m3):
custo _ material = 136,13
mo-de-obra: mo de obra de vinte homens para o lanamento, o adensamento do concreto, a cura e a desmoldagem custo (R$/m3):
custo _ mo _ de _ obra = 104,20
133
C. Custos da armadura complementar (c_arma) a soma dos custos de material e de mo-de-obra. material: armadura de dimetro de 6,3mm custo (R$/kg):
custo _ material = 1,13
D. Custos indiretos administrativos (custo_adma) Envolve os custos de engenheiros, encarregados, recepcionista, execuo do projeto, administrao, encargos sociais, propaganda, energia, impostos, aluguis, seguros, materiais de escritrio, despesas de manuteno, fretes, combustvel, depreciao e despesas tributrias. custo (R$/m3): 5.3.2
custo_adma = 0,2 (c_montagem + c_conc + c_arma)
Na subseo anterior os vrios custos envolvidos na produo de uma laje com vigota protendida foram discriminados. Mais detalhes da obteno da funo custo esto no Apndice F. As variveis x4 e x5 que correspondem s distncias dos nveis 2 e 3 de armadura, respectivamente, foram introduzidas na funo custo apenas com o intuito de retratar todas as variveis envolvidas. Vale salientar que tais variveis interferem somente no clculo das restries do problema, no introduzindo um custo adicional funo objetivo. Com o objetivo de obter a funo que representa o custo total de produo, considerando as etapas de execuo, de transporte e de aplicao, os vrios custos foram somados e a expresso final da funo :
134
0,143 (2 x 1 + x 2 (2 + x 4 ) + x 3 (2 + x 4 + x 5 ))
onde x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) O problema de minimizao do custo de produo de tal laje, portanto, se resume ao problema de minimizao de f(x) (x = (x1,x2,x3,x4,x5)). Portanto, o problema em questo se configura como um problema de minimizao sujeito restries e pode ser equacionado da seguinte forma: Minimizar f(x)
Sujeita s seguintes restries: as verificaes equacionadas a seguir so apresentadas em detalhes no Apndice F. Verificao do estado em vazio a) aps a desmoldagem:
g 1 ( x i ) = 1 Po + 1 g ctj
1
onde onde
g1 (xi) 0 g2 (xi) 0
g 2 ( x i ) = 2 Po + 2 g + cj
1
b) fase de transporte:
g 3 ( x i ) = 1 Po + a 1 1 g ctj
1
g 4 ( x i ) = 2 Po + a 1 2 g + cj
1
g 5 ( x i ) = 1 Po + a 2 1 g ctj
1
g 6 ( x i ) = 2 Po + a 2 2 g + cj
1
c) fase de armazenamento:
g 7 ( x i ) = 1 Poo + 1 g ctj
1
onde onde
g7 (xi) 0 g8 (xi) 0
g 8 ( x i ) = 2 Poo + 2 g + cj
1
d) fase de montagem:
135
g 9 ( x i ) = 1 Po + 1 g + 1 g ct
1 2
onde nde
g 10 ( x i ) = 2 Po + 2 g + 2 g + c
1 2
onde onde
onde onde
onde onde
Momento negativo:
1,2 + c W1h 1,2 W2 h
onde onde
onde
g9 (xi) < 0
136
g 10 ( x i ) = 2 Poo + (M1g12 )
1,2 + c W2 h
onde
g10 (xi) 0
oo
W1h (M g + M g )
1 2
(M k g
+ M g + 0,3M q )
3
W1hh (M k g
2
ct
onde
g11 (xi) 0
g 12 ( x i ) = 2P
oo
W2 h
+ M g + 0,3M q )
3
W2 hh
+ c
onde
g12 (xi) 0
oo
W1h (M g + M g )
1 2
(M k g
+ M g + 0,2M q )
3
W1hh (M k g
2
ct
onde
g13 (xi) 0
g 14 ( x i ) = 2P
oo
W2 h
+ M g + 0,2M q )
3
W2 hh
+ c
onde
g14 (xi) 0
oo
W1h (M g + M g )
1 2
(M k g
+ Mg + Mq )
3
W1hh (M k g
2
ct
onde
g15 (xi) 0
g 16 ( x i ) = 2P
oo
W2 h
+ Mg + Mq )
3
W2 hh
+ c onde
g16 (xi) 0
Dependendo da existncia ou no de cimbramento, a verificao da fissurao feita em duas sees: Sem cimbramento: verificao da seo no meio do vo; Um ponto de cimbramento: verificao da seo no meio do vo e localizada a xma; Dois pontos de cimbramento: verificao da seo no meio do vo e localizada a xma. Verificao do estado limite de utilizao de controle da deformao:
g 17 ( x i ) = a lim a
onde
g17 (xi) 0
137
onde
g18 (xi) 0
onde
g19 (xi) 0
onde
g20 (xi) 0
onde
1g , 2g tenso devido ao peso prprio da vigota no bordo inferior e
1
superior
1g , 2g tenso devido ao peso prprio do enchimento e do concreto
2 2
inferior e superior
ctj tenso limite de trao em j dias ct tenso limite de trao cj tenso limite de compresso em j dias c tenso limite de compresso a1 coeficiente de ao dinmica ( a1 = 0,8 ) a 2 coeficiente de ao dinmica ( a 2 = 1,3 )
M g , M g 2 , M g 3 momento devido ao peso prprio da vigota, do concreto
1
138
M g12 pos , M g12 neg momento positivo e negativo para 1 apoio respectivamente M1g12 pos momento positivo para 2 apoios M qex momento devido sobrecarga de execuo
W1h, W1h mdulos resistentes da vigota nos bordos inferior e superior, respectivamente W1hh, W1hh mdulos resistentes da laje nos bordos inferior e superior, respectivamente
q tenso devido sobrecarga 1P , 2P tenso devido fora de protenso instalada no concreto no
o o
inferior e superior
ct tenso limite de trao c tenso limite de compresso
M d momento atuante da seo composta M u momento ltimo da seo composta a lim flecha admissvel devido ao carregamento
139
Para as cinco variveis os limites inferiores e superiores correspondem a limites arbitrados. Para o problema com restrio descrito aqui foi adotada a mesma estratgia de penalidade adotada na para a soluo dos problemas do Captulo 4. 5.3.3 Busca da Soluo do Problema via AG
Os AGs variantes MGA1 e Roleta1A so utilizados para a minimizao da funo f(x). Os variantes compartilham os valores de vrias caractersticas como mostrados na Tabela 5-1.
Tabela 5-1. Principais caractersticas dos MGA1 e Roleta1A
Caractersticas elitismo populao Representao de dados Possveis Valores 1 indivduo 100 Binria 56 bits (considerando 2 casas decimais para cada varivel) 1a. varivel 10 bits 2a. varivel 10 bits 3a varivel 10 bits 4a. varivel 13 bits 5a. varivel 13 bits Um-ponto (1X), dois pontos (2X) multiponto (3X, 4X e 5X), uniforme, varivel-a-varivel 0,85 0,1 1000 geraes
Os experimentos tratados nesta seo consideram, alm dos operadores de cruzamento convencionais (1X,...,5X, uniforme), o operador de cruzamento proposto em HASANCEBI & ERBATUR (1998) e referenciado como varivel-a-varivel. O Captulo 2 descreve detalhadamente todos esses operadores. 5.3.4 Descrio dos Experimentos e Anlise dos Resultados
Uma vez que AGs so bastante sensveis populao inicial, o valor relativo a cada um dos experimentos descrito nesta seo a mdia dos valores obtidos em 10 execues (run), cada uma delas tendo uma populao inicial gerada randomicamente. A anlise dos resultados vai focalizar, principalmente, os valores obtidos usando cada uma das estratgias de cruzamento, listados nas Tabela 5-2 e Tabela 5-3 relativos a comprimento de laje de 3m e 4m respectivamente.
140
Nas duas tabelas a coluna referente a escoras diz respeito ao nmero de escoras necessrias para o escoramento da laje. Essa varivel no uma varivel do problema; seu valor est implcito no clculo das restries do problema. Tambm, quando do uso do EASY, foram feitas verses do programa para zero escoras, uma escora e duas escoras. Essa mesma abordagem foi adotada em todos os outros experimentos descritos neste captulo. A Tabela 5-2 apresenta o valor da funo custo e das cinco variveis que a definem, para o comprimento de laje 3m, para cada uma das combinaes variante/operador de cruzamento. A linha identificada por real apresenta os valores obtidos usando a representao real, com o objetivo de estabelecer uma comparao com o restante de resultados, todos usando representao binria. Os resultados obtidos usando o operador uniforme, cada um dos n-X (N=1,...,5) e o varivel-avarivel foram praticamente os mesmos. Usando representao binria, o MGA1 obteve praticamente os mesmos resultados, independentemente do operador de cruzamento utilizado. Alm disso, o MGA1 apresentou um melhor desempenho quando comparado com o da Roleta1A, como era de se esperar. Apesar da representao real ser a mais recomendada para problemas de otimizao com restries (ver (GEN & CHENG 1997)), o resultado obtido considerando esta representao, para o problema em questo, no confirmou essa expectativa, como pode ser visto na Tabela 5-2. Alm disso, apesar das diferenas serem pequenas quando comparados com os resultados obtidos pelo MGA1, o EASY obteve o melhor resultado de todos. Quanto da anlise dos resultados obtidos pelo Roleta1A, importante notar que os valores das variveis x4 e x5 incorporadas funo custo no introduzem variaes muito perceptveis nos resultados obtidos. Deve-se salientar que um aumento de excentricidade (aumento das distncias entre nveis de armadura) no resulta em um aumento de custo. Todos os resultados obtidos usando o Roleta1A foram piores que os do MGA1. O pior resultado do Roleta1A foi obtido usando o operador de cruzamento 3X e o melhor aquele considerando o cruzamento varivel-a-varivel. Note-se que o melhor valor obtido pelo Roleta1A ainda pior que o pior valor obtido com o MGA1.
141
Tabela 5-2. Valores da funo custo e das variveis que a definem para a famlia MGA1: x1, x2, x3 reas das armaduras de protenso, x4, x5 distncias dos nveis de armadura (L=3m)
FUNO CUSTO vo 3m (R$/m2) Valor da funo Uniforme 37,68 37,69 1X 37,68 2X 37,69 3X 37,68 4X 37,68 5X Var_Var 37,69 40,01 real Roleta1A Uniforme 1X 2X 3X 4X 5X Var_Var EASY 41,13 40,66 40,40 42,07 40,57 40,15 39,87 34,44 1,9940 2,3946 3,5675 2,5905 1,8784 1,9738 2,3767 38,40 38,46 37,76 38,17 38,57 38,17 38,16 45,24 44,80 47,81 46,34 43,08 44,06 45,98 0,52 0,51 0,49 0,59 0,44 0,48 0,48 0,40 0,20 0,22 0,19 0,14 0,23 0,18 0,15 0,11 0,11 0,07 0,11 0,20 0,09 0,09 0,10 0,00 4,14 3,67 3,37 4,06 3,91 3,88 3,76 4,32 3,17 3,35 3,23 3,39 3,23 3,30 3,84 2,23 0 0 0 0 0 0 0 0 MGA1 VARIVEIS x4 (cm) 4,08 3,80 3,45 3,80 3,43 3,72 4,25 2,87 x5 escoras (cm) 1,96 2,42 3,60 3,13 3,07 3,73 1,91 3,71 0 0 0 0 0 0 0 0
Desvio Melhor Pior x1 x2 x3 padro absoluto absoluto (cm2) (cm2) (cm2) 0,0215 0,0084 0,0116 0,0181 0,0095 0,0118 0,0144 1,6759 37,66 37,67 37,66 37,67 37,67 37,66 37,68 38,41 37,07 37,70 37,69 37,73 37,70 37,69 37,73 44,23 0,42 0,41 0,41 0,41 0,41 0,41 0,42 0,42 0,10 0,11 0,11 0,11 0,11 0,11 0,11 0,18 0,02 0,02 0,02 0,02 0,02 0,02 0,01 0,13
Os resultados obtidos na minimizao da mesma funo custo anterior, agora para uma laje de comprimento de 4m, so apresentados na Tabela 5-3. De maneira similar aos resultados anteriores, o MGA1 foi o variante que obteve os melhores resultados. O variante MGA1 obteve resultados bem prximos um dos outros independentemente do operador de cruzamento utilizado. A Figura 5-6 mostra uma representao pictrica dos dados descritos na Tabela 5-3. Como pode ser verificado na tabela, os resultados obtidos pelo EASY foram os melhores e com uma grande margem sobre os demais. Deve-se salientar que os valores de armadura x2 e x3 obtidos pelo EASY para o comprimento de laje de 4m so valores mnimos, no tendo muito significado prtico.
142
Tabela 5-3. Valores da funo custo e das variveis que a definem para a famlia MGA1: x1, x2, x3 reas das armaduras de protenso, x4, x5 distncias dos nveis de armadura (L=4m)
FUNO CUSTO vo 4m (R$/m2) Valor da funo Uniforme 42,33 42,33 1X 42,32 2X 42,32 3X 42,33 4X 42,33 5X Var_Var 42,34 Roleta1A Uniforme 1X 2X 3X 4X 5X Var_Var EASY 43,71 43,36 43,44 43,39 43,53 43,73 43,42 34,40 0,4978 0,8202 0,7385 0,4964 0,5323 0,6787 0,6199 42,93 42,42 42,40 42,79 42,79 42,49 42,71 44,33 44,80 44,68 44,42 44,56 44,76 44,92 0,54 0,62 0,56 0,66 0,60 0,64 0,56 0,40 0,35 0,30 0,23 0,29 0,30 0,32 0,39 0,10 0,18 0,12 0,18 0,15 0,16 0,11 0,10 0,01 2,92 3,56 3,45 3,64 3,00 3,90 3,56 4,00 3,32 3,51 3,83 3,22 4,17 3,37 3,36 4,00 1 1 1 1 1 1 1 1 MGA1 VARIVEIS x4 (cm) 3,05 2,85 2,65 3,50 2,65 3,93 3,31 x5 escoras (cm) 1,98 2,78 2,85 1,91 3,13 2,01 2,88 1 1 1 1 1 1 1
Desvio Melhor Pior x1 x2 x3 padro absoluto absoluto (cm2) (cm2) (cm2) 0,0233 0,0163 0,0211 0,0186 0,0198 0,0145 0,0182 42,31 42,31 42,31 42,31 42,31 42,31 42,31 42,37 42,36 42,36 42,35 42,36 42,35 42,38 0,53 0,56 0,53 0,55 0,53 0,56 0,56 0,29 0,24 0,26 0,28 0,26 0,26 0,27 0,13 0,14 0,15 0,12 0,15 0,10 0,11
43
42
41
Figura 5-6. Valor da funo custo obtida pelo MGA1 e Roleta1A para os diversos tipos de cruzamentos
143
As anlises apresentadas para o comprimento de laje de 3m e 4m buscaram avaliar o comportamento dos variantes MGA1 e Roleta1A usando representao binria. Pode-se dizer que para a soluo do problema descrito, quando o variante o MGA1, a busca da soluo independe de qual operador de cruzamento utilizado (dos analisados). J quando o variante o Roleta1A, o mais promissor o varivel-avarivel. Ainda para o mesmo problema (vo de 4m), foi investigada a alterao dinmica do operador de cruzamento, ao longo das geraes, como sugerido e recomendado em HASANCEBI & ERBATUR (1998). A justificativa para esse procedimento , segundo os autores, para viabilizar uma melhor explorao do espao de busca. Os autores introduzem uma mistura de cruzamentos combinando um ponto, dois pontos e trs pontos. Para um total fixo de geraes, o operador de cruzamento de trs pontos usado durante um certo nmero de geraes, a seguir utilizado o 1 ponto e, por fim, o 2 pontos. A idia por trs dessa proposta, segundo os autores, realizar uma busca eficiente, a qual pode ser conseguida pela ativao de possveis caractersticas das tcnicas existentes, no lugar certo do processo de busca. Acredita-se que uma busca eficiente permite uma explorao slida do espao durante as primeiras geraes e, em estgios posteriores, explora as solues obtidas para chegar a pontos melhores. Esta idia aplicada na determinao de seqncias de tcnicas usadas na implementao de cruzamento misturado. Portanto, primeiro o cruzamento de 3 pontos usado para obter uma vasta explorao do espao (exploration). Ento, o cruzamento um ponto aplicado para aumentar a busca exploratria (exploitation). Finalmente o cruzamento de 2 pontos ativado para fornecer uma busca exploratria completa (exploitation). Pode se notar que a incluso de outras tcnicas (alm de trs) em uma aplicao com uso mais misturado, pode afetar negativamente o desempenho. Isto se deve ao fato que, em tais casos, o uso de tcnicas pode no mostrar sua efetividade durante um nmero limitado de geraes alocados para elas, durante um processo evolucionrio com um total fixo de geraes. importante lembrar que a explorao a que os autores se referem aquela no sentido de visitar pontos desconhecidos no espao de busca, ampliando-o. A tcnica a que os autores se referem denominada, neste trabalho, operador de cruzamento.
144
Para um nmero fixo de total de geraes, os autores usam uma determinada seqncia de operadores de cruzamentos com propores diferentes: as primeiras 20% geraes so criadas usando cruzamento 3X, as 40% geraes seguintes, usando cruzamento de um ponto e as 40% geraes finais, cruzamento 2X. Este trabalho investigou a proposta de seqncia de operadores, com alterao dinmica durante o processo evolutivo como sugerido por HASANCEBI & ERBATUR (1998), referenciada neste trabalho como seqnciaHE. Alm da seqncia de operadores descrita anteriormente este trabalho props e experimentou duas outras seqncias. So elas: Seqncia1: as primeiras 20% geraes so obtidas com cruzamento 3X, as 40% seguintes com cruzamento uniforme e as 40% restantes com cruzamento varivel-a-varivel. A razo desta proposta se deve ao fato do cruzamento 3X ampliar bastante o espao de busca, o cruzamento uniforme que se segue torna o espao ainda mais amplo e o cruzamento varivel-a-varivel introduz uma busca mais localizada nos pontos do espao; Seqncia aleatria: para um nmero total fixo de geraes e um nmero total fixo de operadores de cruzamento, enumerados 0...N, para cada gerao foi gerado um nmero aleatrio e o correspondente operador de cruzamento, utilizado. Neste trabalho o valor de N=6 e os operadores de cruzamento utilizados foram: uniforme, varivel-a-varivel, 1X,...,5X. A Figura 5-7 mostra os resultados obtidos usando alterao dinmica de operadores, para os variantes MGA1 e Roleta1A. Verifica-se na figura que tanto para a seqnciaHE quanto para a seqncia1, o valor da funo custo foi o pior, para ambos os variantes.
145
ni fo rm e
5X
1X
2X
3X
4X
ia H E
ar _
ue nc
tipo de cruzamento
Figura 5-7. Valores mdios da funo custo para os diversos tipos de cruzamentos e diversas seqncias de operadores
A seqncia aleatria, proposta neste trabalho, apresentou os melhores resultados, para qualquer dos variantes. Isto talvez se deva grande diversidade de explorao do espao, no sistematizando uma ordem de explorao (mais longe, mais perto). difcil uma anlise dos resultados obtidos, em face s timas recomendaes e justificativas utilizadas pelos autores para a proposta seqenciaHE. De qualquer forma a seqenciaHE embora recomendada na referncia no teve bom desempenho para o problema em questo.
se q
se qu
en ci a1
va r
146
5.4.1
Definio do Problema
O problema de otimizao a ser tratado o da minimizao da funo custo total de uma laje com vigota protendida para uma dada vigota com ou sem a utilizao de escoras intermedirias. No equacionamento desta funo so inseridos os custos das etapas transitrias (produo, transporte e montagem) da vigota, usando os valores cedidos pela empresa Marka situada em Franca, SP e alguns obtidos na Revista Construo3. De maneira semelhante ao problema anterior tambm sero considerandos dois vos: 3 metros e 4 metros. Parte dos resultados desta seo esto descritos em CASTILHO et al (2001). As variveis envolvidas na definio da funo custo so: a altura do capeamento (x1), a resistncia do concreto moldado no local (x2) e a distncia do intereixo (x3). A seo transversal da laje mostrada na Figura 5-8. As dimenses da vigota consideradas no dimensionamento da laje so apresentadas na Figura 5-9. A resistncia do concreto foi considerada de 45 MPa.
x1 x3
Figura 5-8. Seo de laje com vigota de concreto protendido, com enchimento e concreto moldado no local
5
9 2 1.5 3 10
13
147
17 x1
12
b) Seo de laje com vigota protendida Figura 5-9. Dimenses das sees da laje e da vigota protendida (medidas em cm)
Conforme apresentado na seo anterior, o processo de dimensionamento de uma laje com vigotas protendidas foi o mesmo adotado em MERLIN (2002), seguindo os mesmos critrios de dimensionamento (verificaes dos estados limites de utilizao e do estado limite ltimo). Os valores dos custos de Execuo, de Transporte Externo e de Aplicao so os mesmos valores discriminados na seo anterior com exceo de alguns valores que sero apresentados nesta seo. I) CUSTOS DE EXECUO A. Custos de matria- prima D. Custos tributrios A.Custos de matria-prima Concreto: material, mo de obra, equipamento material: cimento, areia, brita, aditivo, etc custo (R$/m3):
custo _ material = 185,63
mo-de-obra: mo-de-obra de dois homens utilizada na mistura de concreto, custo (R$/m3): no transporte e na operao dos equipamento de moldagem
custo _ mo _ de _ obra = 4,40
148
D. Custos tributrios (c_tributario) Envolve os custos de Confins, PIS, ICMS, IPI avaliados em 12% do preo final de venda para o concreto e armadura. custo (R$/m3): c_tributario = 195,00 III) CUSTOS DA APLICAO B. Custos do concreto da capa B. Custos do concreto da capa (c_conc) material: cimento, areia, brita, aditivo, etc custo (R$/m3):
custo _ material = (24,75x 2 + 74,25)
mo-de-obra: mo de obra de vinte homens para o lanamento, o adensamento do concreto e a cura, desmoldagem custo (R$/m3):
custo _ mo _ de _ obra = 102,4
5.4.2
Na subseo anterior os vrios custos envolvidos na produo de uma laje com vigota protendida foram discriminados. Maiores detalhes da obteno da funo custo esto no Apndice F. Com o objetivo de obter a funo que representa o custo total de sua produo, considerando as etapas de execuo, de transporte e de aplicao, os vrios custos foram somados e a expresso final da funo : f(x)=
669,376 + 1,552 x 1 + 0,012 x 1 (24,75 x 2 + 74,25) + 0,0592 x 3 x3
onde
149
x3 distncia do inter-eixo em cm O problema de minimizao do custo de tal laje, portanto, se resume ao problema de minimizao de f(x) (x=(x1,x2,x3)). Portanto, o problema em questo se configura como um problema de minimizao sujeito a restries e pode ser equacionado da seguinte forma: Minimizar subseo 5.3.2 Alm dessas restries as variveis devem satisfazer s desigualdades:
4 x 1 10 (cm) 15 x 2 30 (MPa ) 30 x 3 50 (cm)
f(x)
A escolha desses limites se justifica por: x1: limite inferior estipulado por norma; limite superior corresponde a um limite arbitrado; x2: limites inferior e superior correspondem a valores permitidos de resistncia para o concreto moldado no local; x3: limites inferior arbitrado e superior estipulado por norma; Para o problema descrito aqui foi adotada a mesma estratgia da penalidade adotada para a soluo dos problemas do Captulo 4. 5.4.3 Busca da Soluo do Problema via AG
Para a busca da soluo da minimizao da funo custo de uma laje com vigota protendida via AG, os variantes usados foram o MGA1 e o Roleta1A. Na Tabela 5-4 esto discriminados os valores de vrias caractersticas relativas a AGs, adotadas nas implementaes.
150
5.4.4
O foco principal dos experimentos conduzidos nesta seo foi a quantidade de bits usada para representar cada uma das variveis. O objetivo foi verificar a influncia do nmero de bits usado para a representao de cada varivel, no resultado obtido. Na Tabela 5-5 apresentado o valor da funo custo e das trs variveis que a definem, para o comprimento de laje 3m, para cada uma das combinaes variante/operador de cruzamento, usando uma configurao binria de 32 bits (11, 11 e 10 bits associados s variveis x1, x2 e x3 respectivamente). Pode se notar na tabela que os valores obtidos por MGA1/operador de cruzamento, Roleta1A/operador de cruzamento e EASY so praticamente iguais, indicando que, para este problema em particular, tanto o EASY quanto qualquer dos variantes obtm o mesmo resultado, independentemente do operador de cruzamento utilizado.
151
Tabela 5-5. Valores da funo custo e das variveis que a definem: x1 altura da capa de concreto moldado no local, x2 resistncia do concreto moldado no local e x3 distncia do intereixo (L=3m)
FUNO CUSTO vo 3m (R$/m2) Valor da funo Uniforme 28,01 28,01 1X 28,01 2X 28,01 3X 28,01 4X 28,01 5X Var_Var 28,01 MGA1 Roleta1A Uniforme 1X 2X 3X 4X 5X Var_Var EASY 28,02 28,02 28,02 28,02 28,02 28,02 28,02 28,02 0,0059 0,0067 0,0070 0,0086 0,0094 0,0066 0,0055 28,01 28,01 28,01 28,01 28,01 28,01 28,01 28,03 28,03 28,03 28,01 28,01 28,03 28,03 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00 1,60 1,60 1,61 1,60 1,60 1,60 1,60 1,60 49,97 49,98 49,99 49,98 49,98 49,99 49,98 50,00 0 0 0 0 0 0 0 0 Desvio padro 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 Melhor absoluto 28,01 28,01 28,01 28,01 28,01 28,01 28,01 Pior absoluto 28,01 28,01 28,01 28,01 28,01 28,01 28,05 VARIVEIS x1 x2 (cm) (kN/cm2) 4,00 4,00 4,00 4,00 4,00 4,00 4,00 1,60 1,60 1,60 1,60 1,60 1,60 1,60 x3 (cm) 50,00 50,00 50,00 50,00 50,00 50,00 50,00 escoras 0 0 0 0 0 0 0
Na Tabela 5-6 so apresentados os valores da funo custo e de suas variveis para o comprimento de laje 4m. Os resultados confirmam a tendncia observada para o comprimento de laje de 3m, uma vez que no h variaes significativas entre os dois variantes. Embora os resultados obtidos por ambos variantes tenham sido prximos, est claro na tabela que o variante Roleta1A teve os piores resultados quando comparado com o MGA1. O melhor resultado do MGA1 foi obtido usando cruzamento de um ponto e 5X e o pior usando o operador varivel-a-varivel. Com o Roleta1A, o melhor desempenho foi com o operador de cruzamento varivel-a-varivel e o pior, com o cruzamento 5X. Apesar dessas consideraes, os resultados esto muito prximos o que impede uma avaliao mais refinada.
152
Tabela 5-6. Valores da funo custo e das variveis que a definem: x1 altura da capa de concreto moldado no local, x2 resistncia do concreto moldado no local e x3 distncia do intereixo (L=4m)
FUNO CUSTO vo 4m (R$/m2) Valor da funo Uniforme 42,40 41,90 1X 41,96 2X 42,39 3X 42,24 4X 42,42 5X Var_Var 43,25 Roleta1A Uniforme 1X 2X 3X 4X 5X Var_Var EASY 42,70 42,76 43,18 43,49 42,87 43,26 42,41 41,78 0,5299 0,6439 0,6063 1,1096 0,9209 0,8121 0,4470 42,00 42,13 42,46 42,02 41,90 42,44 42,07 43,60 44,18 44,34 44,92 44,47 45,01 43,47 6,27 6,19 6,43 6,54 6,42 6,48 6,21 6,28 2,87 2,91 2,80 2,87 2,86 2,84 2,91 3,00 33,45 33,37 33,26 35,20 34,41 34,19 33,69 35,73 0 0 0 0 0 0 0 MGA1 Desvio padro 0,6594 0,0657 0,1513 0,8196 0,7157 0,8134 0,6768 Melhor absoluto 41,97 41,82 41,82 41,82 41,97 41,82 41,88 Pior absoluto 43,64 41,97 42,32 44,01 44,27 44,24 44,11 VARIVEIS x1 x2 (cm) (kN/cm2) 6,28 6,18 6,17 6,26 6,22 6,31 6,53 2,92 2,98 2,97 2,98 2,97 2,94 2,93 x3 (cm) 34,16 34,74 34,49 35,28 34,81 35,00 35,24 escoras 0 0 0 0 0 0 0
Pode ser verificado que o uso de qualquer dos operadores de cruzamento uniforme e n-X no provocou uma variao grande no resultado final. fato, entretanto, que com o uso do operador varivel-a-varivel s foram obtidos bons resultados quando tal operador foi utilizado com o variante Roleta1A. Isso nos leva a conjecturar sobre as vantagens do uso desse operador, quando aplicado a problemas de otimizao de estruturas de concreto usando qualquer outra estratgia de seleo. Vale lembrar que o operador varivel-a-varivel foi proposto e recomendado em HASANCEBI & ERBATUR (1998), quando da soluo de problemas em estruturas de ao. Considerando os comentrios anteriores e tambm o fato do variante Roleta1A no ter tido bons desempenhos ao longo de todos os experimentos, a partir deste ponto apenas o variante MGA1 ser utilizado para a soluo dos problemas descritos.
153
Um ponto importante levantado no Captulo 2 com relao representao binria o relativo ao nmero de bits utilizado para a representao de cada varivel do problema, uma vez que esse nmero tem uma relao direta com a preciso. No que segue, ento, decidiu-se tratar o mesmo problema (i.e. minimizao da funo custo de lajes com vigotas protendidas para vo de 4m) usando duas outras representaes binrias mais refinadas onde as variveis x1, x2 e x3 so representadas por 18, 18 e 20 bits respectivamente (nomeada neste trabalho 18-18-20 com um total de 56 bits) e por 24, 25 e 26 bits, respectivamente (nomeada 24-25-26 com um total de 75 bits). Os resultados finais relativos ao valor da funo custo esto apresentados na Figura 5-10. Tais valores foram obtidos pelo MGA1 usando os diversos operadores de cruzamento, para um comprimento de laje de 4m.
Custo x Tipo de cruzamento
47 46 45 44 43 42 41 40 Unif. 1X 2X 3X tipo de cruzamento 4X 5X Var_var melhor_MGA1_bit32 mdia_MGA1_bit32 pior_MGA1_bit32 melhor_MGA1_bit56 mdia_MGA1_bit56 pior_MGA1_bit56 melhor_MGA1_bit75 mdia_MGA1_bit75 pior_MGA1_bit75
Figura 5-10. Resultados do valor da funo custo obtidos usando o MGA1, para diferentes tipos de cruzamentos e comprimento de cromossomo (L=4m)
Pela figura nota-se que o uso do cruzamento uniforme produz bons resultados quando o tamanho de cromossomo aumentado. Avaliando os resultados obtidos com os trs diferentes tamanhos de cromossomos resumido na Figura 5-11 pode-se dizer que: Os resultados obtidos com 56 bits s foram melhores que os resultados obtidos com 32 bits no cruzamento uniforme, 4X, 5X e var-a-var. Verifica-se
154
que aumentando o nmero de bits o operador de cruzamento uniforme obtm um melhor desempenho; Os resultados obtidos com 75 bits s foram melhores do que os obtidos com 32 bits no cruzamento uniforme, 3X e varivel-a-varivel; Os resultados com 56 bits foram melhores que com 75 com exceo do operador de cruzamento uniforme, 1X e 3X.
Custo x Tipo de cruzamento
45 mdia_MGA1_bit32 mdia_MGA1_bit56 mdia_MGA1_bit75
44
43
42
41
Pode-se conjecturar neste experimento que usando o MGA1 o aumento do nmero de bits para a representao do cromossomo quase sempre no influencia no resultado final. Um aumento grande de bits no necessariamente implica em uma melhora dos resultados finais da funo custo. importante notar tambm que um aumento do comprimento do cromossomo pode facilmente inviabilizar o seu uso, devido a restries de tempo e memria.
155
Este problema uma composio dos dois problemas abordados anteriormente neste captulo, descritos na Seo 5.3 e Seo 5.4 respectivamente. So apresentados e discutidos tambm os resultados obtidos para a soluo do mesmo problema, usando o Mtodo do Lagrangiano Aumentado. 5.5.1 Definio do Problema
O problema de otimizao a ser tratado o da minimizao da funo custo total de uma laje com vigota protendida com ou sem a utilizao de escoras intermedirias para dois vos: 3 metros e 4 metros. No equacionamento desta funo sero inseridos os custos das etapas transitrias (produo, transporte e montagem) do painel, como visto na Seo 5.3.1. As variveis envolvidas na definio da funo custo so: as armaduras de protenso (x1, x2, x3), a altura de cada armadura no elemento (x4, x5), a resistncia do concreto moldado no local (x6), a distncia do intereixo (x7) e a altura do capeamento (x8). A seo transversal da laje mostrada na Figura 5-12. Os custos de execuo, de transporte e de aplicao so os mesmos discriminados na seo 5.3, com exceo dos custos tributrios que assumem o valor de 145,00 R$/m3. As dimenses da vigota e da laje so apresentadas na Figura 5-13.
x7
Figura 5-12. Seo de laje com vigota de concreto protendido, com enchimento e concreto moldado no local
x8
156
x3 x2
x5 6 x4 2 5 15
x1
11
12
b) Seo de laje com vigota protendida Figura 5-13. Dimenses das sees da laje e da vigota protendida (medidas em cm)
Os custos referentes execuo, ao transporte externo e aplicao so os mesmos apresentados na Seo 5.3.1. 5.5.2 Funo Custo Total
Na subseo anterior os vrios custos envolvidos na produo de uma vigota protendida foram discriminados. Maiores detalhes da obteno custo so apresentados no Apndice F. Com o objetivo de obter a funo que representa o custo total de produo, considerando as etapas de execuo, de transporte e de aplicao, os vrios custos foram somados e a expresso final da funo :
f(x)= 335,78( x 1 + x 2 + x 3 ) 473,42 + 1,552 x 8 + 0,012( 24,75x 6 + 74,25) x 8 + + x7 x7
0,00476 x 7 + 0,057 x 7 (2 x 1 + x 2 (2 + x 4 ) + x 3 (2 + x 4 + x 5 ))
157
onde x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) x6 resistncia do concreto moldado no local em kN/cm2 x7 distncia do inter-eixo em cm x8 altura da capa de concreto em cm O problema de minimizao do custo de produo de tal laje, portanto, se resume ao problema de minimizao de f(x) (x=(x1,x2,x3,x4,x5,x6,x7,x8)). O dimensionamento da laje deve respeitar os mesmos estados limites definidos na Seo 5.3.2. Portanto, o problema em questo se configura como um problema de minimizao sujeito a restries e pode ser equacionado da seguinte forma: Minimizar f(x)
Sujeita s mesmas restries descritas na subseo 5.3.2 Alm dessas restries as variveis devem satisfazer s desigualdades:
0,4 x 1 3,0 (cm 2 ) 0,1 x 2 2,6 (cm 2 ) 0 x 3 1 (cm 2 ) 0,5 x 4 6 (cm) 0,5 x 5 8 (cm) 1,5 x 6 3 (kN / cm 2 ) 30 x 7 50 (cm) 4 x 8 10 (cm)
A escolha desses limites se justifica por: x1: limite inferior e superior correspondem a um limite tolervel; x2: limite inferior e superior correspondem a um limite tolervel; x3: limite inferior e superior correspondem a um limite tolervel; x4: limite inferior e superior correspondem a um limite tolervel; x5: limite inferior e superior correspondem a um limite tolervel;
158
x6: limites inferior e superior correspondem a valores permitidos de resistncia para o concreto moldado no local; x7: limite inferior arbitrado e superior estipulado por norma; x8: limites inferior estipulado por norma; limite superior correspondem a um limite tolervel. Para o problema descrito aqui foi adotada a mesma estratgia da penalidade
adotada para a soluo dos problemas descritos no Captulo 4. 5.5.3 Busca da Soluo do Problema via AG
Para a busca da soluo da minimizao da funo custo que equaciona o problema em questo, via AG, o variante usado foi o MGA1. Na Tabela 5-7 esto discriminados os valores de vrias caractersticas relativas a AGs adotadas na implementao.
Tabela 5-7. Principais Caractersticas da Implementao do AG
Caractersticas elitismo populao Possveis Valores 1 indivduo 100 Binria 88 bits 1a. varivel 10 bits 2a. varivel 10 bits 3a varivel 10 bits 4a. varivel 13 bits 5a. varivel 13 bits 6a. varivel 11 bits 7a. varivel 11 bits 8a varivel 10 bits MGA1 Um-ponto (1X), 2X, 3X, 4X, 5X, uniforme, varivel-a-varivel 0,85 0,1 1000 geraes
Representao de dados
5.5.4
Na Tabela 5-8 so apresentados os resultados obtidos pelo variante MGA1 usando os diversos operadores de cruzamento para o problema em questo, considerando o comprimento de laje de 3m.
159
Tabela 5-8. Valores da funo custo e das variveis que a definem: x1, x2, x3 armaduras de protenso, x4, x5 distncias dos nveis de armadura e x6 resistncia do concreto moldado no local, x7 distncia do intereixo e x8 altura da capa de concreto moldado no local
VARIVEIS vo 3m Valor da funo (R$/m2) Uniforme 28,44 28,45 1X 28,48 2X 28,44 3X 28,47 4X 28,48 5X 28,57 Var_Var MGA1 EASY 28,36 x1 x2 x3 x4 x5 x6 x7 x8 (cm2) (cm2) (cm2) (cm) (cm) (kN/cm2) (cm) (cm) 0,40 0,40 0,40 0,40 0,40 0,40 0,40 0,40 0,10 0,10 0,10 0,10 0,10 0,10 0,10 0,10 0,00 0,01 0,01 0,01 0,01 0,01 0,01 0,00 5,93 5,85 5,78 5,92 5,79 5,53 5,56 1,89 2,20 2,29 2,33 2,13 2,69 1,75 1,50 1,50 1,50 1,50 1,50 1,50 1,51 1,50 49,98 49,97 49,98 49,98 50,00 50,00 49,86 4,00 4,00 4,00 4,00 4,00 4,00 4,00
4,00 4,00
50,00 4,00
Verifica-se na figura que todos os resultados foram bem prximos. O melhor desempenho foi obtido com o uso do cruzamento uniforme e o pior com o uso do cruzamento varivel-a-varivel. Todos os valores obtidos, com exceo do varivela-varivel, foram praticamente os mesmos. Vale salientar que essa configurao evidenciou o uso de uma escora. A Figura 5-14 apresenta os valores da funo custo para o comprimento de laje 4m considerando os vrios tipos de cruzamento. Nota-se novamente que o operador de cruzamento varivel-a-varivel obteve o pior desempenho. Ainda para este problema foi investigado ainda o uso de variveis discretas para a representao de dados. Na literatura o uso de variveis discretas para o equacionamento do problema amplamente empregado em estruturas de ao. s vezes fica muito mais fcil associar s variveis um conjunto discreto de valores, dado que esses valores so os mais fceis de serem empregados.
160
37
36
35
Figura 5-14. Resultados do desempenho da funo custo para diferentes tipos de cruzamento (L=4m)
Para efeito de comparao so apresentados e discutidos dados relativos soluo do mesmo problema usando variao dinmica do operador de cruzamento (seqncia aleatria) e representao real. Vale salientar que a definio do tamanho do cromossomo respeitou os limites do clculo do comprimento do cromossomo dado por: 2nb = nv (nb o nmero de bits e nv o nmero dos possveis valores), descrito no Captulo 2. O comprimento em bits de cada varivel discreta utilizada na soluo do problema definido da seguinte maneira:
O conjunto ordenado rea contm os 16 possveis valores de armadura de protenso que, no problema, representada pelas variveis x1, x2 e x3 (armaduras nvel 1, armadura nvel 2 e armadura nvel 3 respectivamente). Vale salientar que esses valores correspondem a nmeros mltiplos de uma barra de dimetro de 5mm, cuja rea de 0,196cm2 (0,393 = 0,196 x 2 barras; 0,589 = 0,196 x 3 barras; e assim por diante).
rea=(0,196 ; 0,393 ; 0,589 ; 0,785 ; 0,982 ; 1,178 ; 1,374 ; 1,571 ; 1,767 ; 1,963 ; 2,16 ;
Para a representao binria desses 16 possveis valores, portanto, basta usar um conjunto de 4 bits (24 = 16) para cada varivel: 4 + 4 + 4 = 12 bits.
161
O conjunto ordenado distncia contm os 64 possveis valores das distncias entre nveis de armadura, representadas pelas variveis x4 e x5.
distncia=(0,0 ; 0,5 ; 0,6 ; 0,7 ; 0,8 ; 0,9 ; 1,0 ; 1,1 ; 1,2 ; 1,3 ; 1,4 ; 1,5 ; 1,6 ; 1,7 ; 1,8 ;
1,9 ; 2,0 ; 2,1 ; 2,2 ; 2,3 ; 2,4 ; 2,5 ; 2,6 ; 2,7 ; 2,8 ; 2,9 ; 3,0 ; 3,1 ; 3,2 ; 3,3 ; 3,4 ; 3,5 ; 3,6; 3,7 ; 3,8 ; 3,9 ; 4,0 ; 4,1 ; 4,2 ; 4,3 ; 4,4 ; 4,5 ; 4,6 ; 4,7 ; 4,8 ; 4,9 ; 5,0 ; 5,1 ; 5,2 ; 5,3; 5,4 ; 5,5 ; 5,6 ; 5,7 ; 5,8 ; 5,9 ; 6,0 ; 6,1 ; 6,2 ; 6,3 ; 6,4 ; 6,5 ; 6,6 ; 6,7).
Para a representao binria desses 64 possveis valores, portanto, basta usar um conjunto de 6 bits (26 = 64) para cada varivel: 6 + 6 = 12 bits.
O conjunto ordenado fck contm os 16 possveis valores da resistncia do concreto moldado no local, definido pela varivel x6.
fck=(1,5 ; 1,6 ; 1,7 ; 1,8 ; 1,9 ; 2,0 ; 2,1 ; 2,2 ; 2,3 ; 2,4 ; 2,5 ; 2,6 ; 2,7 ; 2,8 ; 2,9 ; 3,0)
O conjunto ordenado inteixo contm os 32 possveis valores do inter-eixo, definido pela varivel x7.
inteixo=(30,0 ; 30,5 ; 31,0 ; 31,5 ; 32,0 ; 32,5 ; 33,0 ; 33,5 ; 34,0 ; 34,5 ; 35,0 ; 35,5 ;
36,0; 36,5 ; 37,0 ; 37,5 ; 38,0 ; 38,5 ; 39,0 ; 39,5 ; 40,0 ; 40,5 ; 41,0 ; 42,0 ; 43,0 ; 44,0 ; 45,0 ; 46,0; 47,0 ; 48,0 ; 49,0 ; 50,0)
O conjunto ordenado capaCML contm os 8 possveis valores da altura da capa de concreto moldado no local, definido pela varivel x8.
capaCML=(4,0 ; 5,0 ; 6,0 ; 7,0 ; 8,0 ; 9,0 ; 10,0 ; 11,0)
Portanto bastam 3 bits (23 = 8) para a varivel: 3 bits. Na Tabela 5-9 so apresentados os valores da funo custo e das variveis para o comprimento de laje 4m. Nota-se pelos resultados que os valores da funo custo, para as variveis discretas com cruzamento uniforme e variveis discretas com seqncia aleatria, so iguais. Foi avaliado tambm o impacto da representao real e da seqncia aleatria (visto na Seo 5.3.4) na soluo do problema no caso de variveis discretas. Verifica-se que com a representao real os resultados obtidos so piores que aqueles obtidos com variveis discretas.
162
Tabela 5-9. Valores da funo custo e das variveis que a definem: x1, x2, x3 armadura de protenso, x4, x5 distncias dos nveis de armadura e x6- resistncia do concreto moldado no local, x7 distncia do intereixo e x8 altura da capa de concreto moldado no local
VARIVEIS vo 4m Representao binria Variveis discretas: Cruzamento uniforme Variveis discretas: Seqncia aleatria Variveis contnuas: Cruzamento uniforme Representao real Variveis contnuas: Cruzamento aritmtico EASY Valor da funo x1 x2 x3 x4 x5 x6 x7 x8 (R$/m2) (cm2) (cm2) (cm2) (cm) (cm) (kN/cm2) (cm) (cm) 36,90 36,90 35,46 0,393 0,196 0,196 0,393 0,196 0,196 0,41 0,11 0,07 3,1 3,3 4,1 3,6 2,5 2,5 2,48 39,5 39,5 5,0 5,0
3,38 3,61
40,56 5,18
40,45 34,78
0,49 0,40
0,39 0,10
0,24 0,02
2,41 2,50
Nota-se na tabela que novamente os valores de x2 e x3 correspondem a valores mnimos obtidos pelo EASY e pelo AG para variveis contnuas. Comparando esses com os valores discretos v-se que realmente os valores discretos representam de maneira mais coerente a soluo do problema. A ttulo de uma investigao paralela, conforme adiantado no Captulo 4, o variante Torneio2 com cruzamento uniforme (representao real) ser usado para o problema em questo, numa tentativa de validar (ou no) os resultados obtidos no Captulo 4, com relao a esse variante versus tamanho da populao. A Figura 5-15 apresenta os valores da funo custo usando o Torneio2 com cruzamento uniforme para o comprimento de laje 4m considerando os diferentes tamanhos de populao. Como pode ser observado, o resultado evidenciado no Captulo 4, ie, o variante Torneio2 com cruzamento uniforme e populao de 20 indivduos ter tido o melhor desempenho, no se verifica para esse problema. Pode-se pensar, ento, que aquele resultado foi atpico e talvez determinado pelas caractersticas da prpria funo sendo minimizada.
163
Custo x Gerao
50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 0 100 200 300 400 500 gerao 600 700 800 900 1000
Figura 5-15. Valores mdios da funo custo para tamanhos de populao diferentes para o variante Torneio2 (L=4m)
5.5.5
Nesta seo avaliada a influncia de alteraes no valor da funo custo total e de suas variveis, para as seguintes variaes: da distncia da fbrica ao local da obra, do valor do custo do concreto e do valor do custo do ao. Os comentrios que seguem so relativos ao ponto timo obtido para o caso de otimizao do elemento e da aplicao para variveis contnuas (ver 3 linha da Tabela 5-9). A Tabela 5-10 mostra os valores dos custos de materiais, mo-de-obra, equipamentos, transporte, administrativos e tributrios que foram obtidos no problema em questo.
Tabela 5-10. Valores de custo em porcentagem relativo a cada etapa
Custos totais divididos por etapa Custos de materiais Custos de mo-de-obra Custos de equipamento Custos de transporte Custos administrativos Custos tributrios 49,61 20,15 3,44 4,10 11,27 11,43 %
164
A fim de avaliar o desempenho da funo custo diante das alteraes optou-se por aumentar cinco vezes a distncia entre a fbrica e a obra. Portanto, com o aumento desta distncia de 100km para 500km foi constatado que o custo aumenta em 15%. Os valores das variveis se mantm constante, com exceo do inter-eixo e da altura da capa que aumentam em mdia 5%. Vale notar que o aumento da distncia no interfere na resistncia do concreto moldado no local. Avaliando um aumento de preo do concreto de 30% o custo final aumenta de 10% e o valor das variveis mantm-se inalterado com exceo das variveis relativas ao inter-eixo e altura da capa que diminuem em mdia 5,5%. Verifica-se que aumentando o preo do ao de 30%, o custo final aumenta 3%. Nesse caso, os valores das variveis se mantm constante com exceo do inter-eixo e da altura da capa que diminuem em mdia 4%.
5.6 AVALIAO GERAL DOS RESULTADOS OBTIDOS NOS EXPERIMENTOS DESCRITOS NO CAPTULO
Nesta seo so resumidos os resultados obtidos nos experimentos descritos neste captulo, com o objetivo de agrupar aqueles que foram conclusivos e estabelecer algumas concluses. 5.6.1 Otimizao do elemento para uma determinada aplicao
Problema: minimizao da funo custo total de uma vigota protendida com ou sem a utilizao de escoras intermedirias. As variveis envolvidas na definio da funo custo so os trs nveis de armaduras de protenso (Ap1, Ap2, Ap3) e as alturas do segundo e do terceiro nvel da armadura no elemento (d2, d3). Devido ao desempenho dos variantes usados para os problemas tratados no Captulo 4, para o problema em questo foram usados o MGA1 e o Roleta1A. Na busca da soluo do problema de cada variante foi avaliado o impacto de diferentes operadores de cruzamento: 1X, 2X, 3X, 4X, 5X, uniforme e varivel-a-varivel. Os melhores resultados obtidos pelos dois variantes so apresentados na Tabela 5-11 e na Tabela 5-12.
165
Tabela 5-11. Quadro resumo dos valores da funo custo para diferentes vos
FUNO CUSTO (R$/m2) Vo L=3m L=4m MGA1 37,68 42,32 Roleta1A 39,87 43,36 EASY 34,44 34,40
Ainda para esse problema foram investigadas trs alteraes dinmicas dos operadores de cruzamento: uma proposta por HASANCEBI & ERBATUR (1998) (seqnciaHE) e as outras duas propostas neste trabalho (seqncia1 e seqncia aleatria) .
Tabela 5-12. Quadro resumo dos valores da funo custo para as diferentes seqncias
FUNO CUSTO - L=4m (R$/m2) Operador dinmico seqnciaHE seqncia1 seqncia aleatria MGA1 44,02 44,01 42,32 Roleta1A 43,99 44,49 43,62
Pode-se dizer, com base nos experimentos, que: O melhor variante foi o MGA1 se comparado com o Roleta1A. Os resultados obtidos pelo MGA1 ficaram bem prximos independentemente do operador cruzamento usado. O operador de cruzamento varivel-a-varivel obteve os piores resultados quando associado a este variante. O cuidado que sempre deve ser tomado no uso desse variante evitar que indivduos com aptido alta (superindivduos), mas no tima, dominem a populao. Por isso, optouse manter a diversidade da populao, usando uma taxa maior de mutao (de 0,01 para 0,1); com o Roleta1A que o operador varivel-a-varivel obteve os melhores resultados; A seqncia de operadores proposta por HASANCEBI & ERBATUR (1998) (seqnciaHE) no melhora o desempenho do MGA1 ou do Roleta1A. O uso das estratgias dinmicas de operador de cruzamento, seqnciaHE e seqncia1 no colaboraram para uma melhor soluo. A seqncia aleatria,
166
proposta neste trabalho, apresentou os melhores resultados, para qualquer dos variantes; Com relao utilizao do mtodo convencional pode-se dizer que a definio das restries dos problemas foi uma das dificuldades quando do seu uso. Cada uma delas deve estar em funo das variveis, o que tornou o trabalho extremamente rduo, pois cada uma das restries expressa por uma funo de tamanho razovel; Uma outra dificuldade apresentada que inerente ao prprio mtodo convencional est relacionada definio do ponto inicial, a partir do qual o mtodo inicializado. Caso esse ponto inicial no apresente boas informaes do timo, o processo pode no convergir podendo estacionar em um mnimo local. No caso da convergncia, o processo pode apresentar um alto custo computacional. Uma alternativa bem interessante e plausvel em problemas semelhantes seria obter o ponto inicial a partir de uma heurstica, por exemplo, o AG. 5.6.2 Otimizao da aplicao para uma determinada vigota
Problema: minimizao da funo custo total da aplicao de uma laje com vigota protendida com ou sem a utilizao de escoras intermedirias. As variveis envolvidas na definio da funo custo so: a altura do capeamento (hcapa), a resistncia do concreto moldado no local (fck) e a distncia do intereixo (dinteixo). Os dois AGs variantes utilizados foram o MGA1 e Roleta1A. Na busca da soluo do problema foram avaliados o impacto de diferentes operadores de cruzamento: 1X, 2X, 3X, 4X, 5X, uniforme e varivel-a-varivel e o impacto de diferentes tamanho de representao binria: 32, 56 e 75 bits. Os melhores resultados obtidos pelos dois variantes so apresentados na comprimento de vos estudados. Tabela 5-13, para os dois
167
Tabela 5-13. Quadro resumo dos valores mdios da funo custo para dois vos
FUNO CUSTO (R$/m2) Vo L=3m L=4m MGA1 Roleta1A EASY
28,01 41,90
28,02 42,41
28,02 41,78
Os dois variantes e o EASY convergiram praticamente para o mesmo valor. Pode-se dizer, com base nos experimentos conduzidos e resultados obtidos, que o desempenho do MGA1 e Roleta1A esto bem prximos. No se tm informaes suficientes para definir qual seria o operador de cruzamento recomendvel. Com relao ao impacto de duas outras representaes binrias, pode-se concluir que no caso do variante MGA1, o operador de cruzamento varivel-avarivel obteve os melhores resultados quando associado a um maior tamanho de cromossomo. 5.6.3 Otimizao do elemento e da aplicao
Problema: minimizao da funo custo total de uma laje com vigota protendida com ou sem a utilizao de escoras intermedirias. As variveis envolvidas na definio da funo custo so: as armaduras de protenso (Ap1, Ap2, Ap3), a altura de cada armadura no elemento (d2, d3), a resistncia do concreto moldado no local (fck), a distncia do intereixo (dinteixo) e a altura do capeamento (hcapa). Foi avaliado apenas o variante MGA1. Na busca da soluo do problema foram avaliados o impacto de diferentes operadores de cruzamento: 1X, 2X, 3X, 4X, 5X, uniforme e varivel-a-varivel; o impacto das representaes binria e real; o impacto de variveis discretas e avaliao da seqncia aleatria. Foram tambm realizados experimentos para analisar e o impacto da representao real na combinao Torneio2/cruzamento uniforme para diferentes tamanhos de populao. Os melhores resultados e a porcentagem com relao ao EASY so apresentados na Tabela 5-14.
168
Pode-se dizer, com base nos experimentos, que: Nenhum variante obtm um resultado melhor que o EASY; A tendncia observada com Torneio2 com tamanho de populao 20 no se verifica para esse problema.
Este trabalho de pesquisa investigou o uso de Algoritmos Genticos na busca da soluo de menor custo relativa a problemas de engenharia estrutural envolvendo elementos de concreto protendido. Para subsidiar uma anlise comparativa, o trabalho investiu tambm na obteno da soluo dos problemas usando o mtodo convencional de otimizao do Lagrangiano Aumentado. O trabalho focalizou cinco problemas diferentes, tendo como base dois elementos ie, o painel alveolar e a vigota protendida. Foram investigados cinco problemas de minimizao de custo: a) de painel alveolar sem capa estrutural; b) de painel alveolar com capa estrutural; c) da vigota protendida para uma determinada aplicao; d) da aplicao para uma dada vigota; e e) da vigota e da aplicao. A partir do primeiro problema discriminado acima, foram realizados experimentos buscando identificar configurao de AG que encontrasse o melhor resultado, no caso, o menor custo. Ao longo do desenvolvimento do trabalho de
170
pesquisa foram propostos vinte e dois variantes do AG tpico; estes variantes foram classificados em trs diferentes famlias, usando como critrio de classificao, a estratgia de seleo que o variante implementa. O alto nmero de variantes foi conseqncia das vrias combinaes entre estratgia de seleo, esquema de reproduo e mecanismo de restaurao da populao ao tamanho original. Quando da minimizao da funo custo relativa a painel alveolar sem capa estrutural usando AGs (Seo 4.4), a pesquisa focalizou principalmente o impacto da representao real usando os vinte e dois variantes propostos, buscando evidenciar aquele(s) com melhor desempenho buscando, com isso, identificar a melhor combinao de caractersticas genticas para a soluo do problema em questo. Os resultados obtidos com o conjunto de experimentos realizados apontaram para trs variantes especficos: o MGA1, o Roleta3 e o Torneio2. Tais variantes foram, em seguida, usados na busca da soluo do problema de minimizao do custo de painel alveolar com capa, descrito na Seo 4.5. Nesta seo foram investigados os impactos de diferentes tamanhos de populao, diferentes tipos de cruzamento e diferentes valores de . Para a investigao do problema de minimizao do custo vigotas protendidas, tratado na Seo 5.3, foram escolhidos dois variantes: o MGA1, devido ao bom desempenho obtido nos experimentos anteriores e o Roleta1A, por ter tido o pior desempenho dentre todos. A escolha do Roleta1A foi motivada pela possibilidade de, com algumas das caractersticas usadas nos experimentos, ter o seu desempenho melhorado. Foram analisados 7 diferentes tipos de cruzamento bem como a alterao dinmica do operador de cruzamento, via implementao de um mecanismo proposto na literatura e dois outros propostos nesta tese. O foco dos experimentos realizados na Seo 5.4, quando da minimizao da funo custo da aplicao de vigotas protendidas, foi investigar o impacto do nmero de bits usados para representar cada uma das variveis, na soluo final. A Seo 5.5 trata do problema de minimizao de lajes com vigotas protendidas usando apenas o variante MGA1 e investiga o uso da representao via variveis discretas. Os resultados obtidos nos experimentos para a soluo dos cinco problemas tratados mostraram a flexibilidade e robustez dos AGs. Geralmente as solues encontradas pelo AG foram melhores do que as obtidas pelo mtodo convencional.
171
Vale comentar que uma das dificuldades no uso desses mtodos est na definio tanto do ponto inicial quanto da representao das restries como funo. Particularmente, o uso do EASY deve ser bastante controlado dado que a definio tanto da funo objetivo quanto de todas as que representam as restries do problema, devem ser inseridas pelo usurio do programa, no cdigo fonte. Deve-se salientar que todas as solues obtidas nos experimentos descritos nesta tese correspondem a pontos factveis. Deve-se ter sempre em mente, contudo, que a otimizao da funo custo bastante trabalhosa. Como comentado no Captulo 4, embora alguns custos tenham sido fornecidos pela empresa, h uma grande dificuldade no levantamento e na definio de alguns valores adotados neste trabalho. Caso esses valores estejam mais prximos da realidade, os resultados finais no apresentaro mudanas que alterem as concluses deste trabalho. Em virtude do grande volume de dados e de um nmero significativo de experimentos conduzidos, ao abordar cada um dos problemas nesta tese, optou-se por apresentar as concluses parciais estabelecidas para cada um deles. Portanto, as principais concluses do trabalho, agrupadas por captulo, so descritas a seguir: Na famlia MGA o melhor variante foi o MGA1, que implementa a seleo MGA, baseada na seleo rank e proposta nesta tese. Este variante usa o esquema de substituio e a restaurao da populao feita via escolha de indivduos aleatrios da populao corrente. O pior variante foi o MGA2 que tambm usa o esquema de substituio, mas com restaurao da populao usando indivduos que no participaram do cruzamento. Os resultados mostram que a estratgia de reparao usando indivduos que no participaram do cruzamento e a estratgia avaliador no contribuem para uma melhoria de desempenho do AG; Na famlia ROLETA, o melhor variante foi o Roleta3, que implementa o esquema avaliador e restaura a populao usando indivduos aleatrios da populao corrente. O pior foi o Roleta2, que implementa o esquema de substituio e restaura a populao usando indivduos que no participaram do cruzamento. Um conjunto de experimentos evidenciou que o uso de uma
172
populao intermediria no contribui para uma sensvel melhoria de desempenho; Todos os variantes da famlia TORNEIO obtiveram resultados muito prximos entre si. Embora os resultados estejam bem prximos, os piores valores foram aqueles onde o esquema de restaurao adota indivduos que no participaram do cruzamento. Aparentemente, o esquema de reproduo, a estratgia de reparao a Npop e a adoo de uma populao intermediria no influem sensivelmente nos resultados finais desta famlia; Os variantes que obtiveram os melhores desempenhos de cada famlia foram o MGA1, o Roleta3 e o Torneio2. Dentre os quatro tipos de cruzamento utilizados na anlise dos trs variantes, os melhores resultados foram obtidos com o simples e com o uniforme1. O pior desempenho foi obtido com o cruzamento uniforme. Valores de no interferiram nos resultados finais obtidos pelos variantes das trs famlias; Dentre os variantes MGA1 e Roleta1A, o melhor foi o MGA1 independentemente do operador de cruzamento utilizado. O operador de cruzamento varivel-a-varivel obteve os piores resultados quando associado com o variante MGA1 e os melhores quando associado com o variante Roleta1A; A seqncia de operadores proposta por HASANCEBI & ERBATUR (1998) (seqnciaHE), contrrio aos resultados mostrados na referncia, no colabora para uma melhor soluo para o problema de minimizao do custo de vigota protendida. A seqncia aleatria, proposta neste trabalho, apresentou os melhores resultados, independentemente do variante usado; Um aumento do nmero de bits na representao do cromossomo no variante MGA1, quase sempre no interfere nos resultados obtidos; A anlise do problema envolvendo variveis discretas fornece valores usuais para problemas tpicos de engenharia. A utilizao dessa representao permite o tratamento do problema de uma forma mais natural
Com base nos resultados obtidos nos vrios experimentos descritos nesta tese, pode-se dizer que o AG uma tcnica perfeitamente vivel em problemas de
173
Engenharia Estrutural. Sua flexibilidade, robustez e facilidade de implementao so caractersticas positivas quanto da soluo de problemas prticos, dado que os resultados obtidos com o seu uso foram, em alguns casos, melhores que aqueles obtidos via mtodo convencional. Alm disso, este trabalho servir de referncia queles que quiserem usar a tcnica de AGs para problemas semelhantes. Como comentado em alguns trechos da tese, muito embora a tcnica de AGs tenha se mostrado perfeitamente adequada e factvel para problemas de otimizao tratados, no pode esquecido que seu sucesso fortemente dependentemente da definio da funo custo a ser otimizada. Por essa razo, para o tipo de problema tratado aqui essencial que a expresso final da funo que representa o custo de estruturas de concreto pr-moldado seja cuidadosamente elaborado, refinado e avaliado empiricamente. As principais contribuies deste trabalho podem ser enumeradas: Solues de problemas com variveis contnuas utilizando as representaes real e binria e problemas com variveis discretas para representao binria; Propostas de alguns variantes que utilizam a combinao de diferentes estratgias de seleo e diferentes tipos de esquema de reparao; Propostas de alguns tipos de seqncias de operadores de cruzamento; Avaliao do impacto de diferentes tipos de operadores de cruzamento para as representaes real e binria; Implementao de AG na busca da soluo de problemas de interesse prtico em Engenharia Estrutural; Discusso dos mesmos experimentos usando um mtodo convencional de otimizao; Dentre as possveis linhas de pesquisa para a continuidade do trabalho realizado nesta tese esto: Anlises de diferentes funes penalidades; Avaliao da contribuio de hibridizao do AG com outras tcnicas heursticas; Investigao do impacto da introduo de tamanho de populao flexvel;
174
Anlise do impacto nos resultados de duas estratgias para o tratamento de restries rejeio e reparao; Uso de populaes iniciais no randmicas; Anlise de critrios de convergncia e de parada do AG; A otimizao do painel alveolar considerando dois nveis de armadura; Fazer um levantamento de custos mais refinado que efetivamente represente uma situao real como mencionado no Captulo 4; a definio de alguns custos foi sujeita a uma srie de aproximaes.
REFERNCIAS BIBLIOGRFICAS
ARAJO, M. G. (1980). Otimizao estrutural de prticos planos. Dissertao (Mestrado) Pontifcia Universidade Catlica do Rio de Janeiro. ARGOLO, W. P. (2000). Otimizao de sees de concreto armado submetida a flexocompresso reta utilizando algoritmos genticos. Dissertao (Mestrado) Universidade Federal do Rio de Janeiro, COPPE. ASSOCIAO BRASILEIRA DE NORMAS TCNICAS - ABNT (1986). NBR 7197 Projeto de estruturas de concreto protendido. Rio de Janeiro. ASSOCIAO BRASILEIRA DE NORMAS TCNICAS - ABNT (2001). Texto conclusivo do projeto de reviso da NBR 6118 - Projeto de estruturas de concreto. Rio de Janeiro. BEASLEY, D.; RALPH, R. M. ; DAVID, R. B. (1993a). An overview of genetic algorithms: Part 2, Research Topics. University Computing, v.15, n.4, p.170-181. BEASLEY, D.; RALPH, R. M. ; DAVID, R. B. (1993b). An overview of genetic algorithms: part 1, Fundamentals. University Computing, v.15, n.2, p.58-69. BRAMLETTE, M. F. (1991). Initialization, mutation and selection methods in genetic algorithms for function optimization. In: INTERNATIONAL CONFERENCE ON GENETIC ALGORITHMS, METHODS IN ENGINEERING, 4th, Morgan Kaufmann. Proceedings. BENNETT, A. P. (1997). Finite population effects for ranking and tournament selection. Complex Systems, v.11, p.1-24. CASTILHO, V. C. ; EL DEBS, M. K (2000). Aplicao de algoritmos genticos na otimizao estrutural dos elementos de concreto pr-moldado. In: JORNADAS SUDAMERICANAS DE INGENIERIA ESTRUCTURAL, 29., Punta Del Leste. Memorias [CD-ROM]. Montevideo, Universidad de la Repblica/ASAIE, 2000. CASTILHO, V. C.; EL DEBS, M. K. ; NICOLETTI, M. C. (2001). Application of genetic algorithm for optimization slabs of prestressed concrete joists. In: IBERIAN LATIN-
176
AMERICAN CONGRESS ON COMPUTATIONAL METHODS IN ENGINEERING, 22th , Campinas. Anais [CD-ROM]. Campinas. CASTILHO, V. C.; EL DEBS, M. K. ; NICOLETTI, M. C. (2002a). Investigao do impacto da estratgia de seleo na soluo de problemas de otimizao do custo de painis alveolares usando algoritmos genticos. In: CONGRESSO BRASILEIRO DE COMPUTAO - CBComp, 2., Itaja. Anais [CD-ROM]. Itaja. CASTILHO, V. C.; NICOLETTI, M. C. ; EL DEBS, M. K. (2002b). Using genetic algorithms for minimizing the production costs of hollow core slabs. In: SECOND INTERNATIONAL CONFERENCE ON HYBRID INTELLIGENT SYSTEMS, 2nd, Universidad de Chile. Anais [CD-ROM]. Chile. CERANIC, B. ; FRYER, C. (1998). A genetic algorithm approach to the minimum cost design of reinforced concrete flanged beams under multiple loading conditions. In: AUSTRALIAN CONFERENCE ON STRUCTURAL OPTIMIZATION, Sydney, Austrlia. Proceedings. p.11-13. CHAKRABARTY, B. K. (1992). Models for optimal design of reinforced concrete beams. Computers & Structures, v.42, n.3, p.447-451. CHEN, T.-Y. ; CHEN, C.-J. (1997). Improvements of simple genetic algorithm in structural design. International Journal for Numerical Methods in Engineering, v.40, p.1323-1334, April. CHENG, F. Y. ; LI, D. (1998). Genetic algorithm for multiobjective optimization of structures. AIAA Journal, v.36, n.6, p.1105-1112, June. COELLO, C. C.; HERNNDEZ, F. S. ; FARRERA, F. A. (1997). Optimal design of reinforced concrete beams using genetic algorithm. Expert Systems with Applications, v.12, n.1, p.101-108. COHN, M. Z.; FELOW, ASCE ; LOUNIS, Z. (1994). Optimal design of structural concrete bridge systems. Journal of Structural Engineeing, ASCE, v.120, n.9, p.2653-2674, Sept. COLEY, D. A. (1999). An introduction to genetic algorithms for scientists and engineers. Singapore, World Scientific.
177
DIAZ, A. et al. (1996). Optimizacion heuristica y redes neuronales. Madrid, Editorial Paranifo. EL DEBS, M. K. (2000). Concreto pr-moldado: fundamentos e aplicaes. So Carlos. Projeto Reenge EESC-USP. GEN, M. ; CHENG, R. (1997). Genetic algorithms and engineering design. New York, John Wiley. GOLDBERG, D. E. (1989). Genetic algorithms in search, optimization and machine learning. Reading, U.S.A., Addison-Wesley Publishing. HANAI, J. B. (1999). Fundamentos do concreto protendido. So Carlos, EESC-USP. (Notas de aulas da disciplina SET 5809 - Complementos de Concreto Protendido). HASANCEBI, O. ; ERBATUR, F. (1998). Evaluation of crossover techniques based optimum structural design. In: TOPPING, B.H.V. (ed.) Advances in Engineering Computational Technology. Edinburgh, Civil-Comp Press, p.111-113. HASSANAIN, M. A. ; LOOV, R. E. (1999). Design of prestressed girder bridges using high performance concrete an optimization approach. PCI Journal, v.123, n.3, p.40-55, March-April. HOLLAND, J. H. (1975). Adaptation in natural and artificial systems. University of Michigan Press. JENKIS, W. M. (1991). Steady-state towards structural optimization via the genetic algorithm. Computers & Structures, v.40, n.5, p.1321-1327. JENKIS, W. M. (1992). Plane frame optimum design environment based on genetic algorithm. Journal of Strctural Engineering, ASCE, v.118, n.11, p.3103-3112, Nov. JENKIS, W. M. (1997). On the application of natural algorithms to structural design optimization. Engineering Structures, v.19, n.4, p.302-308, April. KALLASSY, A. ; MARCELIN, J.-L. (1997). Optimization of stiffened plates by genetic search. Structural Optimization, v.13, p.134-141. KONCZ, T. (1975). Manual de la construccion prefabricada. Madrid, Hermann Blume. Ann Arbor,
178
KOSKISTO, O. J. ; ELLINGWOOD, B. R. (1997). Reliability-based optimization of plant precast concrete structures. Journal of Structural Engineeing, ASCE, v.123, n.3, p.298304, March. KOUMOUSIS, V. K. ; ARSENIS, S. J. (1998). Genetic algorithm in optimal detailed design of reinforced concrete members. Computer-Aided Civil and Infrastructure Engineering, v.13, p.43-52. KRAKOVSKI (1997). Optimization of reinforced structures using design of experiments. Computer & Structures. v.63, n.1, p.119-132, April. KRIPKA, M. (1998). Determinao do posicionamento timo em edificaes analisadas pelo modelo de grelha. Tese (Doutorado) Escola de Engenharia de So Carlos, Universidade de So Paulo. KWAN, A. S. (1998). An evolutionary approach for layout-optimization of truss structures. International Journal of Space Structures, v.13, n.3, p.145-155. LACERDA, E. G. M. ; CARVALHO, A. C. P. L. F. (1999). Introduo aos algoritmos genticos. In: GALVO, C. O. ; VALENA, M. J. S. (org.) (1999). Sistemas inteligentes: aplicaes a recursos hdricos e cincias ambientais. Porto Alegre: Ed. Universidade/UFRG/ABRH. p. 99-150. LEITE, J. P. B. ; TOPPING, B. H. V. (1998). Improved genetic operators for structural engineering optimization. Advances in Engineering Software, v.29, n.7-9, p.529-562, Aug-Nov. LEMONGE, A. C. C. ; BARBOSA, H. J. C. (1998). A genetic algorithm for optimal bridge pillar location. In: WOLRD CONGRESS ON COMPUTATIONAL MECHANICS, 4th, Buenos Aires, Argentina. p.1-17. LEMONGE, A. C. C. (1999). Aplicao de algoritmos genticos em otimizao estrutural. Tese (Doutorado) Universidade Federal do Rio de Janeiro, COPPE. LI, H. ; LOVE, P. (1997). Using improved genetic algorithms to facilitate time-cost optimization. Journal of Construction Engineering and Management, v.123, n.3, p.233237, Sept.
179
LIN, C. Y. ; HAJELA, P. (1992). Genetic algorithms in optimization problems with discrete and integer design variables. Engineering Optimization, v.19, p.309-327. LOUNIS, Z. ; COHN, M. Z. (1993). Optimization of precast prestressed concrete bridge girder systems. PCI Journal, v.123, n.3, p.60-77, July-August. MARTNEZ, J.M. (1997). Augmented Lagrangians and the resolution of packing problems. Campinas, Institute of Mathematics, University of Campinas. (Technical report 08/97) MARTNEZ, J.M. (1998). A two-phase model algorithm with global convergence for nonlinear programming. Journal of Optimization Theory and Applications, v.96, p.397436. MEDRANO, M. S. (1994). Aplicaes de programao matemtica em anlise estrutural. Dissertao (Mestrado) Escola Politcnica, Universidade de So Paulo. MERLIN, A. J. (2002). Momentos fletores negativos nos apoios de lajes formadas por vigotas de concreto protendido. Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo. MICHALEWICZ, Z. (1996). Genetic algorithms + data structures = evolution programs. Berlin, Springer-Verlag. MITCHELL, M. (1997). Machine learning, New York, McGraw-Hill. NAGENDRA, S. et al. (1996). Improved genetic algorithm for the design of stiffened composite panels. Computers & Structures, v.58, n.3, p.543-555. OHSAKI, M. (1995). Genetic algorithm for topology optimization of trusses. Computers & Structures, v.57, n.2, p.219-225. Oct. PRAKASH, A.; AGARWALA, S. K. ; SINGER, K. K. (1988). Optimum design of
reinforced concrete sections. Computers & Structures, v.30, n.4, p.1009-1011. PRESTRESSED/PRECAST CONCRETE INSTITUTE - PCI (1992). PCI design handbook: precast and prestressed concrete. 4 ed. Chicago. PRUDENTE, M. (1999). Otimizao de estruturas de ao treliadas planas com variveis discretas. Tese (Doutorado) Escola de Engenharia de So Carlos, Universidade de So Paulo.
180
RAFIQ, M. Y. ; SOUTHCOMBE, C. (1998). Genetic algorithm in optimal design and detailing of reinforced concrete biaxial columns supported by a declarative approach for capacity checking. Computers & Structures, v.69, p.443-457. RAJEV, S. ; KRISHNAMOORTHY, C. S. (1992). Discrete optimization of structures using genetic algorithm. Journal of Structural Engineeing, ASCE, v.118, n.5, p.1233-1250. RAJEV, S. ; KRISHNAMOORTHY, C. S. (1998). Genetic algorithm-based methodology for design optimization of reinforced concrete frames. Computer-Aided Civil and Infrastructure Engineering, v.13, p.63-74. REEVES, C. R. (1995). Modern heuristic techniques for combinatorial problems. London, McGraw-Hill. RIGO, E. (1999). Mtodos de otimizao aplicados analise de estruturas. Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo. RODRIGUES, R. O. (1992). Automatizao do projeto estrutural de pilares de concreto armado. Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo. SANBIO, L. M. M. (1984). Anlise limite de prticos via otimizao. Dissertao (Mestrado) Pontifcia Universidade Catlica do Rio de Janeiro. SANTOS, M. D. G. (1989). Aplicao de um algoritmo de subgradiente reduzido a problemas de engenharia estrutural. Dissertao (Mestrado) Universidade Federal de Pernambuco. SARMA, K. C. ; ADELI, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineeing, ASCE, v.124, n.5, p.570-578, May. SOARES, R. C. (1997). Otimizao de sees transversais de concreto armado sujeitas flexo - aplicao a pavimentos. Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade de So Paulo. SRINIVAS, M. ; PATNAIK, L. (1994). Genetic algorithms: a survey. IEEE Computers, v.27, n.6, p.17-26.
181
TEMPLEMAN, A. B. (1988). Discrete optimum structural design. Computers & Structures, v.30, n.3, p.551-515. ZHU, D. M. (1986). An improved Templemans algorithm for optimum design of trusses with discrete member sizes. Engineering Optimization, v.9, p.303-312. WU,S.-J. ; CHOW, P.-T. (1995a). Integrade discrete and configuration optimization of trusses using genetic algorithm. Computers & Structures, v.55, n.4, p.695-702, May. WU,S.-J. ; CHOW, P.-T. (1995b). Steady-state genetic algorithm for discrete optimization of trusses. Computers & Structures, v.56, n.6, p.979-991, Sept..
APNDICE A
O uso de AG em engenharia estrutural: caso da otimizao de uma viga de concreto armado
Apndice A
182
A formulao adotada para resolver o problema est definida a seguir pelas equaes (A.1) e (A.2). As variveis do problema so a altura da viga (x1) e a rea de ao (x2). O objetivo minimizar o custo dos materiais na produo da viga biapoiada. importante lembrar que as restries (g1, g2 e g3) relativas a este problema especfico devem sempre ser negativas. Minimizar F( x ) = 4,5( x 1 + 3) + 2,25(10 5 ) x 2 + (15 + 2x 1 )0,4
i 1 0 admissivel x2 1 0 0,075x 1 Md 1 0 Mu
(A.1)
sujeito a
(A.2)
onde
x 1 altura da viga
Apndice A
183
x 2 rea de armadura i flecha mxima para cada indivduo admissvel flecha admissvel L
300
Md momento atuante de clculo Mu momento ltimo Alm dessas restries, as variveis no podem ultrapassar os seguintes limites:
50 x 1 80 (cm) 3,1 x 2 6,2 (cm 2 )
onde
Ec mdulo de elasticidade do concreto Es mdulo de elasticidade do ao Md momento atuante L vo da viga bw seo transversal da viga Na abordagem deste problema utilizando AG, foram considerados, numa
primeira aproximao, os seguintes parmetros genticos: elitismo (2 melhores indivduos); tamanho da populao =10 indivduos; comprimento do cromossomo =21bits; cruzamento uniforme; critrio de parada: obteno do valor timo da referncia;
Apndice A
184
probabilidade de cruzamento e mutao respectivamente iguais a 0,80 e 0,01. Os valores para elitismo e para as probabilidades de cruzamento e mutao
foram extrados de RAJEEV & KRISHNAMOORTHY (1992). O nmero de bits para representar o cromossomo foi calculado usando a equao (3) (Seo 2.3.1). A escolha do nmero de indivduos na populao foi arbitrria, mas procurou-se mantlo pequeno; como nesse momento a implementao no havia sido inicializada ainda, adotou-se o valor 10, uma vez que tal valor facilitava o uso da tcnica sem o auxlio de recursos computacionais. O coeficiente de violao (C) associado a cada cromossomo foi calculado como sugerido em RAJEEV & KRISHNAMOORTHY (1992) e descrito a seguir. Note que a soma C definida a seguir um valor usado para penalizar aqueles cromossomos para os quais alguma(s) das restries no foi satisfeita. Como os valores de g1, g2 e g3 devem ser negativos, sero penalizados aqueles indivduos para os quais esses valores forem positivos. se g i ( x ) > 0 ento c i = g i ( x ) seno c i = 0 onde
g i ( x ) - i-sima restrio
C=
m j=1
cj
m nmero de restries A funo aptido () que considera todas violaes dada pela equao (A.3) [RAJEEV & KRISHNAMOORTHY (1992)], onde 10 foi um valor arbitrrio escolhido:
( x ) = F( x )(1 + 10C) (A.3)
De acordo com GOLDBERG (1989) com o objetivo de evitar valores negativos, a funo (x) pode ser substituda por uma outra ((x)), que garanta valores apenas positivos, expressa como a prpria funo (x) subtrada de uma constante grande, como mostra a frmula (A.4). Entretanto, para este problema
Apndice A
185
especfico, a redefinio proposta a seguir no seria necessria. Optou-se por adot-la apenas para seguir o procedimento sugerido na referncia.
i = ( mx + mn ) i
(A.4)
A partir da equao acima, pode-se, agora, avaliar todos os indivduos da populao, considerando todas as restries do problema. A Tabela 1 mostra o clculo para a primeira gerao. Os doze primeiros bits correspondem primeira varivel, a altura (x1) e os nove bits restantes segunda varivel, a armadura (x2). A Figura 2 mostra as duas substrings que respectivamente correspondem aos dois valores de variveis e cada bit assume valores 1 ou 0. Cada cromossomo apresentado na figura representa uma possvel soluo do problema. Foram gerados aleatoriamente os 10 indivduos com o intuito de completar toda a populao.
Comprimento total do cromossomo = 21 bits
A funo objetivo, F(x), calculada pela equao (A.1). A somatria dos valores de F 12425,14 e a sua mdia ( F ) 1242,51. A ltima coluna mostra que um indivduo descartado; isso acontece devido ao fato que o valor de
F/F
associado a esses indivduo menor que 0,5. Estes indivduos so substitudos por cromossomos aleatrios. No prximo passo foram escolhidos dois indivduos que iro permanecer na populao (elitismo=2) e quatro pares para o cruzamento, onde cada par foi escolhido aleatoriamente. Os indivduos participantes da prxima gerao so os dois indivduos selecionados pelo elitismo e os oito filhos dos quatro pares participantes do cruzamento. Com a prxima gerao escolhida, fez-se a mutao em dois bits escolhidos aleatoriamente na populao.
Apndice A
186
O processo foi repetido at a sua convergncia. Neste caso, como era sabido o valor do timo global [SOARES (1997)], o processo terminou quando se atingiu esse valor, na nona gerao. A tabela 2 ilustra as caractersticas da ltima gerao.
Tabela 1. Clculo das caractersticas genticas para a primeira gerao
Indivduo 1 2 3 4 5 6 7 8 9 10 Populao x1 x2 F(x) C (restrio) 0 0 0,29 0,365 0,05 0,019 0,281 0,04 0 0,09 (x) 387,935 425,056 1175,117 1623,000 650,280 398,711 1328,623 573,063 418,378 704,031 F 1623,000 1585,878 835,816 387,936 1360,653 1612,221 682,307 1437,871 1592,56 1306,904 12425,140
F F
1,30 1,28 0,67 0,31 1,09 1,30 0,55 1,16 1,28 1,05
sobreviventes 1 1 1 0 1 1 1 1 1 1
101001101000011011001 69,516 4,204 387,935 111000100100110111001 76,520 5,344 425,056 000110110001010011010 53,172 3,884 301,312 011001111110110110000 62,176 5,298 349,033 111011111110000100001 78,177 3,268 433,520 010100010110111001101 59,538 5,446 335,052 011001110110000011100 62,117 3,242 348,720 110010001111001010011 73,553 3,522 409,331 110101111000110110111 75,260 5,334 418,378 100010101000001110111 66,234 3,705 370,543
F F
1,04 0,84 1,10 1,05 1,07 0,51 1,06 1,08 1,14 1,12
sobreviventes 1 1 1 1 1 1 1 1 1 1
Os timos globais conhecidos, extrados de SOARES (1997) e os obtidos por AG, esto listados na Tabela 3. Observa-se que o valor obtido por ambos os mtodos, referente altura da viga, foram os mesmos.
Tabela 3. Valores timos obtidos via os dois mtodos
altura da viga rea de armadura (cm) SOARES (1997) (mtodo do gradiente) AG 67,25 4,33 375,94 67,25 (cm ) 4,13
2
APNDICE B
Pseudocdigos das implementaes
Apndice B
187
Apndice B
188
inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 {selecionas r pais baseado na fitness} seleciona_Pais(p(t1),r,Pais) crossover(Pais,Filhos) {escolhe aleatoriamente pop_size-r cromossomos da atual populao} escolha_aleatoria(p(t1),pop_size-r,R) {constri uma populao intermediria de pop_size elementos com Filhos e R} Aux mutation(Filhos R) {seleciona de pop-size elementos baseado na fitness} classifica_descrescente_fitness(p(t1) Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
seleciona(Sorted,N,P) end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A} procedimento escolha_aleatoria(A,B,C) {C o conjunto de B indivduos escolhidos aleatoriamente de A}
Apndice B
189
f_2r) seleciona(New_set_of_2r,r,Melhor_r,Pior_r) Aux p(t1) Piores_Candidatos Pop Aux Best_r p(t) mutation(Pop) avaliar(p(t)) end end
{inverte a ordem de L}
Apndice B
190
if A >= q[k] then k:= k+1 Pais else found:= false for j:=1 to pop_size indice:= k if (rj < pc) then Pais Pais cromj end crossover(Pais,Filhos) {aleatoriamente restaura a populao a pop_size elementos usando individuos da populao corrente. Note que h uma chance de selecionar alguns dos Pais} escolha_aleatoria(Pop_aux,pop_size pcpop_size,Resto) p(t) mutation(Filhos Resto) avaliar(p(t)) end end
procedimento escolha_aleatoria(A,B,C) {C o conjunto de B indivduos escolhidos aleatoriamente de A} procedimento calcula_qi(p(t),fpop_size,qpop_size) {o elemento q[i] contm a probabilidade acumulada do cromossomo i} begin fsum
pop _ size fi i =1
fi f sum
for i:=1 to pop_size do qi end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end
p
j =1
Apndice B
191
avaliar(p(t)) while (not termination-condition) do begin tt+1 {seleciona usando a estratgia de seleo roleta, pop_size elementos da populao corrente} calcula_qi(p(t),fpop_size,qpop_size) gera_aleatoria(rpop_size) for j:=1 to pop_size do begin buscar(qpop_size,rj,i) seleciona (p(t-1), cromi) Pop_aux cromi end gera_aleatoria(rpop_size) Pais {aleatoriamente seleciona pc pop_size Pais} for j:=1 to pop_size if (rj < pc) then Pais Pais cromj crossover(Pais,Filhos) Resto Pop_AuxPais p(t) mutation(Filhos Resto) avaliar(p(t)) end end
fsum
pop _ size fi i =1
fi f sum
p
j =1
end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end
fi f sum
for i:=1 to pop_size do qi end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end
p
j =1
Apndice B
192
procedimento modified_GA_Roleta3a {pop_size: tamanho da populao pc: probabilidade de crossover fi: valor da fitness do cromossomo i qi : probabilidade acumulada r: nmero entre 0 e 1} begin t0 inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 {seleciona usando a estratgia de seleo roleta pop_size elementos da populao corrente} calcula_qi(p(t),fpop_size,qpop_size) gera_aleatoria(rpop_size) for j:=1 to pop_size do begin buscar(qpop_size,rj,i) seleciona (p(t-1), cromi) Pop_aux cromi end generate_aleatoria(rpop_size) {aleatoriamente seleciona pc pop_size Pais} Pais for j:=1 to pop_size if (rj < pc) then Pais Pais cromj crossover(Pais,Filhos) {aleatoriamente extrai de Pop_aux, pop_size pc pop_size individuos obtendo o conjunto Resto} escolha_aleatoria(Pop_aux,pop_size pcpop_size,Resto) Aux mutation(Filhos Resto) {seleciona pop_size individuos com melhores fitness} classifica_descrescente_fitness(Pop_Aux Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
procedimento escolha_aleatoria(A,B,C) {C o conjunto de B indivduos escolhidos aleatoriamente de A} procedimento calcula_qi(p(t),fpop_size,qpop_size) {o elemento q[i] contm a probabilidade acumulada do cromossomo i} begin fsum
pop _ size fi i =1
fi f sum
for i:=1 to pop_size do qi end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A}
p
j=1
fi f sum
p
j=1
Apndice B
193
buscar(qpop_size,rj,i) seleciona (p(t-1), cromi) Pais cromi end crossover(Pais,Filhos) {aleatoriamente extrai de p(t1), pop_size pc pop_size individuos obtendo o conjunto Resto} escolha_aleatoria(p(t1),pop_size pcpop_size,Resto) Aux mutation(Filhos Resto) {seleciona pop_size individuos com melhores fitness } classifica_descrescente_fitness(p(t1) Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A}
fi f sum
for i:=1 to pop_size do qi end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A}
p
j=1
Apndice B
194
procedimento modified_GA_Roleta4 {pop_size: tamanho da populao pc: probabilidade de crossover fi: valor da fitness do cromossomo i qi : probabilidade acumulada r: nmero entre 0 e 1} begin t0 inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 {seleciona usando a estratgia de seleo roleta, pop_size elementos da populao corrente} calcula_qi(p(t),fpop_size,qpop_size) gera_aleatoria(rpop_size) for j:=1 to pop_size pc do begin buscar(qpop_size,rj,i) seleciona (p(t-1), cromi) Pais cromi end crossover(Pais,Filhos) {Restaura a populao a pop_size elementos usando Filhos e os individuos que no tenham sido selecionados como Pais} Resto p(t1) Pais Aux mutation(Filhos Restoo) classifica_descrescente_fitness(p(t1) Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
procedimento escolha_aleatoria(A,B,C) {C o conjunto de B indivduos escolhidos aleatoriamente de A} procedimento calcula_qi(p(t),fpop_size,qpop_size) {o elemento q[i] contm a probabilidade acumulada do cromossomo i} begin fsum
pop _ size fi i =1
fi f sum
for i:=1 to pop_size do qi end procedimento buscar(qN,A,indice) {busca em qN o ndice k tal que A < q[k]} begin k:=1 found := true while found do if A >= q[k] then k:= k+1 else found:= false indice:= k end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A}
p
j=1
Apndice B
195
procedimento modified_Torneio1a {pop_size: tamanho da populao pc: probabilidade de cruzamento r: pc pop_size} begin t0 inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 { seleciona pc pop-size elementos pela escolha de, pc pop-size vezes, o melhor de dois indivduos selecionados aleatoriamente } Aux for i:=1 to pop_size do begin escolha_aleatoria(p(t1),2,Dois) escolhe_melhor(Dois,Umi) Aux Um Aux End {selecionas pc pop_size Pais} seleciona_Pais(Aux, pc pop_size,Pais) crossover(Pais,Filhos) {aleatoriamente restaura a populao a pop_size elementos} escolha_aleatoria(Aux,pop_size r,Resto) p(t) mutation(Filhos Resto) avaliar(p(t)) end end
procedimento seleciona_Pais(Pop,N,P,U) {Pop: populao N: inteiro tal que N |Pop| P: Os N melhores indivduos de Pop} begin classifica_descrescente_fitness(Pop,Sorted) seleciona(Sorted,N,P) seleciona(inv(Sorted),N,U) end procedimento seleciona(A,B,C,D) {transfere os primeiros elementos de A a C e os elementos restante ao D} procedimento inv(L) {inverte a ordem de L}
procedimento modified_Torneio2 {pop_size: tamanho da populao pc: probabilidade de cruzamento r: pc pop_size} begin t0 inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 {seleciona pc pop-size elementos pela escolha de, pc pop-size vezes, o melhor de dois indivduos selecionados aleatoriamente } Pais for i:=1 to r do begin
procedimento seleciona_Pais(Pop,N,P,U) {Pop: populao N: inteiro tal que N |Pop| P: Os N melhores indivduos de Pop} begin classifica_descrescente_fitness(Pop,Sorted) seleciona(Sorted,N,P) seleciona(inv(Sorted),N,U) end procedimento seleciona(A,B,C,D) {transfere os primeiros elementos de A a C e os elementos restante a D} procedimento inv(L) {inverte a ordem de L}
Apndice B
196
escolha_aleatoria(p(t1),2,Dois) escolhe_melhor(Dois,Um) Pais Um Pais end crossover(Pais,Filhos) {Restaura a populao a pop_size elementos usando os elementos que no tenham sido selecionados como Pais} Resto p(t1) Pais p(t) mutation(Filhos Resto) avaliar(p(t)) end end
procedimento modified_Torneio3 {pop_size: tamanho da populao pc: probabilidade de cruzamento r: pc pop_size} begin t0 initializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin
procedimento seleciona_Pais(Pop,N,P,U) {Pop: populao N: inteiro tal que N |Pop| P: Os N melhores indivduos de Pop} begin classifica_descrescente_fitness(Pop,Sorted) seleciona_aleatoria (Sorted,N,P) seleciona(inv(Sorted),N,U) end procedimento inv(L)
Apndice B
197
{inverte a ordem de L} tt+1 {seleciona pc pop-size elementos pela escolha de, pc pop-size vezes, o melhor de dois indivduos selecionados aleatoriamente} for i:=1 to r do begin escolha_aleatoria(p(t1),2,Dois) escolhe_melhor(Dois,Um) Pais Um Pais end crossover(Pais,Filhos) {aleatoriamente escolhe da populao corrente, pop_size r individuos) escolha_aleatoria(p(t1),pop_size-r,Resto) Aux mutation(Filhos Resto) {seleciona os melhores pop_size elementos} classifica_descrescente_fitness(p(t1) Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
Apndice B
198
procedimento modified_Torneio4 {pop_size: tamanho da populao pc: probabilidade de cruzamento r: pc pop_size} begin t0 inicializar(p(t)) avaliar(p(t)) while (not termination-condition) do begin tt+1 {seleciona pc pop-size elementos pela escolha de, pc pop-size vezes, o melhor de dois indivduos selecionados aleatoriamente } Pais for i:=1 to r do begin escolha_aleatoria(p(t1),2,Dois) escolhe_melhor(Dois,Um) Pais Um Pais end crossover(Pais,Filhos) {restaura a populao a pop-size elementos usando individuos que no tenham sido esolhidos como Pais} Resto p(t1) Pais Aux mutation(Filhos Resto) {seleciona os melhores pop_size elementos} classifica_descrescente_fitness(p(t1) Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
procedimento seleciona_Pais(Pop,N,P,R) {Pop: populao N: inteiro tal que N |Pop| P: Os N melhores indivduos de Pop R: o restante |Pop|N indivduos de Pop} begin classifica_descrescente_fitness(Pop,Sorted) seleciona(Sorted,N,P,R) end procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A}
Apndice B
199
Aux mutation(Filhos Resto) {seleciona os melhores pop_size elementos} classifica_descrescente_fitness(Pop_aux Aux,Sorted) seleciona(Sorted,pop_size,p(t)) avaliar(p(t)) end end
p
j=1
Apndice B
200
i buscar(qpop_size,rj,i) seleciona(p(t 1),cromi) qi pj Pais cromi j=1 end end crossover(Pais,Filhos) {aleatoriamente Restaura a populao a pop_size procedimento buscar(q ,A,indice) N elementos} {busca em qN o ndice k tal que A < q[k]} escolha_aleatoria(p(t 1),pop_sizepc begin pop_size,Resto) k:=1 p(t) mutation(Filhoss Resto) found := true avaliar(p(t)) while found do end if A >= q[k] then k:= k+1 end else found:= false indice:= k end
procedimento seleciona(A,B,C) {C o conjunto de B primeiros indivduos de A} procedimento escolha_aleatoria(A,B,C) {C o conjunto de B indivduos escolhidos aleatoriamente de A}
As inmeras variaes do AG tpico descritas neste apndice contemplam algumas das seguintes caractersticas: 1. seleo de uma populao intermediria, com pop_size elementos; 2. seleo direta, a partir da populao corrente, de pop_size pc pais que participaro do cruzamento; 3. processo final de Restaurao da populao ao seu tamanho original de pop_size elementos usando uma escolha randmica; 4. processo final de Restaurao da populao ao seu tamanho original de pop_size elementos usando indivduos que no participaram do cruzamento; 5. criao de uma populao intermediria que contm os filhos. Esta populao expandida a pop_size elementos aleatoriamente escolhendo elementos da populao corrente.
Apndice B
201
5.1. A populao intermediria como criada em 5. expandida a 2 pop_size, por meio da adio de todos os elementos da populao corrente (ou intermediria); 5.2 A populao de 5.1 classificada por ordem de fitness e os melhores pop_size indivduos so escolhidos; 6. criao de uma populao intermediria que contm os filhos. Esta populao expandida a pop_size elementos por meio da adio dos indivduos que no fizeram parte do cruzamento. 6.1. A populao intermediria como criada em 6. expandida a 2 pop_size, por meio da adio de todos os elementos da populao corrente (ou intermediria); 6.2 A populao de 6.1 classificada por ordem de fitness e os melhores pop_size indivduos so escolhidos; 7. uso de estratgia steady-state com nmero de pais=2, escolhidos aleatoriamente; 8. uso de estratgia steady-state com nmero de pais=2 escolhidos com base na fitness. So apresentados nas Tabelas a seguir, as principais caractersticas para cada variante.
Apndice B
Critrio de seleo dos pais
Baseado na fitness: MGA1 seleo direta de pc pop_size elementos da populao corrente Baseado na fitness: MGA2 seleo direta de pc pop_size elementos da populao corrente uma populao intermediria de pop_size elementos formada com Baseado na fitness: MGA3 seleo direta de pc pop_size elementos da populao corrente todos os filhos e indivduos da populao corrente escolhidos aleatoriamente. a populao intermediria () expandida a 2pop_size, por meio da incorporao dos indivduos da populao corrente Os pop_size indivduos de () com melhor fitness formam a nova populao
Variante
Observaes
Apndice B
uma populao intermediria de pop_size elementos formada com todos os filhos e indivduos da Baseado na fitness: MGA4 seleo direta dos pc pop_size elementos da populao corrente populao corrente que no participaram do cruzamento. a populao intermediria expandida a 2pop_size, por meio da incorporao dos indivduos da populao corrente Os pop_size indivduos com melhor fitness formam a nova populao
203
So comparados os dois piores indivduos da populao e os dois filhos: os 2 melhores indivduos dentre esses 4 fazem parte da nova populao. So comparados os dois piores indivduos da populao e os dois filhos: os 2 melhores indivduos dentre esses 4 fazem parte da nova populao.
Apndice B
Seleo randmica de Modified_Roleta_1a pc pop_size pais a partir da populao intermediria Seleo de Modified_Roleta_1 pc pop_size pais da populao corrente usando a roleta Seleo randmica de Modified_Roleta_2a pc pop_size pais a partir da populao intermediria Populao intermediria de pop_size elementos criados a partir da populao corrente, usando roleta Escolha aleatria de pop_size(pc pop_size) indivduos a partir da populao intermediria Escolha aleatria de pop_size(pc pop_size) indivduos a partir da populao corrente Escolha de Populao intermediria de pop_size elementos criados a partir da populao corrente, usando roleta pop_sizepcpop_size indivduos da populao intermediria que no participaram do cruzamento Escolha de Seleo de Modified_Roleta_2 pc pop_size pais a partir da populao corrente usando a roleta pop_size(pcpop_size) indivduos da populao corrente que no participaram do cruzamento
204
Todos os filhos gerados fazem parte da nova gerao Todos os filhos gerados fazem parte da nova gerao
Apndice B
uma populao intermediria de pop_size indivduos criados a partir da populao corrente Seleo randmica de pc Modified_roleta_3a pop_size pais a partir da populao intermediria () usando a roleta uma populao intermediria composta de filhos e daqueles indivduos da populao intermediria () escolhidos aleatoriamente uma populao intermediria formada pelas populaes () e () uma populao intermediria de pop_size Seleo de pc pop_size Modified_roleta_3 pais a partir da populao corrente usando a roleta elementos formada com todos os filhos e indivduos da populao corrente escolhidos aleatoriamente. a populao intermediria () expandida a 2pop_size, por meio da incorporao de todos os indivduos da populao corrente Os pop_size indivduos de () com melhor fitness formam a nova populao Os pop_size melhores indivduos da populao () formam a nova populao
205
Apndice B
uma populao intermediria de pop_size indivduos criados a partir da populao corrente Seleo randmica de pc Modified_roleta_4a pop_size pais a partir da populao intermediria () usando a roleta uma populao intermediria composta de filhos e daqueles indivduos da populao intermediria () que no participaram do cruzamento uma populao intermediria formada pelas populaes () e () uma populao intermediria de pop_size Seleo de Modified_roleta_4 pc pop_size pais a partir da populao corrente usando a roleta elementos formada com todos os filhos e indivduos da populao corrente que no participaram do cruzamento a populao intermediria () expandida a 2pop_size, por meio da incorporao de todos os indivduos da populao corrente Os pop_size indivduos de () com melhor fitness formam a nova populao Os pop_size melhores indivduos da populao () formam a nova populao
206
Apndice B
Seleo de pc pop_size pais da Modified_Torneio_1 populao corrente usando o torneio Populao intermediria de pop_size elementos Seleo randmica dos Modified_Torneio_1a pc pop_size pais da populao intermediria Seleo dos pc pop_size pais da Modified_ Torneio _2 populao corrente usando o torneio criados a partir da populao corrente, usando o torneio Escolha aleatria de pop_size(pc pop_size) indivduos a partir da populao corrente Escolha aleatria de pop_size(pc pop_size) indivduos a partir da populao intermediria Os pop_size(pc pop_size) indivduos que no participaram do cruzamento Os pop_size(pc Modified_ Torneio _2a Seleo randmica dos pc pop_size pais da populao intermediria Populao intermediria de pop_size elementos criados a partir da populao corrente, usando o torneio pop_size) indivduos da populao intermediria que no participaram do cruzamento
207
Apndice B
uma populao intermediria de pop_size Seleo dos pc Modified_ Torneio _3 pop_size pais da populao corrente usando o torneio elementos formada com todos os filhos e indivduos da populao corrente escolhidos aleatoriamente. a populao intermediria () expandida a 2pop_size, por meio da incorporao dos indivduos da populao corrente. Populao intermediria de pop_size elementos criados a partir da populao Modified_ Torneio _3a Seleo randmica dos pc pop_size pais da populao intermediria . corrente, usando o torneio uma populao intermediria de pop_size elementos formada com todos os filhos e indivduos da populao () escolhidos aleatoriamente. a populao intermediria () expandida a 2pop_size, por meio da incorporao dos indivduos da populao corrente. Os pop_size indivduos de () com melhor fitness formam a nova populao Os filhos obtidos no Os pop_size indivduos de () com melhor fitness formam a nova populao Os filhos obtidos no
208
Apndice B
uma populao intermediria de pop_size elementos formada com todos os filhos e Seleo dos pc Modified_ Torneio _4 pop_size pais da populao corrente usando o torneio indivduos da populao corrente que no participaram do cruzamento a 2pop_size, por meio da incorporao dos indivduos da populao corrente. Populao intermediria de pop_size elementos criados a partir da populao corrente, usando o torneio uma populao intermediria de pop_size Modified_ Torneio _4a Seleo randmica dos pc pop_size pais da populao intermediria . elementos formada com todos os filhos e indivduos da populao () que no participaram do cruzamento a populao intermediria () expandida a 2pop_size, por meio da incorporao dos indivduos da populao corrente. Os pop_size indivduos de () com melhor fitness formam a nova populao Os filhos obtidos no Os pop_size indivduos de () com a nova populao Os filhos obtidos no
209
Apndice B
Indivduos da Seleo de pc pop_size Rank1 pais da populao intermediria usando o rank populao Populao intermediria de pop_size elementos criados a partir da populao corrente intermediria que no participaram do cruzamento
210
Indivduos da Seleo de pc pop_size Rank2 pais da populao corrente usando o rank populao corrente escolhidos aleatoriamente. Todos os filhos participam da prxima populao
APNDICE C
Programao no-linear: mtodo do Lagrangeano Aumentado
Apndice C
211
2 CONSIDERAES PRELIMINARES
Programao no-linear trata de problemas onde a funo objetivo ou alguma(s) das restries do problema so funes no-lineares das variveis envolvidas. Um problema de otimizao com restries abordado via programao no-linear pode ser equacionado como: minimizar f(x) sujeita a: gi(x) 0, i=1,2,...,m1 hi(x) = 0, i=m1+1,,m (=m1+m2) x Rn = {x | gi(x) 0, i=1,2,...,m1 & hi(x) = 0, i=m1+1,,m (=m1+m2)} onde: denominada de regio vivel. As funes f, g1, g2,,gm1, hm1+1,
hm1+2,,hm so funes com valores reais definidas em Rn e x um vetor ndimensional real com componentes x1,x2,...,xn. Este problema pode ser resolvido para valores das variveis x1,x2,...,xn que satisfazem s restries do problema e, ao mesmo tempo, minimizam a funo f.
Apndice C
212
A funo f chamada funo objetivo. Cada uma das restries gi(x) 0 chamada de restrio de desigualdade. Cada uma das restries hi(x) = 0 chamada de restrio de igualdade. O conjunto X chamado de domnio restrito. Um vetor x X que satisfaz todas as restries chamado de soluo factvel. A coleo de todas essas solues forma a regio factvel. O problema de programao no-linear ento encontrar um ponto factvel x tal que f(x) f( x ), para cada ponto factvel x. O ponto x chamado de ponto timo, ie, o ponto caracterizado pelo vetor x =(x1,x2,...,xn), cujo valor minimiza a funo objetivo e satisfaz as restries do problema. O par constitudo por ( x ,f( x )) chamado de soluo tima. GEN & CHENG (1997) comentam que ...mtodos convencionais de programao no-linear so muito complexos e no muito eficientes. Nos ltimos anos, tem havido um esforo crescente na aplicao de algoritmos genticos a problemas de programao no-linear. Geralmente os problemas que envolvem programao no-linear podem ser caracterizados como problemas restritos ou no-restritos Para cada caso existem disponveis uma grande variedade de mtodos que geralmente so referenciados como mtodos de otimizao sem restries e com restries. A abordagem utilizada por mtodos com restries a de transformar o problema com restrio em um problema sem restrio e resolve-lo usando um dos mtodos convencionais de programao no-linear sem restrio. Dependendo do tipo de restrio do problema, os mtodos com restries se subdividem em: mtodos com restrio de igualdade, mtodos com restries de desigualdade e mtodos com restries mistas. As prximas subsees apresentam, respectivamente, consideraes e definies relativas otimizao com restries de igualdade; a descrio do mtodo do de Newton-lagrangeano para a soluo de tais problemas e o mtodo do lagrangeano aumentado, que o mtodo de otimizao no-linear para o tratamento de problemas com restries mistas e que foi utilizado neste trabalho.
Apndice C
213
a condio necessria de primeira ordem para que um ponto vivel seja um mnimo local dada por f(x*) i* . gi ( x* ) = 0, ou seja, o gradiente da
i =1 m
Apndice C
214
funo objetivo deve ser uma combinao linear dos gradientes das restries. a condio necessria de primeira ordem para que um ponto (x*,*) seja um ponto estacionrio da Funo Lagrangeana dada por L(x*,*) = 0, com
= x
(1)
onde i o multiplicador de Lagrange associado restrio gi(x). O processo consiste em determinar valores, para x e , que satisfaam as condies necessrias de otimalidade sobre a funo Lagrangeana (1). Assim, L =0 x (2)
Apndice C
215
L =0 O mtodo de Newton resolve (2) de forma direta. Utilizando Taylor de primeira ordem em torno de xk e k nas equaes (2), as expresses obtidas so linearizadas da seguinte forma:
k k k 2 k k k x L( x k , k ) + 2 xx L( x , ) x + x L( x , ) = 0 2 k k k 2 k k k L( x k , k ) + x L( x , ) x + L( x , ) = 0
Ou
k k k k t k x L( x k , k ) + 2 xx L( x , ) x + x g ( x ) = 0
g ( x k ) + x g ( x k )x k = 0
O novo ponto obtido por: xk+1 = xk +xk k+1 = k +k onde x e so denominados vetores de direes de busca. O sistema (3) pode ser representado na forma matricial por:
k k k t 2 xx L( x , ) x g ( x ) k 0 x g(x )
L( x k , k ) x k = x g( x k ) k
Apndice C
216
onde a matriz dos coeficientes do sistema denominada matriz Lagrangeana e encontra-se dividida em quatro sub-matriz: a matriz Hessiana H, a matriz Jacobiana J= 2x e sua transposta e uma matriz nula. O mnimo da funo ser atingido quando os novos valores de x e satisfizerem as condies necessrias de primeira ordem para o problema original. importante lembrar que o mtodo de Newton exige que o ponto inicial esteja na vizinhana de x* e * o que, muitas vezes, pode inviabilizar o mtodo, pois no existe garantia de convergncia.
g
i =1
2 i (x)
Apndice C
217
Onde c 0. Para obter o timo restrito do problema original necessrio que c e gi(x) 0. Com o intuito de determinar o mnimo do problema inicial para um valor finito de c trabalhou-se com um problema perturbado: Minimizar Sujeito a f(x) gi(x) = , i = 1,...,m
O problema acima tem a seguinte funo auxiliar denominada funo Lagrangeana aumentada: La(x,c) = f(x) + c
m
(g
i =1
(x) i ) 2
(5)
onde c 0 um fator de penalidade e um vetor de perturbaes. Expandido (5) obtm-se: La(x,c) = f(x) + c
i =1
g i2 ( x ) 2c
i =1
g i (x) i + c
i =1
2 i
(6)
i =1
g i (x ) + c
g
i =1
2 i (x)
onde i , i= 1,....,m so os multiplicadores de Lagrange e c o fator penalidade. Considerando o problema (4) somente com restries de desigualdade: Minimizar f(x) Sujeito a hj(x) 0 , j=1,....,r Transformam-se as restries de desigualdade em igualdade a partir da introduo de uma varivel de folga zj da seguinte forma: Minimizar f(x)
Apndice C
218
Sujeito a hj(x) + zj = 0 , j =1,....,r zj 0, j =1,...,r O problema (7) pode ser transformado no seguinte problema equivalente: Minimizar f(x) +
1 c 2
(7)
(h ( x ) + z )
j j j=1
Sujeito a hj(x) + zj = 0 , j =1,....,r zj 0, j =1,...,r onde c 0 um fator de penalidade A funo Lagrangeana associada a (8) definida por: La(x,,z) = f(x) + j (h j ( x ) + z j ) + c (h j ( x ) + z j ) 2
j=1 j=1 r
(8)
1 2
(9)
Minimizando (9) com relao a zj, j = 1,....,r, e aplicando as condies necessrias de otimalidade:
z j La ( x , , z) = 0 , j = 1,....,r
Apndice C
219
j j h j ( x ) se h j (x) 0 c c zj = j 0 h j (x) 0 se c
j = 1,....,r,
(10)
(11)
5 O PROGRAMA EASY
O programa EASY um software escrito em Fortran, disponibilizado para download no endereo www.ime.unicamp/~martinez; que implementa o mtodo de otimizao do Lagrangeano aumentado, possibilitando assim a resoluo de problemas no lineares. Soluciona problemas do tipo: minimizar f(x) sujeito a: h(x) = 0, e lxu onde f: Rn R, h: Rn Rm, l, u so dois vetores dados n-dimensionais e correspondem aos limites superior e inferior respectivamente das variveis. Pode se dizer ento que f uma funo escalar de n variveis e h uma funo de restrio de n variveis e m componentes. Para a soluo de problemas que so definidos com restries de desigualdade, antes de mais nada tais restries devem ser transformadas em restries de igualdade por meio do seguinte procedimento. Se a restrio de desigualdade for do tipo:
Apndice C
220
1. r(x) 0 , ela transformada na restrio r(x) + z = 0, onde z uma varivel positiva (z 0) 2. r(x) 0 , ela transformada na restrio r(x) + z = 0, onde z uma varivel negativa (z 0) 3. a r(x) b, ela transformada na restrio r(x) z = 0 onde a z b. Para aquelas variveis do problema que no tm limite inferior ou superior estabelecidos, deve-se, artificialmente, defini-los como o menor ou maior possvel, respectivamente. Por exemplo, se a varivel x1 no possui limite inferior, ele pode ser definido como l = 109, dado que se garanta que tal valor nunca vai ser obtido para essa varivel. Via transformao dos possveis tipos de restries, o programa se torna abrangente o suficiente para permitir a busca da soluo para todo problema de otimizao com restries. As principais caractersticas do programa EASY so: a) tanto a funo objetivo quanto as restries devem ter derivadas contnuas; b) o nmero mximo de variveis 1000 e o nmero mximo de restries 500. O programa permite, entretanto, que se trabalhe com um nmero superior de variveis e restries, via alterao de algumas declaraes Fortran; c) pode ser usado para problemas sem restries (caso em que m=0). O EASY espera como input um arquivo de nome easy.dat, que deve conter as seguintes informaes: a) a primeira linha deve conter dois inteiros n e m, onde n o nmero de variveis e m o nmero de restries, separados por branco; b) a segunda linha deve fornecer os limites inferiores das variveis, separados por brancos; c) a terceira linha deve fornecer os limites superiores das variveis, separados por brancos
Apndice C
221
d) a quarta linha (ltima) deve fornecer uma estimativa inicial da soluo. A ttulo de exemplo, considere um problema definido em funo de quatro variveis, com duas restries. Suponha que os limites inferiores das quatro variveis so, 10, 10, 10, 10 e os superiores 10, 10, 10, 10, respectivamente. Considere ainda que a estimativa inicial da soluo seja 1, 1, 1, 1. O arquivo easy.dat dever conter as seguintes informaes, dispostas na seguinte maneira: 4 2 10 10 10 10 10 1 10 1 10 1 10 1
Definido o arquivo de entrada, deve-se fornecer a funo objetivo a ser minimizada (f) bem as restries (h) do problema no prprio arquivo fonte do programa Easy, como comandos Fortran. O cdigo Fortran do Easy aponta, via comentrios, os locais onde tais comandos devem ser inseridos. Num dos problemas tratados neste tese (o relativo minimizao dos custos de uma laje alveolar), a funo objetivo introduzida no cdigo fonte do Easy como o comando Fortran:
f=(0.1*6*x(1)+1.59*6*x(2)+0.144*6*x(1)*x(3)+1.31*6*x(1)/x(3)+14.44*6*x(2)/(x(3)**2))
onde x(1), x(2) e x(3) so respectivamente a altura do painel alveolar, armadura de protenso e resistncia do concreto protendido. O problema em questo exige a definio de 22 restries de desigualdade que, para serem tratadas no Easy, foram convertidas em restries de igualdade. Cada uma delas deve ser especificada no cdigo fonte. Segue um exemplo da especificao da restrio relativa ao momento:
h=(0.01*x(2)*( 31080.67256/(((120.0-2.0*int(116.19/(x(1)-1.27))* sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int(116.19/
Apndice C
222
(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**5.2940) - 39506.81235/(((120.0-2.0* int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int( 116.19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1)) +1535.54625+189.0*x(4)))**4.2352)+16829.84691/(((120.0-2.0*int( 116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/ (3.1416*int(116.19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/ (1197.07875*log(x(1))+1535.54625+189.0*x(4)))**3.1764)-2970.6963 /(((120.0-2.0*int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05* log(x(1))+865.05)/(3.1416*int(116.19 /(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**2.1176) + 207.063768/(((120.0-2.0* int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int(116. 19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**1.0588) +132.88 )*(x(1)+x(4)-3.5(0.0068627*x(2)*( 31080.67256/(((120.0-2.0*int(116.19/(x(1)-1.27))* sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int(116.19/ (x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**5.2940) - 39506.81235/(((120.0-2.0* int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int( 116.19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1)) +1535.54625+189.0*x(4)))**4.2352)+16829.84691/(((120.0-2.0*int( 116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/ (3.1416*int(116.19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/ (1197.07875*log(x(1))+1535.54625+189.0*x(4)))**3.1764)-2970.6963 /(((120.0-2.0*int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05* log(x(1))+865.05)/(3.1416*int(116.19 /(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**2.1176) + 207.063768/(((120.0-2.0* int(116.19/(x(1)-1.27))*sqrt(((120.0*x(1)-760.05*log(x(1))+865.05)/(3.1416*int(116. 19/(x(1)-1.27))))))*((x(1)+x(4)-3.5)**2)/(1197.07875*log(x(1))+ 1535.54625+189.0*x(4)))**1.0588) +132.88 )/x(5)) ) )- (11.9707875*log(x(1))+15.35546+1.89*x(4))+x(16) endif
APNDICE D
Dimensionamento de um painel alveolar sem capa estrutural
Apndice D
223
x2 x1
120cm
x1 altura do painel alveolar x2 rea de armadura de protenso x3 resistncia do concreto do elemento pr-moldado
Apndice D
224
Um nvel de armadura localizada no bordo inferior Protenso limitada Resistncia do concreto moldado no local fck2 = 20MPa Altura da capa de concreto de regularizao hcapa = 4cm Cordoalhas de 7 fios relaxao baixa CP 175 RB9,5
2 CARACTERSTICAS GEOMTRICAS
Na definio da rea de concreto do painel alveolar ser considerada uma aproximao no clculo de seu valor tendo como base as caractersticas geomtricas das sees apresentadas nas tabelas do PCI (1992). No clculo, sero considerados painis alveolares com vazamento circular. a) a partir dos valores de reas obtidas das tabelas do PCI (1992) foi definida uma funo que representasse de forma aproximada, a rea dos vrios tipos de painis alveolares para este trabalho. Nesse caso, a funo que melhor representou a rea de um painel alveolar (Ac) foi uma funo neperiana que depende da altura do painel (x1), apresentada a seguir.
A c = 760,05 ln ( x 1 ) 865,05
Podem-se definir a quantidade de furos (n) que o painel alveolar ter para a altura x1 e o raio do crculo (r). Ento tem-se:
n= r= 116,19 x 1 1,27 (x 1 b A c ) n
Apndice D
225
Ic =
b ( x 1 ) 3 ( 2r ) 4 n 12 64
c) a distncia da armadura de protenso (ep) ao centro de gravidade (CG) corresponde a distncia do CG da armadura at o centro de gravidade da laje e definida a seguir. A Figura 2 mostra em detalhes as distncias da armadura e do painel.
e p = y cg c / 2 y cg = x1 2
onde
Deve-se salientar que se adotou ndice 1 para as variveis que se referem borda inferior e ndice 2 superior.
c /2
ep
ycg
Apndice D
226
Carga permanente:
Sobrecarga:
M g1 w1
1 g =
2
M g2 w1
1 q =
1
Mq w1
bordo inferior:
2 g =
1
M g1 w2
2 g =
2
M g2 w2
2 q =
1
Mq w2
Apndice D
227
onde:
fptk resistncia caracterstica ruptura por trao do ao de protenso fpyk limite de escoamento convencional do ao de protenso Ep valor mdio do mdulo de elasticidade do ao de protenso
logo: Pi = 141,75 kN/cm2 Na definio do problema, a rea da armadura uma das variveis e, portanto ter seu valor ser arbitrado. Pi,ef = Ap Pi 0,97 = x2 Pi 0,97 b) determinao de Pa: o valor de Pa que corresponde ao valor da fora de protenso imediatamente anterior transferncia de tenses ao concreto. Determina-se o valor de Pa a partir das seguintes perdas:
Escorregamento dos fios na ancoragem: se a pista de protenso for
longa a perda de protenso ser muito pequena. Considerando ento: comprimento da pista = 120000mm; valor aproximado da deformao do ao, por ocasio do estiramento = 0,007; valor aproximado do alongamento do cabo na pista de 120m ento: 120000x 0,007=840mm; Se houver um recuo do ponto de ancoragem, por acomodao da ancoragem, da ordem de 6mm a perda percentual ser:
Panc = 6mm = 0,714% 840mm
Apndice D
228
onde:
Ento t t o =
(t,to) = 1000 .
t to 1000
0,15
tem-se: Pcsi = (t,to) = 2,178% Logo as perdas finais so: PPi Pa = Panc + Pcsi = 2,983 Ento: Pa =
(100 PPi Pa )Pief 100
c) determinao de Po: o valor de Po corresponde ao instante imediatamente posterior transferncia de tenses ao concreto. A fora de protenso por deformao imediata de concreto decorrente do prprio processo de transferncia da fora de protenso ao concreto, que sofre a necessria deformao para ficar protendido. A tenso do concreto calculada da seguinte maneira: cp =
Pa (e p ) 2 Pa . Esta + Ac Ic
expresso utilizada no caso de protenso aplicada numa nica fibra, com excentricidade ep. A tenso da armadura, logo aps a transferncia de tenses ao concreto resulta em: P = Pa +
o
Ep
Pa e p E p Pa + cp = + cp A Ec w1 c Ec
Logo: Po = Pa x 2 Po
Apndice D
229
Po Po e p + Ac w1
2P =
o
Po Po e p + Ac w2
A NBR-7197 estabelece que ao trmino das operaes de protenso, a tenso Po no deve superar o menos dos seguintes limites:
0,77f ptk Pi 0,86f pyk
c) determinao de Poo: o valor de Poo corresponde ao valor final da fora de protenso, consideradas todas as perdas. A fim de facilitar os clculos, as perdas progressivas devidas retrao e fluncia do concreto e relaxao do ao de protenso no sero calculadas neste trabalho. As perdas finais foram estimadas em 30%. Portanto, o valor de Poo que corresponde ao valor do final da fora de protenso : Poo = 0,7Pief
Poo Poo e p + Ac w2
Poo Poo e p + Ac w1
2P
oo
2d = 2 P + 2 g
o
2 t = 2 P + a1 2 g
o
Apndice D
230
1tt = 1 P + a 2 1 g
o
2 tt = 2 P + a 2 2 g
o
+ 1 g
2a = 2 P
oo
+ 2g
2m = 2 P + 2 g + 2 g
o 1
b) Verificao do estado em servio: os fatores de utilizao so valores adotados pela norma de aes.
combinao freqente de aes (1 = 0,3)
1f = 1g + 1g
1
+ 11q + 1P
oo
2f = 2g + 2g + 1 2q + 2 P
1 2
oo
1qp = 1g + 1g + 2 1q + 1P
1 2
oo
2qp = 2g + 2g + 2 2q + 2P
1 2
oo
1r = 1g + 1g + 1q + 1P
1 2
oo
2 r = 2g + 2g + 2q + 2 P
1 2
oo
Essas tenses apresentadas em a) e em b) devem satisfazer os limites de descompresso e de formao de fissuras. A seguir calculada a resistncia caracterstica compresso e trao na data da protenso e aos 28 dias. Para o estado limite em vazio: Na data da protenso
f ckj = 0,70 f ck compresso : cj,lim = 0,70 f ckj = 0,49 x 3 trao : ctj,lim = 0,3 3 (f ckj ) 2 = 0,3 3 ( x 3 ) 2
Apndice D
231
onde
1d , 2d tenso na fase de desmoldagem no bordo inferior e superior 1t , 2 t , 1tt , 2 tt tenso na fase de transporte no bordo inferior e superior 1a , 2a tenso na fase de armazenamento no bordo inferior e superior 1m , 2 m tenso na fase de montagem no bordo inferior e superior
1g 2 , 2 g 2 tenso devido ao peso prprio do enchimento e do concreto
inferior e superior
1Poo , 2 Poo tenso devido fora de protenso aps as perdas no bordo
inferior e superior
ctj,lim tenso limite de trao em j dias ct ,lim tenso limite de trao cj,lim tenso limite de compresso em j dias c,lim tenso limite de compresso
1 fator de combinao freqente de aes( 1 = 0,3 ) 2 fator de combinao quase permanente de aes ( 2 = 0,2 )
Apndice D
232
onde
act contraflecha instantnea Po fora de protenso instalada no concreto ep distncia do centro de gravidade da armadura ao centro de gravidade do elemento L vo do painel Eci mdulo de elasticidade do concreto na data da protenso Ic inrcia da seo de concreto
Contraflecha diferida:
a cd = (Po + Poo )e p L 8E c I c
onde
acd contraflecha instantnea Poo fora de protenso Ec mdulo de elasticidade do concreto ao 28 dias Ic inrcia da seo de concreto
Apndice D
233
A contraflecha total a soma das duas deformaes: acont = act + acd. Portanto deve-se respeitar o limite imposto: a contflec a lim ct =
L 350
b) flecha devido ao carregamento: o limite adotado da flecha estipulado pelo projeto de reviso da NBR-6118. Os deslocamentos foram determinados usando a combinao quase-permanente de aes. Fd,til = Fg,k + 0,2Fq,k Flecha instantnea: formada pela flecha produzida por todas as cargas
a inst = 5 (g 1 + g 2 + 0,2 q ) L4 384E c I c
onde
ainst flecha instantnea g1 carga devido ao peso prprio do painel g2 carga devido ao peso prprio do painel q sobrecarga L vo do painel Ec mdulo de elasticidade do concreto Ic inrcia da seo de concreto
O valor de foi calculado pelas equaes apresentadas no Anexo A no projeto de reviso na NBR-6118. A fim de facilitar os clculos de foi adotada uma linha de tendncia em funo da altura do painel. Considerando uma umidade de 60% a funo que melhor representou o problema foi um polinmio do quarto grau:
= 8.10 8 ( x 1 ) 4 1.10 5 ( x 1 ) 3 + 8.10 4 ( x 1 ) 2 0,0223x 1 + 3,437
onde
Apndice D
234
Portanto, a flecha final corresponde soma das duas deformaes: atotal = ainst + adif Portanto deve-se respeitar o limite imposto: a total a lim =
L 350
Pnd = p Poo + p x 2 cp
onde p = 0,9
pnd = Pnd x 2Ep
b) clculo de (pd): a deformao total de clculo da armadura ativa corresponde soma do pr-alongamento e de um acrscimo da armadura ativa (p1d). Ser considerado como referncia no clculo de kc, x, pd, p1d, a Tabela para o clculo flexo de sees retangulares de concreto protendido apresentado em HANAI (1999).
Apndice D
235
A partir de kc calcula-se x: a fim de facilitar os clculos, definiu-se uma linha de tendncia para x para cada classe do concreto. A melhor funo que representou o problema foi uma funo de potncia. C-30: C-35: C-40: C-45:
x = 0,8174 (k c ) 1,0588 x = 0,6982 (k c ) 1, 0626 x = 0,6068 (k c ) 1,0616 x = 0,5362 (k c ) 1,0619
A tenso da armadura ativa para o ao CP-175 ento estimada da mesma forma. Considerou-se uma linha de tendncia e a melhor funo que representou o problema foi um polinmio do quinto grau:
Pd = 85176 ( x ) 5 88498 ( x ) 4 + 30816 ( x ) 3 4446,2 ( x ) 2 + 253,32 x + 132,88
Clculo do brao de alavanca: considerou-se que a mesa de compresso no corta a seo vazada
x = x x = x d d z p = d 0,4 x y = 0,8x
0,85.f cd.(b.y) zp Ap.f pyd
Apndice D
236
Portanto Md Mu
onde
k 1 3d
Mo valor do momento fletor que anula a tenso normal na borda menos comprimida
Apndice D
237
Md,Max momento fletor da seo transversal que est mais solicitada flexo, no trecho considerado pelo clculo (maior valor do semi-tramo considerado) x3 resistncia do concreto do elemento pr-moldado (fck) em MPa d altura til k = 1,6 d = 1+50 = x2/Ac Portanto, WD RD1 d em metros
10
Os vrios custos envolvidos na produo de um painel alveolar com capa de regularizao foram discriminados e apresentados em detalhes a seguir. Os custos para cada parcela so obtidos a partir dos insumos apresentados no Captulo 4. Portanto cada valor final de parcela corresponder ao custo em R$/m2. Conforme apresentado no Captulo 4, no equacionamento da funo custo foram utilizados valores cedidos pela empresa Marka situada em Franca, SP, e pela Revista Construo1. Os valores utilizados no clculo da funo custo so: hcapa = 4cm fck,2 = 20MPa As variveis do problema so: x1 altura do painel em cm x2 armadura ativa em cm2 x3 resistncia do concreto em kN/cm2 I) CUSTOS DE EXECUO (R$/m2) A.Custos da matria-prima: Concreto (Tcustconc):
1
Apndice D
238
A rea de concreto do painel (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_material = 24,75x3 + 74,25 R$/m3 Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 8,35 R$/m3 Ac (760,05 ln( x 1 ) 865,05) = (24,75x 3 + 74,25) b 10000.1,20 Ac (760,05 ln( x 1 ) 865,05) = 4,4 b 10000.1,20
material:
mo-de-obra: equipamentos:
cust a1 = custo _ material.0,66 x 2 = 2,95.0,66 x 2 cust a 2 = custo _ mo _ de _ obra.0,66 x 2 = 0,295.0,66 x 2 cust a 3 = custo _ equipamento.0,66 x 2 = 0,07.0,66 x 2
B. Custos adicionais (Tcustadc): Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 1,67 R$/m3
Apndice D
239
Ac (760,05 ln(x 1 ) 865,05) = 4,4 b 10000.1,20 Ac (760,05 ln(x 1 ) 865,05) = 1,67 b 10000.1,20
D. Custos tributrios (custtrib) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
c_tributario = 84 R$/m3 cust trib = c _ tributario Ac (760,05 ln(x 1 ) 865,05) = 84 b 10000.1,20
II) CUSTOS DE TRANSPORTE EXTERNO (R$/m2) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_transp = 52 R$/m3 Ac (760,05 ln(x 1 ) 865,05) = 52 b 10000.1,20
servios:
III) CUSTOS DA APLICAO (R$/m2) A. Custos da montagem do painel alveolar (Tcustmon) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 11,96 R$/m3 Custo_equipamento = 9,79 R$/m3 Ac (760,05 ln(x 1 ) 865,05) = 11,96 b 10000.1,20
Apndice D
240
equipamentos:
B. Custos do concreto para regularizao (Tcustreg) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_material = 123,75 R$/m3 custo_mo_de_obra = 41,68 R$/m3 custo_equipamento = 1,67 R$/m3
Material:
h capa 100
= 123,75
mo-de-obra: equipamentos:
h capa 100
= 1,67
h capa 100
C. Custos das ligaes (Tcustlig) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_material = 371,25 R$/m3 custo_mo_de_obra = 2,20 R$/m3
material: mo-de-obra:
h capa 100
= 371,25
Apndice D
241
Portanto, os vrios custos envolvidos na produo de um painel alveolar com capa estrutural foram somados e a expresso final da funo em R$/m2 : f(x) = 11,578 ln(x 1 ) + 12,663 + 0,0528 + 1,1(24,75x 3 + 74,25)(0,063 ln(x 1 ) 0,0721) +
(0,0633 ln(x 1 ) 0,0721) + 2,407 x 2
onde x1 altura do painel em cm x2 armadura ativa em cm2 x3 resistncia do concreto em kN/cm2 Supondo por exemplo que as variveis sejam:
x1=21,47cm; x2=2,67cm2; x3=3,07kN/cm2,
APNDICE E
Dimensionamento de um painel alveolar com capa estrutural
Apndice E
242
x2 x4 x1
120cm
x1 altura do painel alveolar x2 rea de armadura de protenso x3 resistncia do concreto do elemento pr-moldado
Apndice E
243
vo do painel L = 6m Largura do painel b = 120cm Um nvel de armadura localizada no bordo inferior Protenso limitada Cordoalhas de 7 fios relaxao baixa CP 175 RB9,5
2 CARACTERSTICAS GEOMTRICAS
Na definio da rea de concreto do painel alveolar ser considerada a mesma aproximao apresentada no Apndice D. No clculo do valor da rea de concreto sero consideradas as mesmas caractersticas geomtricas das sees apresentadas nas tabelas do PCI. No clculo sero considerados painis alveolares com vazamento circular. No clculo da seo composta considerou-se a seo homogeneizada. a) a partir dos valores de reas obtidas das tabelas do PCI foi definida a mesma funo aproximada da rea para os vrios tipos de painis alveolares:
A c = 760,05 ln ( x 1 ) 865,05 rea do elemento pr-moldado A ch = A c + m.A cm
onde m =
f ck 2 = f ck
Conforme visto no Apndice D, a quantidade de furos (n) e o raio do crculo (r) so dados por:
n= r= 116,19 x 1 1,27 (x 1 b A c ) n
Apndice E
244
I ch = I c + m I cm
c) a distncia da armadura de protenso (ep) ao centro de gravidade (CG) corresponde a distncia do CG da armadura at o centro de gravidade da laje e definida a seguir. A Figura 2 mostra em detalhes as distncias da armadura e do painel, considerando o painel isolado e a seo composta. Seo isolada do painel
e p = y cg c / 2 y cg = x1 2
seo composta
e pc = y cgc c / 2 y cgc = A c y cg + A capa ( x 1 + 0,5x 4 ) A c + A capa
onde
c cobrimento (c =30mm) dimetro da armadura (/2 = 5mm) Acapa rea da capa de concreto ycg centro de gravidade do elemento isolado ycgc centro de gravidade da seo composta epc distncia da armadura de protenso ao CG da seo composta
ycg
epc
ep
c /2
c /2
ycgc
Apndice E
245
da seo composta:
y1 = y cgc Wc1 = I ch y1 y 2 = y cgc ( x 1 x 4 ) Wc 2 = I ch y2
Deve-se salientar que se adotou ndice 1 para as variveis que se referem borda inferior e ndice 2 superior.
Sobrecarga:
Apndice E
246
1 g =
1
M g1 w1 M g3 Wc1
1 g =
2
M g2 w1 Mq Wc1
1 g =
3
1 q =
1
bordo inferior:
2 g =
1
M g1 w2 M g3 Wc 2
2 g =
2
M g2 w2
2 g3 =
2 q =
1
Mq Wc 2
logo: Pi = 141,75 kN/cm2 Na definio do problema, a rea da armadura uma das variveis e, portanto ter seu valor ser arbitrado. Pi,ef = Ap Pi 0,97 = x2 Pi 0,97
Apndice E
247
b) determinao de Pa: o valor de Pa que corresponde ao valor da fora de protenso imediatamente anterior transferncia de tenses ao concreto. Determina-se o valor de Pa a partir das seguintes perdas:
Escorregamento dos fios na ancoragem: se a pista de protenso for
longa a perda de protenso ser muito pequena. Considerando ento: comprimento da pista = 120000mm; valor aproximado da deformao do ao, por ocasio do estiramento = 0,007; valor aproximado do alongamento do cabo na pista de 120m ento: 120000x 0,007=840mm; Se houver um recuo do ponto de ancoragem, por acomodao da ancoragem, da ordem de 6mm a perda percentual ser:
Panc = 6mm = 0,714% 840mm
onde:
Ento t t o =
Apndice E
248
0,15
tem-se: Pcsi = (t,to) = 2,178% Logo as perdas finais so: PPi Pa = Panc + Pcsi = 2,983 Ento: Pa =
(100 PPi Pa )Pief 100
c) determinao de Po: o valor de Po corresponde ao instante imediatamente posterior transferncia de tenses ao concreto. A fora de protenso por deformao imediata de concreto decorrente do prprio processo de transferncia da fora de protenso ao concreto, que sofre a necessria deformao para ficar protendido. A tenso do concreto calculada da seguinte maneira: cp
Pa (e p ) 2 Pa . Esta = + Ac Ic
expresso utilizada no caso de protenso aplicada numa nica fibra, com excentricidade ep. A tenso da armadura, logo aps a transferncia de tenses ao concreto resulta em: P = Pa +
o
Ep
Pa e p E p Pa + cp = + A E cp Ec w c 1 c
Po Po e p + Ac w1
2P =
o
Po Po e p + Ac w2
A NBR 7197 estabelece que ao trmino das operaes de protenso, a tenso Po no deve superar o menos dos seguintes limites:
0,77f ptk Pi 0,86f pyk
c) determinao de Poo: o valor de Poo corresponde ao valor final da fora de protenso, consideradas todas as perdas. A fim de facilitar os clculos, as perdas progressivas devidas retrao e fluncia do concreto e relaxao do ao de protenso no sero calculadas neste trabalho. As perdas finais foram estimadas em 30%. Portanto, o valor de Poo que corresponde ao valor do final da fora de protenso : Poo = 0,7Pief
Apndice E
249
Poo Poo e p + Ac w1
2P
oo
Poo Poo e p + Ac w2
2d = 2 P + 2 g
o
2 t = 2 P + a1 2 g
o
fase de transporte (efeito dinmico a2 = 1,3 ): atuam (Po +a2 g1) 1tt = 1 P + a 2 1 g
o 1
2 tt = 2 P + a 2 2 g
o
+ 1 g
2a = 2 P
oo
+ 2g
2m = 2 P + 2 g + 2 g
o 1
Apndice E
250
Essas tenses apresentadas em a) devem satisfazer os limites de descompresso e de formao de fissuras. A seguir calculada a resistncia caracterstica compresso e trao na data da protenso e aos 28 dias. Para o estado limite em vazio: Na data da protenso
f ckj = 0,70 f ck compresso : cj,lim = 0,70 f ckj = 0,49 x 3 trao : ctj,lim = 0,3 3 (f ckj ) 2 = 0,3 3 ( x 3 ) 2
onde
1d , 2d tenso na fase de desmoldagem no bordo inferior e superior 1t , 2 t , 1tt , 2 tt tenso na fase de transporte no bordo inferior e superior 1a , 2a tenso na fase de armazenamento no bordo inferior e superior 1m , 2 m tenso na fase de montagem no bordo inferior e superior
1g 2 , 2 g 2 tenso devido ao peso prprio do enchimento e do concreto
inferior e superior
ctj,lim tenso limite de trao em j dias ct ,lim tenso limite de trao
Apndice E
251
Pnd = p Poo + p x 2 cp
onde p = 0,9
pnd = Pnd x 2Ep
b) clculo de (pd): a deformao total de clculo da armadura ativa corresponde soma do pr-alongamento e de um acrscimo da armadura ativa (p1d). Ser considerado como referncia no clculo de kc, x, pd, p1d, a Tabela para o clculo flexo de sees retangulares de concreto protendido apresentado em HANAI (1999).
Apndice E
252
c cobrimento A partir de kc calcula-se x: a fim de facilitar os clculos, definiu-se uma linha de tendncia para x para cada classe do concreto. A melhor funo que representou o problema foi uma funo de potncia. C-30: C-35: C-40: C-45:
x = 0,8174 (k c ) 1,0588 x = 0,6982 (k c ) 1, 0626 x = 0,6068 (k c ) 1,0616 x = 0,5362 (k c ) 1,0619
A tenso da armadura ativa para o ao CP-175 ento estimada da mesma forma. Considerou-se uma linha de tendncia e a melhor funo que representou o problema foi um polinmio do quinto grau:
Pd = 85176 ( x ) 5 88498 ( x ) 4 + 30816 ( x ) 3 4446,2 ( x ) 2 + 253,32 x + 132,88
Clculo da altura da mesa de compresso: Supondo inicialmente que a linha neutra passe pela capa de concreto moldado no local tem-se a configurao da Figura 3.
0,85.f cd2.(b.y) zp A f
d
A p Pd = 0,85.f cd 2 b.y
Apndice E
253
Figura 4. Momento ltimo para mesa de compresso cortando o elemento A p Pd = 0,85.f cd 2 b.x 4 + 0,85.f cd1 b.( y x 4 )
c) clculo do momento resistente, Mu: caso que a mesa de compresso se localiza na capa:
M u = A p Pd z p = x 2 Pd z p
M u = R c1 .d 1 + R c 2 .d 2
Portanto Md Mu
Apndice E
254
wd =
Vd bwd Vd = 1,4 (g 1 + g 2 + q ) 2
onde
k 1 3d
Mo valor do momento fletor que anula a tenso normal na borda menos comprimida Md,Max momento fletor da seo transversal que est mais solicitada flexo, no trecho considerado pelo clculo (maior valor do semi-tramo considerado) x3 resistncia do concreto do elemento pr-moldado (fck) em MPa d altura til k = 1,6 d = 1+50 = x2/Ac Portanto, WD RD1 d em metros
Apndice E
255
d =
Fhd b int l o
se Rc < Rc,loc - Fhd = Rc se Rc > Rc,loc - Fhd = Rc,loc onde Fhd fora horizontal de cisalhamento bint largura da interface (bint = b)
l o comprimento dos trechos relativos ao cisalhamento
Rc,loc valor de referncia da resultante de compresso na parte do concreto moldado no local que vale 0,85fcd Ac,loc O valor ltimo da tenso de cisalhamento fornecido pela seguinte expresso:
u = s f yd + c f td
onde Ast rea de armadura atravessando, perpendicularmante, a interface e totalmente ancorada nos elementos fyd resistncia de clculo do ao s espaamento da armadura bint largura da interface ftd resistncia trao de clculo, para o menos resistente dos concretos em contato s, c coeficientes multiplicativos para as parcelas do ao e do concreto, respectivamente com valores fornecidos na Tabela 1, vlidos para superfcies speras interpolando-se linearmente para valores intermedirios
Tabela 1. Coeficientes multiplicativos, s e C segundo a NBR-9062/85
(%) < 0,20 > 0,50 s 0 0,9 c 0,3 0,6
Apndice E
256
10
Os vrios custos envolvidos na produo de um painel alveolar com capa de regularizao foram discriminados e apresentados em detalhes a seguir. Os custos para cada parcela so obtidos a partir dos insumos apresentados no Captulo 4. Portanto cada valor de parcela corresponder ao custo em R$/m2. Conforme apresentado no Captulo 4, no equacionamento da funo custo foram utilizados valores cedidos pela empresa Marka situada em Franca, SP, e pela Revista Construo1. As variveis do problema so: x1 altura do painel em cm x2 armadura ativa em cm2 x3 resistncia do concreto do elemento pr-moldado em kN/cm2 x4 altura da capa de concreto cm x5 resistncia do concreto da capa em kN/cm2 I) CUSTOS DE EXECUO (R$/m2) A.Custos da matria-prima: Concreto (Tcustconc): A rea de concreto do painel (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_material = 24,75x3 + 74,25 R$/m3 Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 8,35 R$/m3 Ac (760,05 ln( x 1 ) 865,05) = (24,75x 3 + 74,25) b 10000.1,20 Ac (760,05 ln( x 1 ) 865,05) = 4,4 b 10000.1,20
material:
mo-de-obra: equipamentos:
Apndice E
257
cust a1 = custo _ material.0,66 x 2 = 2,95.0,66 x 2 cust a 2 = custo _ mo _ de _ obra.0,66 x 2 = 0,295.0,66 x 2 cust a 3 = custo _ equipamento.0,66 x 2 = 0,07.0,66 x 2
B. Custos adicionais (Tcustadc): Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 1,67 R$/m3
Ac (760,05 ln(x 1 ) 865,05) = 4,4 b 10000.1,20 Ac (760,05 ln(x 1 ) 865,05) = 1,67 b 10000.1,20
D. Custos tributrios (custtrib) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
c_tributario = 74 R$/m3
Apndice E
258
II) CUSTOS DE TRANSPORTE EXTERNO (R$/m2) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_transp = 52 R$/m3 Ac (760,05 ln(x 1 ) 865,05) = 52 b 10000.1,20
servios:
III) CUSTOS DA APLICAO (R$/m2) A. Custos da montagem do painel alveolar (Tcustmon) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 11,96 R$/m3 Custo_equipamento = 9,79 R$/m3 Ac (760,05 ln(x 1 ) 865,05) = 11,96 b 10000.1,20 Ac (760,05 ln(x 1 ) 865,05) = 9,79 b 10000.1,20
B. Custos do concreto para regularizao (Tcustreg) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_material = 24,75x5 + 74,25 R$/m3 custo_mo_de_obra = 83,36 R$/m3 custo_equipamento = 1,67 R$/m3
Material:
mo-de-obra:
Apndice E
259
equipamentos:
C. Custos das ligaes (Tcustlig) Os insumos apresentados no Captulo 4 e utilizados nesta seo so os seguintes:
custo_material = 3.(24,75x5 + 74,25 ) R$/m3 custo_mo_de_obra = 2,20 R$/m3
material: mo-de-obra:
Portanto, os vrios custos envolvidos na produo de um painel alveolar com capa de regularizao foram somados e a expresso final da funo em R$/m2 : f(x) = 11,578 ln(x 1 ) 13,178 + 0,048.(24,75x 5 + 74,25) x 4 + 0,0528x 1 + 1,27 x 4 +
1,1.(24,75x 3 + 74,25)(0,063 ln(x 1 ) 0,0721) + 2,407 x 2
onde x1 altura do painel em cm x2 armadura ativa em cm2 x3 resistncia do concreto em kN/cm2 x4 altura da capa de concreto x5 resistncia do concreto da capa Supondo por exemplo que as variveis sejam:
x1= 21,36cm; x2= 2,63cm2;
Apndice E
260
APNDICE F
Dimensionamento de uma laje com vigota protendida
Apndice F
261
x3
Figura 1. Seo de laje com vigota de concreto protendido, com enchimento e concreto moldado no local
6
x1
x3
6
x5
x4
2 1.5
15
x1
10
13
x2
11
Apndice F
262
otimizao do elemento para uma determinada aplicao: x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm)
otimizao da aplicao para uma determinada seo de vigota: x1 resistncia do concreto moldado no local em kN/cm2 x2 distncia do inter-eixo em cm x3 altura da capa de concreto em cm
otimizao do elemento e da aplicao: x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) x6 resistncia do concreto moldado no local em kN/cm2 x7 distncia do inter-eixo em cm x8 altura da capa de concreto em cm
dois vos: L = 3m e L=4m Protenso limitada Fios de 5mm de dimetro CP 160 RN5
Deve-se salientar que o dimensionamento descrito neste apndice o mesmo apresentado no trabalho de MERLIN (2002).
Apndice F
263
2 CLCULOS INICIAS
a) Caractersticas geomtricas da vigota rea da seo transversal da vigota: Av rea da seo de armadura protendida: Ap rea da seo lquida de concreto: Ac = Av Ap rea da seo homogeneizada: Ach = Ac + p Ap (com p = 10) Centro de gravidade da seo transversal bruta: Y1v Centro de gravidade da seo de amadura protendida: Y1p Centro de gravidade da seo lquida de concreto: Y1c Centro de gravidade da seo homogeneizada: Y1h E portanto, a excentricidade da armadura protendida em relao ao centride da seo lquida de concreto dada por: e p = Y1c Y1p . As caractersticas geomtricas da seo lquida de concreto e da seo homogeneizada da vigota so apresentadas na Figura 3.
yh
Y2c
Y2h
x ep Y1c
Y1h
xh
b) Seo homogeneizada
Os momentos de inrcia em relao ao eixo que passa pelo centride da seo lquida de concreto so: seo transversal bruta: Iv seo de armadura protendida: Ip
Apndice F
264
seo lquida de concreto: Ic = Iv Ip seo homogeneizada: Ich = Ic + p Ip (com p = 10) Com isso, determinam-se os mdulos resistentes: Seo lquida de concreto: W1 = Seo homogeneizada: W1h =
Ic Y1c W2 h = W2 = I ch Y2 h Ic Y2 c
I ch Y1h
Deve-se salientar que se adotou ndice 1 para as variveis que se referem borda inferior e ndice 2 superior. b) Caractersticas geomtricas da laje Para determinar as caractersticas geomtricas da laje, deve-se realizar a homogeneizao da seo. Para isso, multiplicam-se as larguras do concreto moldado no local por:
m= f ck , 2 f ck1
A partir disso, pode-se determinar as caractersticas da seo da laje: rea da seo homogeneizada: Ach Momento de inrcia: Y1h Centro de gravidade: W1h Mdulos resistentes: W2h c) Definio da tenso da armadura de protenso Foi adotado fio de 5mm CP-16. As principais propriedades mecnicas so descritas a seguir. fptk = 160 kN/cm2 fpyk = 136 kN/cm2 Ep = 21000 kN/cm2 onde: fptk resistncia caracterstica ruptura por trao do ao de protenso
Apndice F
265
fpyk limite de escoamento convencional do ao de protenso Ep valor mdio do mdulo de elasticidade do ao de protenso A tenso inicial pi que a fora de protenso Pi introduz nas armaduras ativas, na sada do aparelho de trao, deve respeitar os seguintes valores:
2 0,81f ptk = 129,6 kN/cm Pi 2 0,95f pyk = 129,2 kN/cm
logo: Pi = 129,2 kN/cm2 As perdas imediatas devidas ao escorregamento dos fios na ancoragem, relaxao inicial da armadura e retrao inicial do concreto podem ser adotadas a grosso modo igual a 7% para o caso de ao com relaxao normal, segundo HANAI (1999). Assim: Pa = 93% Pi A tenso inicial da armadura de protenso considerando tambm a perda por deformao imediata do concreto dada por:
P = Pa +
o
Ep Ec
cp onde cp =
Pa (e p ) 2 Pa + A ch I ch
onde cp tenso no concreto ao nvel do baricentro da armadura de protenso, devida a fora Pa pa tenso na armadura de protenso, devida a fora Pa Pa fora da armadura de protenso antes da liberao dos cabos Ach rea da seo transversal homogeneizada da vigota Ich momento de inrcia da seo transversal homogeneizada da vigota; ep excentricidade da armadura protendida As perdas diferidas devidas relaxao posterior da armadura, retrao posterior do concreto e fluncia do concreto so estimadas em 10%. Com isso podese determinar a fora na armadura protendida: Po = x 2 . Po e Poo = x 2 . Poo
Apndice F
266
e) Verificao da vigota na fase de construo Inicialmente, definiram-se as cargas que atuaro sobre os elementos prmoldados durante a fase de construo da laje:
Peso prprio do concreto moldado no local (kN/m): g 2 = A CML cs onde cs =24kN/m3 Sobrecarga de execuo (kN/m2): q exe = 1,0 Carga de utilizao (kN/m2): q = 2,0
Durante a fase de construo da laje, a vigota deve ser capaz de suportar seu peso prprio, trabalhando como viga simplesmente apoiada em ambos os extremos, e as demais cargas, nas mesmas condies ou como viga contnua sobre escoras quando for necessrio dispor apoios intermedirios. Supondo que no utilize escoras, tem-se o seguinte diagrama apresentado na Figura 4 devendo ser satisfeitas as condies:
1 = 2 = M g1 + g 2 + qexe Poo Poo e p f >0 Ac W1 W1h M g1 + g 2 + qexe Poo Poo e p + + f < 0,7f ck Ac W2 W2 h
Apndice F
267
g1+g2+qexe
Mg1+g2+qexe
Figura 4. Diagrama de momento fletor no utilizando escoras
Se os valores resultantes das tenses forem superiores aos limites estabelecidos, devem-se utilizar escoras para diminuir o vo de clculo que ser utilizado na verificao das tenses. A figura mostra o novo diagrama de momento fletor, devendo verificar as seguintes relaes:
1 = M g1 + g 2 + q exe Poo Poo e p + f < 0,7f ck Ac W1 W1h M g1 + g 2 + q exe Poo Poo e p + f >0 Ac W2 W2 h
sobre as escoras:
2 = 1 =
no vo:
2 =
M g1 + g 2 + qexe Poo Poo e p f >0 Ac W1 W1h M g1 + g 2 + qexe Poo Poo e p + + f < 0,7f ck Ac W2 W2 h
g1
g2+qexe
xm
Apndice F
268
Portanto, os valores extremos a serem calculados so (VASCONCELOS (1984)): Momento mximo na seo xm do apoio: mximo momento positivo: M g1 + g 2 + q exe = 4.[g 1 + (g 2 + q exe )] onde x m =
8 g 1 + 3 (g 2 + q exe ) L . g 1 + (g 2 + q exe ) 16 x m L2 . L 8
2
Momento na seo do apoio: mximo momento negativo: M g1 + g 2 + q exe = [g 1 0,25.(g 2 + q exe )].
L2 8
valor caracterstico das cargas permanentes: peso prprio da vigota (g1), peso prprio do concreto moldado no local (g2): qk1 = g1 + g2 valor caracterstico da sobrecarga: carga de utilizao (q), carga de revestimento (g3): qk2 = q + g3
Apndice F
269
a dif =
Flecha instantnea: formada pela flecha produzida por todas as outras cargas posteriores
a inst = 5 (q k 2 ) L4 384E c I chlaje
onde
ainst flecha instantnea adif flecha diferida L vo do painel Ec mdulo de elasticidade do concreto Ichlaje inrcia da seo da laje
Portanto, a flecha final corresponde soma das duas deformaes: atotal = ainst + adif Portanto deve-se respeitar o limite imposto: a total a lim =
L 530
Apndice F
270
g1
g2
g3
d) sobrecarga de revestimento
e) carga de utilizao
Para a verificao do estado limite ltimo para solicitaes normais, inicialmente, ser determinado o valor do momento ltimo da seo composta. Para isso, defini-se os valores de resistncia de clculo dos materiais utilizados. Concreto pr-moldado: f cd ,1 =
f ck ,1 1,3 f ck , 2 1,4
Apndice F
271
f pyk 1,15
Suponha inicialmente que a linha neutra passe pela capa de concreto moldada no local, ou seja, y 4cm. Com esta hiptese, estabelecendo a equao de equilbrio das foras atuantes na seo para Mu positivo, como mostrado na Figura 7, tem-se:
0,85f cd , 2 A c ' = A p f pyd
Ac' y
0,85.f cd2.Ac'
zp inteixo
Como a hiptese assumida valida, deve-se verificar a validez de pd =fpyd, que exige respeitar a relao:
pi + p f pyd Ep
onde
yp
Ap.f pyd
Apndice F
272
p dx
0,0035 x
c = 0,0035
x=y/0,8
d p c = 0,0100
Figura 8. Deformaes da seo composta
po cp
Se caso observar que p > 0,0100, portanto o esgotamento da seo se produzir por alongamento excessivo do bordo tracionado da seo, antes que o bordo comprimido alcance o encurtamento de c igual a 0,0035. Nesse caso podese corrigir o valor de p, de modo que a deformao c fique menor que 0,0100.
p dx = 0,0100 hx
Portanto Md Mu
Apndice F
273
Vd 0,3f cd , 2 .b w .d Vd Vu 2 = 2f cv .b w .d
onde f cv = 0,16 f cd , 2
Alm disso, para que no haja problema com o cisalhamento na interface entre os dois concretos, deve-se verificar ainda:
Vd .u.d.f cv
onde
M1 esforos de flexo na seo antes da solidarizao dos concretos M2 esforos de flexo na seo depois da solidarizao dos concretos
Portanto, as verificaes das combinaes rara e freqente devem respeitar o estado limite de descompresso nas sees 1 e 2.
Apndice F
274
Revista Construo1. Ser apresentada a funo custo para os trs experimentos analisados no Captulo 5 em detalhes. a) otimizao do elemento para uma determinada aplicao As variveis do problema so: x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) Os dados considerados para este experimento foram: inteixo = 0,30m hcapa = 5cm fck,2 = 20MPa I) CUSTOS DE EXECUO (R$/m2) A.Custos da matria-prima: Concreto (Tcustconc): A rea de concreto da vigota (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_material = 179,78 R$/m3 Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 8,35 R$/m3
material:
Ac Ac = 179,78 10000. int ereixo 10000. int ereixo Ac Ac = 4,4 10000. int ereixo 10000. int ereixo
mo-de-obra: equipamentos:
1
Apndice F
275
Armadura (Tcustarm): Deve-se salientar que as variveis x4 e x5 no introduzem nenhum custo adicional funo custo. Entretanto, neste trabalho, introduziu-se essas variveis na obteno da funo custo, somente com o objetivo de retratar todas as variveis envolvidas na soluo do problema. A equao
x 1 .cg 1 + x 2 .cg 2 + x 3 .cg 3 introduz tais variveis sem 3
alterar quantitativamente o resultados final, pois a diviso tende ao valor da varivel Ap (x1 + x2 + x3). Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_material = 2,5 R$/kg Custo_mo_de_obra = 0,25 R$/kg Custo_equipamento = 0,07 R$/kg ( x 1 + x 2 + x 3 ) 2,75 ( x 1 + x 2 + x 3 ) = int eixo int eixo 1,1 ( x 1 + x 2 + x 3 ) 0,275 ( x 1 + x 2 + x 3 ) = int eixo int eixo
material:
0,16. int eixo 0,00144. int eixo 0,00144. int eixo = = 1,1( x 1 + x 2 + x 3 ) ( x 1 + x 2 + x 3 ) x 1 .cg 1 + x 2 .cg 2 + x 3 .cg 3 3
Enchimento (Tcustenc): A rea de concreto da vigota (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_material = 2,0 R$/m3 Custo_mo_de_obra = 2,2 R$/m3 Custo_equipamento = 1,0 R$/m3
Apndice F
276
material:
cust c1 = custo _ material . int ereixo = 2,0. int ereixo cust c 2 = custo _ mo _ de _ obra . int ereixo = 2,2. int ereixo cust c3 = custo _ equipamento . int ereixo = 1,0. int ereixo
mo-de-obra: equipamentos:
B. Custos adicionais (Tcustadc): Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 1,67 R$/m3
Ac Ac = 4,4 10000. int ereixo 10000. int ereixo Ac Ac = 1,67 10000. int ereixo 10000. int ereixo
D. Custos tributrios (custtrib) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
c_tributario = 115,00 R$/m3 cust trib = c _ tributario Ac Ac = 115,00 10000. int ereixo 10000. int ereixo
II) CUSTOS DE TRANSPORTE EXTERNO (R$/m2) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_transp = 52 R$/m3
Apndice F
277
servios:
III) CUSTOS DA APLICAO (R$/m2) A. Custos da montagem do painel alveolar (Tcustmon) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_cimb = 6,0 R$/m3
B. Custos do concreto da capa (Tcustcapa) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_material = 136,13 R$/m3 custo_mo_de_obra = 104,20 R$/m3 custo_equipamento = 8,35 R$/m3
h capa 100
h capa 100
= 8,35
C. Custos da armadura complementar (Tcustarmc) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_material = 1,13 R$/kg
Apndice F
278
Material: mo-de-obra:
Portanto, os vrios custos envolvidos na produo de uma laje com vigota protendida foram somados e a expresso final da funo em R$/m2 : f(x) = 31,55 ln(x 1 ) + 11,93( x 1 + x 2 + x 3 ) + onde x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) b) otimizao da aplicao para uma determinada vigota As variveis do problema so: x1 altura da capa de concreto (cm) x2 resistncia da capa de concreto (kN/cm2) x3 distncia do intereixo (cm) Os dados considerados para este experimento foram: Ap = 0,785 cm2 fck,1 = 45MPa
0,173 ( 2 x 1 + x 2 ( x 4 +2) + x 3 ( x 4 + x 5 + 2))
Apndice F
279
I) CUSTOS DE EXECUO (R$/m2) A.Custos da matria-prima: Concreto (Tcustconc): A rea de concreto da vigota (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_material = 185,63 R$/m3 Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 8,35 R$/m3
material:
mo-de-obra: equipamentos:
material:
Ap x3
Apndice F
280
Enchimento (Tcustenc): A rea de concreto da vigota (Ac) est em cm2, portanto dividiu-se a rea por 10000, com o objetivo de transform-la para m2. Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_material = 2,0 R$/m3 Custo_mo_de_obra = 2,2 R$/m3 Custo_equipamento = 1,0 R$/m3
material:
mo-de-obra: equipamentos:
B. Custos adicionais (Tcustadc): Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_equipamento = 1,67 R$/m3
D. Custos tributrios (custtrib) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Apndice F
281
II) CUSTOS DE TRANSPORTE EXTERNO (R$/m2) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_transp = 52 R$/m3
servios:
Ac Ac = 52 10000.x 3 10000.x 3
III) CUSTOS DA APLICAO (R$/m2) A. Custos da montagem do painel alveolar (Tcustmon) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
Custo_mo_de_obra = 4,4 R$/m3 Custo_cimb = 6,0 R$/m3
B. Custos do concreto da capa (Tcustcapa) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_material = (24,75.x2+74,25) R$/m3 custo_mo_de_obra = 52,50 R$/m3 custo_equipamento = 8,35 R$/m3
Material:
Apndice F
282
mo-de-obra: equipamentos:
C. Custos da armadura complementar (Tcustarmc) Os insumos apresentados no Captulo 5 e utilizados nesta seo so os seguintes:
custo_material = 1,13 R$/kg custo_mo_de_obra = 0,11 R$/kg 0,245(A d1 + A d 2 ) 0,245(A d1 + A d 2 ) = 1,13 0,312 0,312
Material: mo-de-obra:
Portanto, os vrios custos envolvidos na produo de um painel alveolar com capa de regularizao foram somados e a expresso final da funo em R$/m2 : f(x) =
669,376 + 1,552 x 1 + 0,012 x 1 ( 24,75 x 2 + 74,25) + 0,0592 x 3 x3
onde x1 altura da capa de concreto em cm x2 resistncia do concreto moldado no local em kN/cm2 x3 distncia do intereixo em cm c) otimizao do elemento e da aplicao
Apndice F
283
Esse item considerou as mesmas variveis apresentadas em a). Considerou-se alm das cinco variveis definidas em a), mais trs: resistncia da capa de concreto, distncia do intereixo e altura da capa de concreto. A somatria dos custos envolvidos definida como se segue: f(x) =
335,78( x 1 + x 2 + x 3 ) 473,42 + 1,552 x 8 + 0,012 x 8 (24,75 x 6 + 74,25) + + x7 x7
onde x1 armadura nvel 1 (cm2) x2 armadura nvel 2 (cm2) x3 armadura nvel 3 (cm2) x4 distncia da armadura do nvel 2 (cm) x5 distncia da armadura no nvel 3 (cm) x6 resistncia do concreto moldado no local em kN/cm2 x7 distncia do inter-eixo em cm x8 altura da capa de concreto em cm