23 Congresso Brasileiro de Engenharia Sanitria e Ambiental

II-252 - DIMENSIONAMENTO OTIMIZADO DE REDES DE ESGOTOS SANITRIOS COM A UTILIZAO DE ALGORITMOS GENTICOS
Luis Fernando de Souza Gameiro(1) Engenheiro Civil pela Universidade de Campinas / UNICAMP e Mestre em Tecnologias Ambientais pela Universidade Federal de Mato Grosso do Sul. Engenheiro de Projetos da Empresa de Saneamento de Mato Grosso do Sul. Robert Schiaveto de Souza Engenheiro Civil pela Universidade Federal de Mato Grosso do Sul e Doutor em Hidrulica e Saneamento pela Escola de Engenharia de So Carlos / USP. Professor Adjunto do Departamento de Hidrulica e Transportes do Centro de Cincias Exatas e Tecnologia da Universidade Federal de Mato Grosso do Sul. Mauro Polizer Engenheiro Civil pela Escola de Engenharia de Lins e Mestre em Tecnologias Ambientais pela Universidade Federal de Mato Grosso do Sul. Professor Titular do Departamento de Hidrulica e Transportes do Centro de Cincias Exatas e Tecnologia da Universidade Federal de Mato Grosso do Sul. Jorge Luiz Steffen Engenheiro Civil pela Universidade Federal de Mato Grosso do Sul e Doutor em Hidrulica e Saneamento pela Escola de Engenharia de So Carlos / USP. Professor Adjunto do Departamento de Hidrulica e Transportes do Centro de Cincias Exatas e Tecnologia da Universidade Federal de Mato Grosso do Sul. Endereo(1): Rua Jos Antonio Pereira, 2609 - Apt. 1101 - Bairro Monte Castelo - Campo Grande - MS CEP: 79010-190 - Brasil - Tel: (67) 345-7497 - Fax: (067) 345-7450 - e-mail: rssouza@nin.ufms.br RESUMO Este trabalho apresenta um modelo hidrulico de otimizao para o dimensionamento de mnimo custo de redes de esgotos, utilizando a tcnica dos algoritmos genticos. A eficincia e a robustez do modelo proposto, e o comportamento e as variaes da tcnica dos algoritmos genticos foram avaliados atravs dos resultados obtidos em relao convergncia e qualidade do conjunto final de solues. O modelo proposto demonstrou-se apropriado para o dimensionamento de redes de esgotos, e a tcnica dos algoritmos genticos mostrou-se uma ferramenta eficaz na obteno do projeto otimizado. PALAVRAS-CHAVE: Esgotamento Sanitrio, Algoritmos Genticos, Otimizao de Projetos.

INTRODUO Um sistema de esgotos sanitrios definido como um conjunto de obras e instalaes destinadas a propiciar a coleta, afastamento, tratamento e disposio final dos esgotos, de forma contnua e sem riscos para a sade. O custo da rede coletora de esgotos constitui em uma parcela significativa do custo total de implantao de um sistema completo de esgotos sanitrios, portanto uma quantia substancial de recursos financeiros pode ser economizada com a melhoria do projeto da rede coletora. Os recursos financeiros alocados pelos rgos pblicos para investimentos em programas de saneamento bsico so limitados, o que torna necessrio buscar o mximo aproveitamento do capital investido. A otimizao de custos de redes coletoras de esgotos uma das maneiras de ampliar os benefcios e garantir o atendimento de uma parcela maior da populao. prtica comum promover a reduo de custos destes sistemas atravs dos custos de construo, com a utilizao de materiais mais econmicos, novos equipamentos e novas tcnicas. No entanto, na fase de dimensionamento das redes, onde so definidos parmetros de fundamental importncia na composio de custos das mesmas, como profundidade de valas e dimetros de coletores, de modo geral, pouca ateno dada determinao de redes econmicas. Aos projetistas, a utilizao de microcomputadores permitiu a anlise de vrias alternativas de traado, devido possibilidade de automatizar as rotinas de clculo hidrulico. Uma fase seguinte foi a otimizao de rede procurando o par, dimetro e profundidade, que resultasse em menor custo.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Vrios modelos matemticos tem sido desenvolvidos para a otimizao de redes esgotos, e um grande nmero de aperfeioamentos tem sido feito nas ltimas dcadas: Liebman (1967), Dajani (1971), Velon (1971), Dajani et al. (1972), Dajani e Gemmel (1973), Argaman et al. (1973), Merrit e Bogan (1973), Walsh e Brown (1973), Dajani e Hasit (1974), Mays e Yen (1975), Dajani et al. (1977), Braga (1982), Kulkarni e Khanna (1985), Desher e Davis (1986), Elimam et al. (1989), Charalambous e Elimam (1990), e Magalhes (1995). O desenvolvimento de modelos que permitem a avaliao do comportamento hidrulico da rede de forma bastante gil possibilitou tambm o desenvolvimento de tcnicas de otimizao de projetos e de operao das redes de esgotos. Entre estas tcnicas destaca-se a aplicao dos algoritmos genticos (AGs), que tm se mostrado um eficiente mtodo para a soluo de problemas no lineares de otimizao (Goldberg, 1989). Os algoritmos genticos (AGs), que so provavelmente o tipo mais conhecido de programao evolucionria, so definidos como tcnicas de otimizao estocsticas, que imitam matematicamente os mecanismos de evoluo natural das espcies, compreendendo processos da gentica das populaes e da sobrevivncia e adaptao dos indivduos (Gen e Cheng, 1997). Este mtodo tem sido amplamente estudado no caso de otimizao de projetos de redes, buscando-se modificar ou aperfeioar o processo visando maior rapidez na obteno de solues que iro convergir para resultados satisfatrios. A proposta deste trabalho a otimizao de projetos de redes de esgotos a partir da tcnica dos algoritmos genticos. A pesquisa tem como objetivo desenvolver e implementar um modelo hidrulico de otimizao para o dimensionamento de mnimo custo de redes de esgotos, avaliando o comportamento e as variaes da tcnica dos algoritmos genticos. Visa, tambm, avaliar comparativamente a eficincia e a robustez do modelo proposto atravs de diversas simulaes, analisando os resultados em relao convergncia, qualidade do conjunto final de solues e a soluo tima obtida.

FORMULAO HIDRULICA Diversos aspectos podem ser considerados na avaliao de um projeto, tais como possibilidades de ampliao, flexibilidade na operao, confiabilidade do atendimento e qualidade da gua. No entanto, os custos de construo so o critrio de maior relevncia na verificao da viabilidade de um empreendimento. O problema da otimizao no linear, pois alm de atender aos critrios de avaliao propostos, deve satisfazer as condies hidrulicas de funcionamento do sistema, tais como vazo transportada, velocidade mxima e mnima de escoamento, lminas mnimas e mximas e tenso mdia de cisalhamento. Tubos para coleta de esgotos so fabricados em uma srie de valores discretos de dimetros, o que introduz uma dificuldade adicional busca do projeto timo. Os algoritmos genticos vasculham o espao de busca, escolhendo aleatoriamente solues, que sero combinadas sucessivamente, tendo seus resultados melhorados gerao a gerao atravs da imitao de mecanismos biolgicos. Como nos condutos forados, os clculos em canais abertos esto baseados em equaes de resistncia, equaes que ligam a perda de carga em um trecho velocidade mdia, ou vazo, atravs de parmetros geomtricos e da rugosidade do permetro molhado (equao de Chzy):
Q = CA R h I 0

equao (1)

onde Q a vazo, A a rea molhada, R h o raio hidrulico e I 0 a declividade do fundo do canal. Diferentes frmulas de origem emprica so propostas para o clculo do coeficiente C de Chzy, ligando-o ao raio hidrulico da seo. Uma relao simples, e atualmente a mais empregada, obtida da anlise de resultados experimentais considerando o coeficiente de rugosidade n de Manning da forma:
C= R h1/ 6 n

equao (2)

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Substituindo a equao (2) na equao (1), temos:

nQ I0

= AR h 2 / 3

equao (3)

A equao (3) denominada frmula de Manning, vlida para os escoamentos permanentes, uniformes e turbulentos rugosos, com grande nmero de Reynolds. Os parmetros do termo do lado esquerdo da equao fundamental para clculo de canais em regime uniforme, equao (3), so necessrios para o dimensionamento da seo, enquanto o lado direito meramente geomtrico. Deste modo, o clculo de canais em regime uniforme predominantemente um problema geomtrico (Porto, 1999). Para uma seo transversal de forma conhecida, pode ser definida uma varivel , como sendo uma dimenso caracterstica da seo, em funo da qual so dadas as outras dimenses para que se possa desenhar a seo. sempre possvel expressar a rea molhada da seo e o raio hidrulico da mesma em funo de , na forma:
A = 2

equao (4) equao (5)

R h =

onde e so chamados parmetros de forma da seo e uma dimenso caracterstica da seo. Fixada a forma geomtrica da seo do canal, e so determinados e valem para uma infinidade de sees de mesma forma geomtrica. Substituindo as equaes (4) e (5) na frmula de Manning (equao 3), temos:

nQ I0 nQ I0

= 2 ( ) 2 / 3

equao (6)

= ( 2 / 3 )8 / 3

equao (7)

A partir da equao (7) podemos expressar a partir de dois coeficientes, o primeiro denominado coeficiente de forma, que considera as caractersticas geomtricas da seo, e o segundo denominado coeficiente dinmico que considera os demais parmetros de dimensionamento, conforme as equaes (8) e (9):

K = 2 / 3

38

equao (8)

nQ M= I 0

38

equao (9)

onde M o coeficiente dinmico, e K coeficiente de forma, resultando:

= M K

equao (10)

O valor do coeficiente de forma K da seo pode ser calculado e tabelado para diversas formas geomtricas usadas em projetos de canais. Para as sees circulares, utilizadas usualmente em projetos de redes de esgotos sanitrios, um desenvolvimento adimensional anlogo pode ser realizado. Sendo a dimenso caracterstica da seo circular escolhida como sendo o dimetro da seo D, tem-se:

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental

=D

equao (11)

Pode-se determinar os parmetros de forma a partir das equaes (4) e (5) como sendo:
A = D 2 = D 2

( sen) = ( sen)
8 8

equao (12)

R h = D = D

(1 sen / ) = (1 sen / )
4 4

equao (13)

E o coeficiente de forma da seo circular ( K 1 ) dado por:

K 1 =

2/ 3 3/8

2/ 3 ( sen ) (1 sen / ) = 8 4

3/8

equao (14)

Assim, substituindo na equao (10), a equao (11) e o coeficiente K 1 referentes a seo circular, de modo condensado, temos:
D= M K1

equao (15)

MODELO DE OTIMIZAO Considere uma rede de esgotos com as seguintes quantidades: NS de poos de visita de montante na rede; NL de trechos na rede; NM de poos de visita (pode ser expresso tambm como NL+1); e Ei como conjunto de todos os trechos que contribuem ao poo de visita i. A figura 1 mostra a geometria de dois trechos consecutivos, bem como a definio de muitas variveis e parmetros usados na formulao. Todas elevaes so medidas sempre em relao ao mesmo nvel referncia e Di, UCi, DCi, GLi, so dimetro da tubulao, elevao do coletor a montante, elevao do coletor a jusante e elevao do terreno a montante do trecho i, respectivamente. Funo Objetivo O custo total de uma rede de esgotos CT apresentado por Elimam et al. (1989) dado pela equao (16).
C T = C C + C PV

equao (16)

onde C C o custo dos coletores e C PV o custo dos poos de visita que so definidos pelas equaes (17) e (18) respectivamente.
NL p q C c = a ij D j h i L k k = 1 i = 0 j= 0

equao (17)

onde NL o nmero de trechos; a ij um coeficiente obtido atravs de regresso linear; p e q so parmetros que dependem do grau do polinmio utilizado na regresso; e ainda D, h, L, dimetro, profundidade mdia e o comprimento do trecho respectivamente.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Figura 1: Geometria de dois trechos consecutivos de uma rede de esgotos.
GLi GLi +1 GLi +2
PV i PV i +1
T r ech oi

Di

Trec ho i +1

UCi DCi

Di +1 UCi +1 DCi +1

O modelo consiste de uma funo objetivo que inclui custo de materiais, escavao, poos de visitas, bem como as restries.

C PV =

NL +1 k =1

C PVk

equao (18)

onde C PV custo total dos poos de visita; NL+1 o nmero de poos de visita; C PVk custo unitrio do poo de visita k. Baseado nos dados observados por Charalambous e Elimam (1990), a expresso de custos a seguir representa a funo objetivo a ser minimizada:
NL 3 3 NL + 1 C T = a ij D k j h k i L k + C PVK k = 1 i = 0 j= 0 k =1

equao (19)

Os coeficientes de custos a ij , so determinados por regresso usando dados fornecidos por Elimam et al. (1989) e tambm por Magalhes (1995). Restries A seguir so apresentadas as restries a serem satisfeitas no modelo desenvolvido: - para todos os trechos da rede devem ser estimadas as vazes de incio e fim de plano ( Q i e Q f ) e a continuidade da vazo deve ser mantida em todos os poos de visita. - as lminas dgua (y / D ) , devem ser sempre calculadas admitindo o escoamento em regime uniforme e permanente, sendo o seu valor mximo, para vazo fim de plano, igual ou inferior a 75% do dimetro do coletor. - a tenso mdia de cisalhamento ( 0 ), dever ser superior a 1,0 Pa, calculada sempre com o valor da vazo de incio de plano (Q i ) e atendendo a uma lmina mnima de 20% do dimetro do coletor. - no caso da vazo mnima (Q min ) , apesar da recomendao da NBR 9649 ser 1,5 L/s em qualquer trecho, ser utilizado o valor de 2,2 L/s, pois foi o valor adotado por Braga (1982) e Magalhes (1995), para permitir comparao dos resultados.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental - o dimetro mnimo (D min ) a ser empregado no poder ser inferior ao dimetro nominal (DN) 150 mm (Braga (1982), Magalhes (1985)), apesar da NBR 9649 admitir dimetros a partir de 100mm.
D i D min ,
i = 1,..., NL

equao (20)

- o limite para velocidade mdia de escoamento na tubulao de 5,0 m/s. - quando a velocidade final for maior que a velocidade crtica, a maior lmina admissvel de 50% do dimetro do coletor.

v c = 6(gR h ) 0,5
onde v c a velocidade crtica e g a acelerao da gravidade.

equao (21)

- a cota do fundo da tubulao de sada nos poos de visita ser tal que o nvel dgua seja menor ou igual ao nvel mais baixo nas tubulaes de entrada, para as vazes de final de plano. - o recobrimento mnimo (AC min ) a ser considerado de 1,20m.
GL i UC i AC min ,
i = 1,..., NM

equao (22)

- a profundidade mxima da vala AD mx de 6,0m, isto , o dimetro acrescido do recobrimento no poder exceder 6,0m.
GL i (UC i D i ) AD max ,
i = 1,..., NM

equao (23)

- ligando as restries entre os trechos de entrada e sada de um poo de visita i; a elevao da geratriz superior do trecho de sada dever ser menor ou igual que a elevao da geratriz superior do trecho de entrada:

UC i +1 DC j ,

i = NS,..., NL - 1 e

j E i +1

equao (24)

- a elevao do fundo do trecho de chegada dever ser maior ou igual do que a elevao do fundo do trecho de jusante:
UC i +1 D i +1 DC j D j ,
i = NS,..., NL - 1 e

j E i +1

equao (25)

ALGORITMOS GENTICOS Os Algoritmos Genticos (AGs) so mtodos de busca estocstica que imitam matematicamente os mecanismos de evoluo natural da espcie. Diferem das tcnicas de busca convencionais, pois iniciam o processo gerando um conjunto inicial de solues possveis, aleatoriamente, denominadas como populao. Cada indivduo desta populao intuitivamente denominado cromossomo e constitui uma representao completa de soluo para o problema. O cromossomo um string, cujas caractersticas ou genes podem ser codificadas atravs de representao binria ou real. Os cromossomos tendem a evoluir-se gradativamente, atravs de sucessivas iteraes, produzindo novas geraes de indivduos, mais aptos ou capazes em termos da funo de aptido (Gen e Cheng, 1997). Durante cada gerao, os cromossomos so avaliados atravs da funo objetivo e de aptido, que permite sua classificao e ordenao enquanto soluo. Uma nova gerao formada pelo processo de seleo, segundo a qual os cromossomos que resultem em altos valores da funo objetivo e/ou aptido, possuam elevada probabilidade de serem preservados para a prxima

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental gerao. Em seguida, baseado na aptido dos indivduos, os melhores so selecionados para serem recombinados e mutados para que seja obtida a gerao seguinte. Tamanho da Populao e Nmero de Geraes O tamanho da populao (N) afeta tanto o desempenho como a eficincia dos algoritmos genticos. Ao se adotar uma populao pequena o desempenho insatisfatrio, pois a mesma no capaz de fornecer um exemplo apropriado do espao de busca (Grefenstette, 1986). Uma grande populao, apesar de desejvel por evitar a convergncia prematura a uma soluo sub-tima, pode resultar em tempo de processamento inaceitvel com uma taxa de convergncia excessivamente lenta. O tamanho da populao pode variar entre 10 e 500 indivduos, com incrementos de 50 unidades. Neste experimento, tomando por base os trabalhos de Savic e Walters (1997), que utilizou uma populao de 50 elementos em suas simulaes, foram realizadas simulaes para populaes variando entre 50 e 500 indivduos. Critrio de Parada Existem vrios critrios de parada para os algoritmos. Um critrio de parada fixar um nmero de geraes e considerar o melhor resultado desta gerao. Este foi o critrio utilizado por Savic e Walters (1997) e tambm o critrio utilizado neste trabalho. Para definir o numero ideal foram testadas simulaes com 150 a 2000 geraes. Probabilidade de Recombinao A probabilidade de recombinao ( Pc ) controla a freqncia com a qual o operador de recombinao aplicado. Em cada nova gerao (N Pc ) elementos sofrem recombinao. Quanto mais altas a taxa de recombinao, mais rapidamente novas estruturas so introduzidas na populao. Se uma taxa de recombinao excessivamente alta, elementos de bom desempenho so descartados mais rapidamente do que a seleo pode produzir aprimoramentos. Ainda se a taxa muito baixa a busca pode estagnar devido uma baixa taxa de explorao. Grefenstett (1986) sugere uma variao entre 0,25 e 1,00 com incrementos de 0,05. Neste trabalho foram aplicados e avaliados valores de Pc ( 0,60; 1,00 ) sugerido por Savic e Walters (1997). Probabilidade de Mutao Mutao o operador de busca secundrio que acelera a variabilidade populacional. Aps a seleo, cada indivduo poder sofrer uma alterao aleatria em um de seus componentes, sendo a probabilidade de ocorrncia da mesma considerada igual a Pm . sugerido por Grefenstett (1986) uma variao entre 0,0 e 1,0. Neste trabalho porm sero feitas simulaes que estabelece Pm (0;0,3) . Estratgia de Seleo So definidas duas estratgias de seleo, a seleo pura e a elitista. Na seleo pura, a escolha dos indivduos e o nmero de vezes que o mesmo ser recombinado, obedecem a uma relao direta com o seu desempenho. Na estratgia elitista, os melhores indivduos de uma gerao passam para a seguinte. Neste trabalho foram simuladas e comparadas as duas estratgias. Restries e Penalidades Gen e Cheng (1997) discutem que o problema central, para aplicao de algoritmos genticos na otimizao a definio do critrio de considerao das restries, e levantam propostas para trabalhar com elas. Tambm Michalewicz (1992) abordou com nfase este assunto. A tcnica de penalidade a tcnica mais comum utilizada para trabalhar solues infactveis nos AG's, considerando problemas com restries (Gen e Cheng, 1997). Esta foi a estratgia utilizada neste trabalho pois faz com que um problema com restries seja tratado como sem restries, pela associao de uma funo penalidade. Estas funes so incorporadas funo objetivo gerando uma nica funo a ser otimizada. A incluso da penalidade na validao da funo objetivo, equao (19), utilizada neste trabalho, apresentada na equao (26).

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental

NL 3 3 NL +1 j C T = a ij D k h k i L k + C PVK k = 1 i = 0 j= 0 k =1 NL NL + p1 max[y k / D k 0,75;0] + p 2 max[1,00 k ;0] k =1 k =1

equao (26)

onde p1 e p 2 so os fatores que multiplicam a penalidade. A expresso max[y k / D k 0,75;0] indica que ser considerado o valor mximo obtido entre ( y k / D k 0,75 e 0) e assim sucessivamente. Os fatores p1 e p 2 que multiplicam a penalidade so escolhidos de forma a conduzir os valores nominais de penalidades mesma escala dos custos bsicos da rede. O maior problema ao determinar o termo penalidade justamente conseguir um equilbrio entre a preservao de informaes (aproveitar solues infactveis) e a presso de seleo (rejeitar algumas solues).

RESULTADOS E DISCUSSES Com o objetivo de testar e avaliar o desempenho dos algoritmos genticos e a eficincia do modelo hidrulico proposto, a tcnica foi aplicada para a obteno de um projeto de mnimo custo para uma rede exemplo (figura 2). Esta rede exemplo consiste de uma configurao hipottica, composta de 18 trechos e 19 poos de visita, descrita inicialmente por Braga (1982), e tambm utilizada por Magalhes (1995) em seus trabalhos, e os dados so apresentados na tabela 1. Na rede exemplo, as variveis de deciso do problema so os dimetros e as declividades dos 18 trechos de tubulao, que podem assumir cada um, qualquer dos 7 dimetros discretos relacionados na tabela 2, e que variam de 150 a 450mm e tambm 7 declividades discretas relacionadas na tabela 3, que variam de 0,003 a 0,009 m/m, com incremento de 0,001.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Figura 2: Rede exemplo.

7
4-2

3 6 11
2-2

90

3-2

2 10
100

90
2 8- 8 80

5-2 7 9

1-2 1

100

2
10-2

80

12

60 9
9-2

8-4

10

3
80

11
80

4
10-4

13

15
6-2

9-4

4
90

12 14
80

10-6 5

80
11-2

6
12 -2

90

90 18 15

7-2 16

13 16
80
80

14

70 17
13-2

12-4 17

N
18

Trecho
19

O agrupamento dos dados visa o desenvolvimento de uma funo custo para clculo da rede coletora. Nesta funo desenvolvida, esto inclusos: os custos de canteiro de obras; servios tcnicos; servios preliminares; escavao em qualquer terreno exceto rocha; transporte de material escavado; jazida do material do aterro; assentamento; fornecimento de material; aterro sem controle do grau de compactao; fundaes com solo da prpria vala. Neste estudo, o mtodo dos algoritmos genticos foi aplicado utilizando-se nmeros reais para a representao dos indivduos ou cromossomos, e para que os mesmos sejam gerados foram obtidos aleatoriamente nmeros inteiros variando de 1 a 7 e que correspondem a cada um dos dimetros e de cada declividades disponveis. Assim ser criado um indivduo x = (D1 , S1 , D 2 , S 2 , D 3 , S 3 , D 4 , S 4 ......., D17 , S17 , D18 , S18 ) onde D1 a D18 so os dimetros e S1 a S18 so as declividades dos trechos 1 a 18. Existem diversas possibilidades de implementao dos AG's em termos da sistemtica de representao das solues (binria ou real), nmero de indivduos da populao, nmero de iteraes, estratgias de seleo, probabilidades de recombinao e mutao. A definio de cada um destes critrios foi feita atravs de anlise comparativa e grfica a partir de diversas simulaes. O primeiro parmetro definido foi a estratgia de seleo, que neste trabalho foi a elitista conforme os resultados apresentados na figura 3, onde as simulaes com a estratgia elitista apresentaram resultados melhores. Como pode-se notar, a simulao sem elitismo levar um nmero bem maior de iteraes para obter um resultado igual a com elitismo. Com 50 iteraes com elitismo, j se obteve resultado melhor que para 2000 iteraes sem elitismo.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

60

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Tabela 1. Dados da rede exemplo. Trecho L (m) n*

Q i (m3/s)

Q f (m3/s)

Cota J (m) 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200

Cota M (m) 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200

1-2 100 0,013 0,002200 0,004000 2-2 100 0,013 0,002200 0,004000 10-2 80 0,013 0,005600 0,011200 10-4 90 0,013 0,007400 0,014000 10-6 80 0,013 0,009000 0,018000 3-2 80 0,013 0,002200 0,003200 4-2 90 0,013 0,002200 0,003600 5-2 90 0,013 0,002200 0,003600 8-2 80 0,013 0,005200 0,011200 8-4 60 0,013 0,006400 0,012800 9-2 80 0,013 0,009600 0,019200 9-4 80 0,013 0,010400 0,020800 11-2 80 0,013 0,021800 0,0436000 6-2 90 0,013 0,002200 0,003600 7-2 90 0,013 0,002200 0,003600 12-2 80 0,013 0,005200 0,010400 12-4 70 0,013 0,00660 0,013200 13-2 60 0,013 0,02960 0,059200 * n o coeficiente de Manning. Fonte: MAGALHES (1995) adaptada. Tabela 2: Dimetros discretos. Dimetros (mm) 1 150 2 200 3 250 4 300 5 350 6 500 7 450

Tabela 3: Declividades discretas. Declividades (m/m) 1 0,003 2 0,004 3 0,005 4 0,006 5 0,007 6 0,008 7 0,009

Figura 3: Simulao para definio da estratgia de seleo a ser utilizada.

180000 Com Elitismo Valor da Funo Objetivo Mnima (US$) 170000 160000 150000 140000 130000 120000 110000 100000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 Sem Elitismo

Nmero de Geraes

Foram realizadas, ento, simulaes para obter o nmero de elementos da populao e o nmero de geraes a serem utilizados.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

10

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Para definir o nmero de geraes, foram realizadas vrias simulaes com 2000 geraes cada uma, onde se observou decrscimo no valor mnimo da funo objetivo at a gerao de nmero 700, aproximadamente. A figura 4 mostra uma representao tpica de uma simulao com 300 elementos de populao e 2000 geraes. Baseando-se nestas consideraes, concluiu-se serem suficientes 1000 geraes para obteno de resultados satisfatrios. Para definio do nmero de elementos da populao (N) foram realizadas simulaes com a populao variando de 50 a 500 elementos com incrementos de 50 elementos. Foram realizadas 3 simulaes para cada valor de populao e considerado o valor mdio obtido. Foi observado que, com populaes abaixo de 100 elementos, no foram obtidos valores satisfatrios da funo objetivo, ver figura 5. Figura 4: Simulao tpica com 2000 geraes (rede exemplo).
160000 V alor da Funo Objetivo Mnima (US$)

150000

140000

130000

120000

110000

100000 0 1000 1200 1400 1600 1800 2000 200 400 600 800
250 300

Nmero de Geraes

Foram obtidos valores satisfatrios com uma populao a partir 100 elementos. A ampliao da populao s apresentou melhora significativa na qualidade da soluo encontrada por volta de 300 elementos, quando as 3 simulaes deram uma mdia de US$ 108.205 e atingiu a um mnimo de US$ 107.198. Aps 300 elementos no houve melhora nos resultados, ficando sempre oscilando em torno US$ 108.000, portanto no havendo melhoria e aumentando o tempo de processamento desnecessariamente. Adotou-se portanto, uma populao de 300 elementos para este experimento. Figura 5: Variao do valor da funo objetivo mnima com o nmero de elementos da populao.
Valor da Funo Objetivo Mnima (1000 US$) 120

115

110

105

100 100 150 200 350 400 450 Nmero de Elementos da Populao 500 50 0

A probabilidade de recombinao dos elementos selecionados que resultou em melhores resultados foi a taxa de recombinao Pc = 0,90 . Tambm foram testados probabilidades de recombinao variando de 0,60 0,95; variando em 0,05 em 0,05. O valor da probabilidade de mutao foi considerado de 0,30, pois analisando os resultados das simulaes e sua convergncia, verificou-se que nas primeiras 200 geraes, ocorreu uma queda rpida do custo mnimo at o patamar de aproximadamente US$ 115.000, independente do valor da taxa de mutao considerado, indicando que nesta etapa o processo dominado pela seleo e pela recombinao. A partir deste patamar, o ABES - Associao Brasileira de Engenharia Sanitria e Ambiental 11

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental processo comea a sofrer maior influncia do valor utilizado para a probabilidade de mutao. As simulaes com melhores resultados foram aquelas com probabilidade de mutao mais alta, em torno de 0,30. A avaliao dos efeitos da mutao foi bastante importante. A partir do patamar de 500 geraes, a recombinao tende a repetir elementos sendo significativo o efeito da mutao para propiciar elementos novos e auxiliar a recombinao. Por ser um problema com restries, foi utilizada a estratgia de penalidades para se obter as solues factveis. A penalidade na validao da funo objetivo, utilizada neste trabalho, apresentada conforme a equao (27), possuindo dois termos, um para penalizar a lmina e outro para penalizar a tenso mdia de cisalhamento:

P = p 1 max[y k / D k 0,75;0] + p 2 max[1,00 k ;0]

k =1

NL

equao (27)

Tabela 4: Conjunto de solues otimizadas obtidas para a rede exemplo.

Soluo tima Trecho L (m)
Braga (1982)

Soluo tima
Magalhes(1995)

Soluo tima D (mm) 150 150 200 200 200 150 150 200 200 150 200 200 250 150 150 150 150 300 Decliv (m/m) 0,005 0,005 0,004 0,004 0,005 0,004 0,004 0,003 0,003 0,005 0,005 0,007 0,007 0,005 0,007 0,006 0,009 0,007

Soluo 1 D (mm) 150 150 200 200 200 150 150 200 200 150 200 200 250 150 150 150 200 300 Decliv (m/m) 0,005 0,004 0,003 0,004 0,008 0,004 0,004 0,003 0,005 0,004 0,004 0,006 0,008 0,006 0,005 0,007 0,006 0,007

Soluo 2 D (mm) 150 150 200 200 200 150 150 200 200 150 200 250 250 150 150 150 200 300 Decliv (m/m) 0,004 0,005 0,005 0,003 0,007 0,005 0,005 0,004 0,004 0,005 0,004 0,003 0,008 0,006 0,006 0,008 0,005 0,006

Soluo 3 D (mm) 150 150 200 200 200 150 150 150 200 150 200 200 250 150 150 150 200 300 Decliv (m/m) 0,008 0,007 0,003 0,003 0,004 0,006 0,006 0,006 0,003 0,007 0,004 0,007 0,007 0,006 0,008 0,007 0,006 0,006

1 100 2 100 3 80 4 90 5 80 6 90 7 90 8 80 9 60 10 80 11 80 12 80 13 80 14 90 15 90 16 80 17 70 18 60 Custo Total (US$)

D (mm) 150 150 150 200 200 150 150 150 150 150 250 250 250 150 150 150 150 250

Decliv (m/m) 0,006 0,006 0,008 0,003 0,002 0,006 0,006 0,008 0,003 0,006 0,002 0,004 0,031 0,006 0,006 0,008 0,003 0,013

D (mm) 150 150 150 200 200 150 150 150 150 150 200 200 300 150 150 150 150 300

Decliv (m/m) 0,006 0,006 0,007 0,003 0,004 0,006 0,006 0,006 0,058 0,006 0,004 0,006 0,002 0,006 0,006 0,006 0,009 0,004

115.034,45

113.778,21

107.197,98

108.067,59

110.148,95

110.899,59

Com o nmero da populao definido em 300 indivduos, o nmero de geraes como sendo 1000 e a funo penalidade conforme a equao (27), foram realizadas as simulaes para estes parmetros e chegou-se a soluo de menor custo apresentada na tabela 4. Foram tambm acrescentados na tabela os dados referentes s solues timas encontradas por Braga (1982) e por Magalhes (1995), bem como mais trs solues factveis que foram encontradas pelo programa e que resultaram em economia em relao aos trabalhos anteriores. Pode-se notar que o algoritmo gentico trabalhou com dimetros maiores e declividades menores no caso dos trechos 3, 8 e 9; e com declividade maior e dimetro menor no trecho 13, isto demonstra sua eficincia em trabalhar com duas possibilidades de minimizao de custos: reduzir/aumentar dimetros e aumentar/reduzir escavao. Outro trecho que mostra a eficincia do algoritmo gentico o trecho 17 onde, na soluo tima, foi encontrada uma soluo que diminuiu o dimetro e aumentou a declividade do trecho para chegar na soluo tima, nas outras 3 solues, obtidas pelo algoritmo gentico, ele manteve o dimetro em 200mm e declividades menores, isto demonstra que ele pode tanto aumentar o dimetro para diminuir a declividade quanto diminuir o dimetro e aumentar a declividade, chegando a realmente um mnimo.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

12

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental Outro aspecto tambm observado que o algoritmo gentico levar em considerao o mnimo custo sempre contando com toda a rede e no trecho a trecho, o que viabiliza solues melhores, pois o par declividadedimetro adotado para um trecho poder influir no resultado no s do trecho de jusante, e sim mais trechos, esta ser a grande vantagem em relaes aos outros mtodos. Tabela 5: Planilha de clculo da rede coletora Soluo tima.
Trecho 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 L (m) 100 100 80 90 80 90 90 80 60 80 80 80 80 90 90 80 70 60 Qi Cota Ter Cota Col Prof. PV Vel. y/D Vel. Tenso Custo do Decliv. Dim. Custo PV In(L/s) Mont(m) Mont(m) Mont(m) Inicial In. (m/s) Crtica Trativa Coletor (m/m) (mm) (US$) (Pa) (US$) Fin(L/s) Jus (m) Jus (m) Jus (m) Final Fin.(m/s) (m/s) 2,2 4,0 2,2 4,0 5,6 11,2 7,4 14,8 9 18,0 2,2 3,6 2,2 3,6 5,2 10,4 6,4 12,8 2,2 3,2 9,6 19,2 11,2 22,4 21,8 43,6 2,2 3,6 2,2 3,6 5,2 10,4 6,6 13,2 29,6 59,2 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 200,00 198,50 198,00 198,50 198,00 198,00 197,68 197,68 197,32 197,32 196,92 198,50 198,14 198,50 198,14 198,14 197,90 197,90 197,72 198,50 198,10 197,72 197,32 197,32 196,76 196,76 196,20 198,50 198,05 198,50 197,87 197,87 197,39 197,39 196,76 196,20 195,78 1,50 2,00 1,50 2,00 2,00 2,32 2,32 2,68 2,68 3,08 1,50 1,86 1,50 1,86 1,86 2,10 2,10 2,28 1,50 1,90 2,28 2,68 2,68 3,24 3,24 3,80 1,50 1,95 1,50 2,13 2,13 2,61 2,61 3,24 3,80 4,22 0,005 0,005 0,004 0,004 0,005 0,004 0,004 0,003 0,003 0,005 0,005 0,007 0,007 0,005 0,007 0,006 0,009 0,007 150 150 200 200 200 150 150 200 200 150 200 200 250 150 150 150 150 300 0,31 0,42 0,31 0,42 0,36 0,52 0,41 0,63 0,43 0,66 0,33 0,42 0,33 0,42 0,37 0,55 0,41 0,62 0,31 0,37 0,45 0,70 0,45 0,69 0,46 0,73 0,31 0,40 0,28 0,36 0,47 0,73 0,47 0,75 0,42 0,64 0,48 0,56 0,48 0,56 0,56 0,67 0,60 0,72 0,69 0,81 0,44 0,50 0,44 0,50 0,49 0,59 0,52 0,62 0,48 0,53 0,70 0,82 0,83 0,97 0,98 1,14 0,48 0,55 0,54 0,62 0,65 0,75 0,80 0,93 1,05 1,25 3,44 3,44 4,26 4,47 4,53 3,44 3,44 4,32 4,47 3,28 4,57 4,56 5,14 3,36 3,25 3,99 4,00 5,50 1,30641 1,30641 1,56629 1,75502 2,26864 1,0955 1,0955 1,20903 1,31538 1,30641 2,32703 3,2399 4,16344 1,30641 1,70248 2,1462 3,26387 4,65375 4.687,88 4.687,88 5.601,41 6.301,64 5.601,47 4.219,09 4.219,09 4.361,70 4.201,11 3.750,30 5.601,47 5.601,47 556,00 556,00 769,00 844,00 844,00 556,00 556,00 769,00 844,00 556,00 844,00 844,00 Custo Total (US$) 5.243,88 5.243,88 6.370,41 7.145,64 6.445,47 4.775,09 4.775,09 5.130,70 5.045,11 4.306,30 6.445,47 6.445,47 9.764,69 4.775,09 4.775,09 5.492,99 4.875,87 8.680,74 1.461,00

8.303,69 1.461,00 4.219,09 4.219,09 4.936,99 4.319,87 556,00 556,00 556,00 556,00

7.219,74 1.461,00 1.461,00

Custo Total

107.197,98

Na tabela 5 est apresentado os resultados referentes a soluo tima encontrada atravs dos algoritmos genticos, onde foram respeitadas todas as restries impostas ao problema. Por esta tabela possvel avaliar, onde realmente pode ter otimizado a rede. Nota-se que os trechos 5, 11, 12 e 13 foram os que mais contriburam para a diminuio de custos obtidas, e avaliando a configurao da rede exemplo pode-se notar que estes trechos so os trechos centrais e quaisquer alteraes em suas configuraes alteram seus trechos de jusante e montante, e sua otimizao assim, torna-se mais difcil. Nos outros mtodos de otimizao, as simulaes so trecho a trecho e somente depois de definido um trecho, o seguinte calculado, no havendo portanto uma avaliao da rede de uma forma global, isto , todos os trechos simultaneamente. Pode-se notar que todas as restries de lmina mxima, tenso de cisalhamento mdia ou tenso trativa, continuidade de vazo, vazo mnima e velocidade mxima foram atendidas e que os valores de lmina e de tenso trativa, chegaram ao limite, por exemplo: nos trechos 11, 13, 16 e 17 com valores de 0,70; 0,73; 0,73; 0,75 respectivamente, para o caso das lminas, e os trechos 6 e 7 para o caso da tenso trativa, com valor de 1,0955 para os dois trechos.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

13

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental CONCLUSES O trabalho desenvolvido um passo preliminar para a implementao dos conceitos de otimizao em projetos de redes reais. Espera-se que as tcnicas desenvolvidas nesta pesquisa sejam aplicadas em uma prxima fase do estudo. Uma rede de esgotos, alm de ser parte vital do sistema de esgotamento sanitrio, representa o maior custo de investimento do conjunto de obras de engenharia, havendo assim, a necessidade de se buscar o mximo aproveitamento do capital investido. Com a disponibilidade atual de microcomputadores, tornou-se possvel o desenvolvimento de projetos de redes de esgotos com a aplicao de tcnicas modernas de otimizao. Entre estas tcnicas, destaca-se a aplicao dos algoritmos genticos, que tm se mostrado eficiente para a soluo de problemas no lineares. Este trabalho apresenta um modelo para otimizao de projetos de redes de esgotos, com a utilizao dos algoritmos genticos. Teve como objetivos implementar e comprovar a eficincia de um modelo de otimizao para o dimensionamento de mnimo custo, e avaliar o comportamento e as variaes dos parmetros da tcnica dos algoritmos genticos. Uma rede exemplo foi estudada. As simulaes realizadas nesta rede, com uma configurao terica, apresentaram resultados melhores aos obtidos por outros pesquisadores, com redues da ordem de 5.8% a 6.8% o que demonstra a viabilidade do modelo. A tcnica dos algoritmos genticos permitiu obter, aps um nmero fixo de geraes, alm da soluo de mnimo custo, um conjunto final de solues que torna possvel ao tomador de decises escolher entre alternativas com similaridade de preo, considerando na anlise outros critrios de avaliao. O modelo demonstrou-se apropriado para o dimensionamento de redes de esgotos, e a tcnica dos algoritmos genticos mostrou-se uma ferramenta eficaz na obteno do projeto otimizado. Finalmente, embora no considerados neste trabalho, estudos podem ser desenvolvidos para incluir uma interface mais amigvel, estaes de bombeamento e otimizao de traado.

REFERNCIAS BIBLIOGRFICAS ARGAMAN, Y.; Shamir, U.; Spivak, E., 1973. Design of optimal sewerage systems, Journal of the Environmental Engineering Division, ASCE, v.99, n.5, p.703-716. 2. ASSOCIAO BRASILEIRA DE NORMAS TCNICAS, 1986. NBR 9649 Projeto de Redes Coletoras de Esgotos Sanitrios: procedimento. Rio de Janeiro. 3. BRAGA, F. S., 1982. Otimizao de custos aplicada ao processo de dimensionamento de redes de esgotos sanitrios. Dissertao (Mestrado), Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 250p. 4. CHARALAMBOUS, C.; Elimam, A.A., 1990. Heuristic design of sewer networks, Journal Environmental Engineering, ASCE, v.116, n.6, p.1181-1199. 5. DAJANI, J.S., 1971. Network evaluation of wastewater collection economics. Tese (PhD), North Western University, Evaston, Illinois. 6. DAJANI, J.S.; Gemmel, R.S.; Morlok, E. K., 1972. Optimal design of urbam wastewater collection networks, Journal of the Sanitary Engineering Division, ASCE, v.98, n.6, p.853-867. 7. DAJANI, J.S.; Gemmel, R.S.; 1973. Economic guidelines for public utilities planning, Journal of the urban planning and development division, ASCE, v.99, n.2, p.171-182. 8. DAJANI, J.S.; Hasit, Y., 1974. Capital cost minimization of drainage networks, Journal of environmental engineering division, ASCE, v.100, n.2, p.325-337. 9. DAJANI, J.S.; Hasit, Y.; Mccullers, S.D., 1977. Mathematical programming in sewer networks design, Engineering Optimization, Great Britain, v.3, p.27-35. 10. DESHER, D.P.; Davis, P.K., 1986. Desingning sanitary sewers with microcomputers, Journal Environmental Engineering, ASCE, v.112, n.6, p.993-1007. 11. ELIMAM, A.A.; Charalambous, C.; Ghobrial, F.H., 1989. Optimum design of large sewer networks, Journal Environmental Engineering, ASCE, v.115, n.6, p.1171-1190. 12. GEN,M.; Cheng, R., 1997. Genetic Algorithms and Engineering Design, New York, John Wiley & Sons, INC. 14 1.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

23 Congresso Brasileiro de Engenharia Sanitria e Ambiental GREFENSTETTE, J. J., 1986. Optimization of control parameters for genetic algorithm, IEEE (Institute of Electrical and Electronics Engineers) Transactions on Systems, Man and Cybernetic, v.16, n. 1, p.122-128. 14. GOLDBERG, D., 1989. Genetic Algorithms in Search, Optimization and Machine Learning, AddisonWesley, Reading, MA. 15. KULKARNI, V.S.; Khanna, P., 1985. Pumped wastewater collection systems optimization, Journal Environmental Engineering, ASCE, v.111, n.5, p.589-601. 16. LIEBMAN, J.C., 1967. A heuristic aid for the design of sewer networks, Journal of the Sanitary Enginnering Division, ASCE, v.93, n.4, p.81-90. 17. MAGALHES, C. A. C., 1995. Dimensionamento dos sistemas de esgotos sanitrios de grande porte via reduo de custos, Dissertao (Mestrado), Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 195p. 18. MAYS, L.W.; Yen, B.C., 1975. Optimal design of branched sewer system, Water Resources Research, Urbana, Illinois, v.11, n.1, p.37-47. 19. MERRIT, L.B.; Bogan, R.H., 1973. Computer based optimal design of sewers systems, Journal of the Environmental Engineering Division, v.99, n.1, p.35-53. 20. MICHALEWICZ, Z., 1992. Genetic Algorithm + Data Structures = Evolution Programs, 2ed., New York, Springer-Verlag. 21. PORTO, R.M., 1999. Hidralica bsica, 2 Ed., So Carlos:EESC-USP. 22. SAVIC, D. A.; WALTERS, G. A., 1977. Genetic algorithm for least-cost design of water distribution networks, Journal of Water Resources Planning and Management, v. 123, n.2, p. 67-77. 23. VELON, J.P., 1971. Sewer cost estimation model: an application, Dissertao (MSc) North Western University, Evaston, Illinois. 24. WALSH, S.; Brown, L.C., 1973. Least cost method for sewer design, Journal of the Environmental Engineer Division, ASCE, v.99, n.3, p.333-345. 13.

ABES - Associao Brasileira de Engenharia Sanitria e Ambiental

15