Académique Documents
Professionnel Documents
Culture Documents
Sum
ario
1 Conceitos de Otimiza
c
ao Estrutural
1.1 Formulacao da Otimizacao Estrutural . . . . . . . . . . . . . .
1.1.1 Analise Estrutural . . . . . . . . . . . . . . . . . . . . .
1.1.2 Funcao Objetivo . . . . . . . . . . . . . . . . . . . . . .
1.1.3 Variaveis Envolvidas no Projeto . . . . . . . . . . . . .
1.1.4 Restricoes Impostas ao Projeto . . . . . . . . . . . . . .
1.2 Otimizacao de Estruturas Contnuas e de Estruturas Discretas
1.3 Hierarquia das Variaveis de Projeto . . . . . . . . . . . . . . . .
1.4 Variaveis Discretas e Variaveis Contnuas . . . . . . . . . . . .
1.5 Representacao Geometrica da Otimizacao Estrutural . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
5
5
5
6
6
9
9
9
10
2 Fundamentos de C
alculo Variacional
2.1 Problema Variacional sem Restricoes . . . . . . . . . . . . . . . . . . . .
2.2 Condicoes de Contorno Naturais . . . . . . . . . . . . . . . . . . . . . .
2.3 Problema Variacional sem Restricoes com Derivadas de ordem superior .
2.4 Problema Variacional com multiplas funcoes . . . . . . . . . . . . . . . .
2.5 Funcionais Sujeitos a Restricoes (Problema Isoperimetrico) . . . . . . .
2.6 Problemas variacionais com restricoes de desigualdade . . . . . . . . . .
2.7 Reformulacao de restricoes . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
19
20
21
23
27
28
3 Programa
c
ao Matem
atica
3.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Programacao linear e programacao linear sequencial . . . . . . . . . . . . . . . . . . . . .
3.3 Programacao quadr
atica e programacao quadr
atica sequencial . . . . . . . . . . . . . . . .
29
29
31
34
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
SUMARIO
Captulo 1
Conceitos de Otimizac
ao Estrutural
Defini
c
ao 1. Otimizacao Estrutural: Metodos e ferramentas para auxiliar o engenheiro a melhorar o
projeto de pecas e componentes, levando em conta sua resposta a solicitacoes mecanicas. Propicia ao
engenheiro metodos e ferramentas para a otimizacao de projetos. O objetivo e encontrar os melhores
valores (de acordo com os objetivos) para as variaveis de projeto, satisfazendo todas as restricoes impostas
ao projeto.
1.1
Formulac
ao da Otimizac
ao Estrutural
1.1.1
An
alise Estrutural
O comportamento mec
anico da estrutura a ser projetada deve ser analizado atraves da Mecanica dos
Solidos. Dependendo das caractersticas geometricas, das vinculacoes e do carregamento aplicado na
estrutura a ser dimensionada, podemos analisa-la atraves dos modelos cinem
aticos e constitutivos disponveis na mec
anica dos s
olidos, tais como elasticidade, plasticidade, modelos de placas, modelos de
vigas, elementos finitos, etc..
Quando utilizando teorias estruturais, devemos ter em mente que a estrutura otima pode nao se
enquadrar nas hip
oteses simplificadoras destes modelos, tais como placas finas ou vigas longas.
1.1.2
Fun
c
ao Objetivo
uma quantidade com a qual o projetista faz o seu julgamento sobre o merito do projeto e portanto o
E
que se quer obter no projeto final. Normalmente esta funcao se relaciona diretamente com o custo do
componente que est
a sendo projetado. Como exemplo podemos citar o projeto para o menor peso, onde
a funcao objetivo e o peso da estrutura, que na ind
ustria aeroespacial influi significativamente no custo.
Obviamente podemos ter mais de uma funcao objetivo, como por exemplo aumentar a rigidez e
diminuir o peso de uma estrutura. Neste caso temos o que chamamos de otimiza
c
ao multiobjetiva ou
otimiza
c
ao vetorial. Quando otimizamos tendo apenas uma funcao objetivo chamamos de otimiza
c
ao
escalar.
5
ESTRUTURAL
CAPITULO 1. CONCEITOS DE OTIMIZAC
AO
1.1.3
Vari
aveis Envolvidas no Projeto
1.1.4
Restric
oes Impostas ao Projeto
DA OTIMIZAC
ESTRUTURAL
1.1. FORMULAC
AO
AO
2 ED2
P B2 + H 2
,
DHt
8 (B 2 + H 2 )
e a tensao dos membros deve ser inferior a tensao maxima admissvel:
P B2 + H 2
y ,
DHt
tendo sempre em mente que os valores possveis para as variaveis de projeto se situam nos intervalos
[Dmin , Dmax ] e [Hmin , Hmax ] .
Assim podemos formular o problema de otimizacao como: determine H e D tal que
p
min W = 2Dt B 2 + H 2
H,D
sujeito a
P B2 + H 2
DHt
P B2 + H 2
DHt
D
H
2 ED2
8 (B 2 + H 2 )
[Dmin , Dmax ]
[Hmin , Hmax ] .
ESTRUTURAL
CAPITULO 1. CONCEITOS DE OTIMIZAC
AO
Exemplo 2. Para a viga simplesmente apoiada sob acao de uma carga distribuda (figura 1.2), determinar
a area A (x) da seccao transversal que minimize o deslocamento transversal total da viga. Sao dados a
carga distribuida P (x), o comprimento l, o modulo de elasticidade transversal (E) e o volume total da
viga (V ).
sujeito a
volume da viga
: V =
A(x)dx
2 y(x)
2
[EI(x)
] = P (x)
x2
x2
Condicoes de contorno geometricas : y(x)x=0 = y(x)x=l = 0
2 y(x)
2 y(x)
=
EI(x)
= 0.
Condicoes de contorno naturais : EI(x)
x2 x=0
x2 x=l
Equacao da viga
conveniente relacionar a
E
area da viga com o seu momento de inercia. Por exemplo, para uma viga
retangular, temos que
A = bh
I=
e assim podemos escrever
Ah2
bh3
=
12
12
I(x) =
A(x)h2
.
12
1.2
Otimizac
ao de Estruturas Contnuas e de Estruturas Discretas
D
H
x1
x2
x3
..
xn
1.3
1.4
Vari
aveis Discretas e Vari
aveis Contnuas
No exemplo 1, o diametro D de um tubo circular pode assumir valores no intervalo [Dmax , Dmin ], por
exemplo, 2,54cm. Assim, temos que esta variavel e contnua dentro do intervalo. Sabendo que na pratica
este diametro deve ser selecionado de acordo com a disponibilidade comercial, esta variavel assumir
a
valores discretos dentro do mesmo intervalo.
ESTRUTURAL
CAPITULO 1. CONCEITOS DE OTIMIZAC
AO
10
Em geral a otimizacao com valores discretos e mais complexa do que a otimizacao com variaveis
contnuas. Uma abordagem e otimizar de forma contnua e ,apos, arredondar o valor encontrado para
um valor proximo aos valores discretos disponveis. Deve-se ter em mente que este arredondamento pode
violar as restricoes do problema e nao ser um otimo.
1.5
Representac
ao Geom
etrica da Otimizac
ao Estrutural
Para visualizar a formulacao da otimizacao estrutural e os diferentes procedimentos de solucao e conveniente termos uma representacao visual do problema de otimizacao.
Relembrando, o problema de otimizacao pode ser escrito como: tendo um objetivo e as variaveis de
projeto, encontrar um extremo do funcional sujeito as restricoes, ou:
X=
x1
x2
x3
..
min f (X)
xn
T
sujeito a
hj (X)
gk
0
= 0
j = 1..J
k = 1..K.
Podemos definir um sistema de coordenadas n-dimensional, onde cada eixo coordenado do espaco
e limitado por uma das variaveis de projeto X. Qualquer ponto no espaco e projeto candidato X e
chamamos este espaco de espa
co de projeto.
Como as igualdades gk = 0 podem ser reescritas em forma de inequacoes, podemos tratar o problema
por restricoes do tipo hj (X) 0. O espaco das solucoes, levando em conta as restricoes e chamado de
conjunto das solu
c
oes admissveis (ou vi
aveis).
Aos valores que f (X) assumem chamamos de isolinhas de objetivos. Na figura (1.3) podem
visualizar o espaco de projeto, o espaco das solucoes admissveis restingido pelas inequacoes na forma
hj (X) 0 e os valores assumidos por f (X).
GEOMETRICA
ESTRUTURAL
1.5. REPRESENTAC
AO
DA OTIMIZAC
AO
11
12
ESTRUTURAL
CAPITULO 1. CONCEITOS DE OTIMIZAC
AO
Captulo 2
Fundamentos de C
alculo Variacional
Defini
c
ao 3. Funcional: Um funcional pode ser definido como uma funcao composta por diversas funcoes,
ou como uma funcao que mapeia um espaco vetorial em um escalar. Devido ao fato de mapearmos funcoes
em termos de um escalar temos uma simplificacao de trabalharmos com valores escalares.
Um exemplo de funcional e
[y (x)] =
que e funcao da funcao y (x), de sua primeira derivada e da variavel independente x. Pode-se constatar
que o valor de [y (x)] e um escalar.Um funcional pode ser funcao de mais de uma funcao
Z
[y (x) , z (x)] = F [x, y (x) , y (x) , z (x) , z (x)] dx
e conter derivadas de ordem superior.
Defini
c
ao 4. Extremizacao de funcionais.
Assim como no calculo tradicional a primeira derivada de uma funcao, quando nula,
f (x)
=0
x
representava um ponto extremo local (m
aximo, mnimo ou inflexao) , a primeira varia
c
ao de um funcional ser nula representa, tambem, a extremizacao do funcional. Da mesma forma, quando obtinhamos
a coordenada xe onde a funcao f (x) obtinha seu valor extremo, obtemos no caso de funcionais a(s)
funcao(
oes) que minimiza(m) este funcional. Os conceitos de variacao de funcionais e suas aplicacoes a
diferentes tipos de funcionais s
ao apresentados.
2.1
onde x e definido em [x0 , x1 ]. O objetivo e encontrar uma funcao y (x) que extremize este funcional
(maximize ou minimize) e que satisfaca as condicoes de contorno:
y (x0 )
= y0
y (x1 )
= y1 .
13
14
Para obter as condicoes que tornam y (x) um extremizador do funcional, consideramos uma funcao
candidata ye (x) admissvel no intervalo [x0 , x1 ] que satisfaca as mesmas condicoes de contorno de y (x)
e que tenha o mesmo grau de continuidade (Fig. 2.1).
e a condicao necessaria para que esta variacao represente um extremo em y (x) e que
()
= 0,
|y=y =
=0
2.1. PROBLEMA VARIACIONAL SEM RESTRIC
OES
15
da mesma forma em que a primeira derivada de uma funcao, quando igual a zero representa um extremo
da funcao. Manipulando a expressao acima, obtemos
x
Z
F
F 1
d F
y dx +
y dx = 0
y
dx y
y x0
onde o u
ltimo termo se anula por serem as condicoes de contorno homogeneas. Como a diferenca y e
arbitraria, esta expressao e verdadeira se o termo dentro da integral for zero, ou seja
d F
F
=0
y
dx y
R
e esta e a condicao para que y (x) seja um extremo do funcional [y (x)] = F [x, y (x) , y (x)] dx.
Generalizando para condicoes de contorno nao homogeneas (eq xx) obtemos a seguinte condicao para
extremizar o funcional:
2F
2F
2F
F
2
y
=0
y
y
yy
xy
y (x0 ) = y
y (x1 ) = y1
Esta equacao e conhecida como equa
c
ao de Euler do problema variacional, sendo uma condicao
necessaria para ser um extremo mas nao uma condicao suficiente. Isto porque este ponto pode ser um
ponto de inflexao, que nao e um extremo global e sim local no intervalo.
Em funcionais convexos pode-se demonstrar que a solucao da equacao de Euler permite detectar
um extremo global no intervalo, pois da mesma forma que uma funcao convexa, apresentam um ponto
extremo definido no intervalo:
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
16
2 = 0 Ponto de inflexao.
Considerando funcionais lineares F1 [u], F2 [u] e G [u, v], temos as seguintes propriedades, analogas `a
diferenciacao :
(F1 F2 ) = F1 F2
(F1 F2 ) = F1 F2 + F1 F2
F1
(F1 F2 F1 F2 )
=
F2
F22
n
(F1 ) = n (F1 )
F1
G
G
u +
v
u
v
G =
e ainda
n1
d
d
dv
d
(u) =
(v) =
=
(u)
dx
dx
du
dx
Z
Z
Z
Z
u dx =
v dx =
v dx =
u dx
Exemplo 3. Qual a e a menor distancia entre dois pontos, considerando o espaco com norma Euclidiana
(fig. 2.1) ?
s=
ds =
du2 + dx2 .
Este e um problema variacional pois temos uma relacao entre um escalar (distancia), a funcao u (x) e a
portanto um problema da classe estudada anteriormente (problema variacional
variavel independente x. E
sem restricoes com condicoes fixas nos extremos). Com algum algebrismo obtemos a expressao
s=
p
u2 + 1dx
2.1. PROBLEMA VARIACIONAL SEM RESTRIC
OES
17
u
dx u
e como nao temos u definido neste funcional, o problema recai em
d F
=0
dx u
onde
u
F
=
u
u2 + 1
u
e
u2 +1
u
u2 + 1
=0
=A
u2 + 1
u2 =
e sendo c =
A2
=B
(1 A2 )
u = C
que e a equacao diferencial que representa a solucao do problema. Integrando dos dois lados obtemos a
expressao
u (x) = C1 x + C2
ou seja, a distancia mnima entre dois pontos no espaco euclidiano e uma reta.
Exemplo 4. Um corpo e solto no ponto A e deve percorrer uma trajet
oria chegando ao ponto B, (fig.
2.1) submetido apenas a aceleracao da gravidade. Determine a equacao da trajet
oria para que isto ocorra
no menor tempo possvel.
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
18
t1
dt.
t0
t1
dt =
t0
x1
x0
du2 + dx2
ds
=
V
x1
x0
1 + u2
dx
V
A expressao para a velocidade pode ser obtida por conservacao de energia (Ec + Ep = cte ). Assim
para um ponto generico
1
1
mgu0 + mV02 = mgu + mV 2
2
2
ou seja, a energia em um ponto qualquer e a mesma do ponto inicial. Assim podemos obter a velocidade
em qualquer ponto em termos dos par
ametros iniciais
q
V = [2g(u0 u) + V02 ]
e substituindo na integral do problema variacional,
Z x1
1 + u2
p
dx.
T =
[2g(u0 u) + V02 ]
x0
Considerando que o corpo possui velocidade inicial nula e que o referencia e o ponto 0,
u0 = 0
V0 = 0
x1
x0
1 + u2
dx ,
u
que e um funcional de u e de u . Por Euler temos que a condicao para minimizar o tempo e:
F
F u = 0
u
"
#
F
1 + u2
=
=
u
u
u
u 1 + u2
e portanto
u
1 + u2
=0
u
u 1 + u2
cuja solucao e um cicloide com raio de giracao C/2
x=
C
(1 sin t)
2
y=
C
(1 cos t)
2
2.2. CONDIC
OES
DE CONTORNO NATURAIS
2.2
19
Condi
c
oes de Contorno Naturais
Considerando a mesma classe de funcionais analisada no item anterior, queremos determinar os valores
Rque a funcao y (x) assume nos extremos do intervalo, ou seja, ao extremizar o funcional [y (x)] =
F [x, y (x) , y (x)] dx queremos determinar os valores que a funcao y (x) assume em x0 e x1 . Seguindo
a linha dedutiva apresentada em 1.1 e considerando que , neste caso,
y (x1 ) 6= 0
y(x2 ) 6= 0
obtemos a seguinte condicao para extremizar o funcional:
2F
2F
2F
F
2
y
=0
y
y
yy
xy
F
=0
y x=x0
F
=0.
y x=x1
Estas condicoes de contorno que surgem naturalmente durante o processo de extremizacao do funcional
s
ao chamadas de condi
c
oes de contorno naturais.
Exemplo 5. Considerando uma viga de Euler-Bernoulli de secao generica com carregamento distribudo
(fig. 2.2) (f ), forca concentrada na ponta (F ) e momento aplicado na ponta (M ), podemos construir um
funcional que represente a energia potencial total da viga.
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
20
e integrando por partes duas vezes a equacao acima para isolar termo w (x) ,obtemos
Z l 2
d2 w (x)
d
E
(x)
I
(x)
f
(x)
w (x) dx +
0 =
dx2
dx2
0
l
d2 w (x)
d
d2 w (x)
w (x)
E (x) I (x)
E
(x)
I
(x)
w
dx2
x
dx
dx2
0
dw (l)
M
w (l) F
dx
e do conhecimento de que w (0) = w (l) = 0 e que w (x) e arbitrario (6= 0) ,obtemos a equacao de
equilbrio que governa a flexao de vigas de Euler-Bernoulli,
d2
d2 w (x)
E (x) I (x)
= f (x) .
dx2
dx2
w(l)
e
temos que
Considerando os termos no contorno (0 e l) w (0) , w (l) , w(0)
x
x
d
d2 w (x)
d2 w (x)
d
0 = w(0)
E (x) I (x)
E (x) I (x)
+ w (l) F
+
dx
dx2
dx
dx2
x=0
x=l
d2 w (x)
d2 w (x)
w (0)
w (l)
E (x) I (x)
M
+
E
(x)
I
(x)
x
dx2
x
dx2
x=0
x=l
Analisando o engaste (x = 0) verificamos que w (0) = 0 e w(0)
= 0 que permite levar, separax
w(l)
a zero :
damente, os coeficientes de w (l) e de x
d
d2 w (x)
E (x) I (x)
=F
dx
dx2
x=l
d2 w (x)
=M
E (x) I (x)
dx2
x=l
que s
ao as condi
c
oes de contorno naturais do problema. As condi
c
oes de contorno essenciais
(geometricas) s
ao dadas pelo engaste
dw (0)
=0
dx
Em qualquer problema podem existir 3 tipos de combinacoes de condicoes de contorno
w (0) =
Todas s
ao do tipo essencial - Dirichlet
Todas s
ao do tipo natural - Neummann
Algumas s
ao naturais e outras s
ao essenciais - Mista
2.3
2.4. PROBLEMA VARIACIONAL COM MULTIPLAS FUNC
OES
21
contendo derivadas de ordem 1 ate n da funcao y (x) em relacao a variavel independente, queremos
encontrar a funcao y (x) que extremize o funcional [y (x)], sujeito as condicoes de contono
n (n1)
y (x0 ) = y0 , y (x0 ) = y01 , ..., y (n) (x0 ) = y0,
y
(x0 ) = y0n1
y (x1 ) = y1 , y (x1 ) = y11 , ..., y (n) (x1 ) = y1n , y (n1) (x1 ) = y1n1
e seguindo os mesmos procedimentos apresentados em 1.1, obtemos a condicao de extremo do funcional
[y (x)] :
n
d2
F
F
d F
F
n d
...
(1)
=0
y
dx y
dx2 y
dxn y (n)
sendo esta condicao necessaria, conforme discutido no item 1.1.
2.4
Os funcionais estudados anteriormente eram funcoes de y(x) somente, mas podemos ter situacoes onde
existem mais de uma funcao participando da formulacao. Assim podemos escrever o vetor
T
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
22
t2
t1
(T V ) dt
t2
t1
1
1
mx1 (t) + mx2 (t)
2
2
1
1
1
k1 x21 (t) + k2 (x2(t) x1(t) )2 + k1 x22 (t)
2
2
2
xi
dt
F
xi
=0
F
x1
F
x2
= mx1
= mx2
dt
2.5
23
Ao extremizar um funcional, muitas vezes temos que respeitar certas condicoes impostas sobre as funcoes
a serem determinadas. A estas condicoes chamamos de restri
c
oes, sendo que estas podem ser impostas
de diversas formas sobre o problema variacional. A abordagem e muito semelhante a utilizada no calculo
tradicional, onde se utilizam os multiplicadores de Lagrange.
Considere o problema de minimizar uma funcao f (x1 , x2 ) sujeita a restricao g (x1 , x2 ) = 0, conhecida. Para isto utilizamos o conceito de multiplicadores de Lagrange e em vez de minimizar f (x1 , x2 ),
minimizamos
f (x1 , x2 , ) = f (x1 , x2 ) + g (x1 , x2 )
e se obtivermos um mnimo em (x1 , x2 ) este sera o mnimo para f (x1 , x2 ) sujeita a restricao g (x1 , x2 ).A
condicao para mnimo local e que
f
f
f
=
=
=0
x1
x2
f
= 2x + = 0
x
f
= 2y + = 0
y
f
=x+y1=0
obtemos o ponto de extremo 12 , 21 , para qual a funcao vale 52 .
Uma outra abordagem para a resolucao de extremizar a funcao f (x, y) sujeita a g (x, y) = 0 e considerarmos:
f
f
dx +
dy = 0
df =
x
y
dg =
g
g
dx +
dy = 0
x
y
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
24
tenha restri
c
ao do tipo integral
J [Y (x)] =
x1
x0
sendo que as funcoes definidas em Y (x) devem satisfazer as condicoes de contorno, na forma
Y (x0 ) = Y0 eY (x1 ) = Y1 .
Considerando, alem da solucao
otima do problema Y (x), outros vetores de funcoes permissveis
Y1 (x) e Y2 (x) que respeitem as condicoes de contorno e de continuidade das funcoes em Y (x), podemos construir, da mesma forma que em 1.1, uma famlia de funcoes permissveis dependentes de dois
par
ametros 1 e 2 :
Y (x, 1 , 2 ) = Y (x) + 1 Y1 (x) + 2 Y2 (x)
co diferencas
Y1 (x) = Y1 (x) Y (x)
= Y (x)
= Y2 (x)
Y(x, 1, 0) = Y1 (x) .
Substituindo Y (x, 1 , 2 ) em [Y (x)] e J [Y (x)] obtemos
Z x1
F [x, Y(x, 1 , 2 ), Y (x, 1 , 2 )] dx
[1 , 2 ] =
x0
J[1 , 2 ] =
x1
x0
[1 , 2 , ]
x1
x0
1 =2 =0
25
Definindo
F = F + G
obtemos a forma geral
=
j
ou
=
j
x1
x0
x1
x0
[Y F yj (x) + Y F yj (x)] dx
Y F
d
x
(Y F ) yj (x) dx + Y F yj (x)|x10
dx
sendo que para o exemplo estudado, j=1,2. Como as condicoes de contorno se anulam nos extremos e
fazendo com que as variacoes de em relacao aos j sejam zero,obtemos a condicao para extremizar o
funcional:
d
Y F
(Y F ) = 0
dx
Z x1
G[x, Y (x) , Y (x)]dx C = 0
J[Y (x)] =
x0
Y (x0 ) = Y0 e Y (x1 ) = Y1
Supondo agora que as restricoes sejam do tipo restri
c
oes pontuais (point wise constraints)
(x, Y (x)) = 0
onde
= [1 (x, y (x)) , 2 (x, y (x)) , .., m (x, y (x))]
queremos encontrar as funcoes
Y = [y1 (x) , y2 (x) , ...., ym (x)]
que extremizem o funcional
[Y (x)] =
x1
x0
onde
(x) = {1 (x) , 2 (x) , 3 (x) , .., n (x)}
e
F = F [x, Y (x) , Y (x)] + T [x, Y (x) , Y (x)] .
O funcional [Y (x) , (x)] engloba as restricoes e a condicao de extremizacao e
Y F
d
d
(Y F ) = Y F
(Y F ) + T = 0
dx
dx
d
( F ) = (x, Y (x)) = 0
dx
Y (x0 ) = Y0 eY (x1 ) = Y1 .
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
26
Exemplo 8. Suponha que a, b e c representem os comprimentos das arestas de uma caixa retangular, de
volume V = abc. Qual e a caixa que possue maior volume, supondo que a area da superfcie seja sempre
igual a A.
A area pode ser escrita em termos dos comprimentos das arestas
A = 2 (ab + bc + ac)
e o valor que queremos extremizar (funcional) e o volume da caixa
F = V = abc
e a restricao e a
area constante A
G = A 2 (ab + bc + ac) = 0.
Obtendo o funcional F
F = F + G = abc + (A 2 (ab + bc + ac))
F
= bc 2 (b + c) = 0
a
F
= ac 2 (a + c) = 0
b
F
= ab 2 (a + b) = 0
c
o que ja permite obter uma relacao do tipo
=
bc
ac
ab
area do lado
=
=
=
2 (b + c)
2 (a + c)
2 (a + b)
permetro do lado
3 + 2 3 = 0
2.6. PROBLEMAS VARIACIONAIS COM RESTRIC
OES
DE DESIGUALDADE
27
mas temos restricoes, pois os pontos (x, y) e (, ) devem se situar sobre o crculo e sobre a reta respectivamente. Assim
G1 = x2 + y 2 1 = 0
G2 = 3 + 2 3 = 0
e queremos minimizar
F = F + 1 G1 + 2 G2 .
Aplicando as condicoes de extremizacao:
F
= 2 ( x) + 21 x = 0
x
F
= 2 ( y) + 21 y = 0
y
F
= 2 ( x) + 32 = 0
F
= 2 ( y) + 2 = 0
=
y
ou seja, a menor distancia e uma reta que passa pela origem (o crculo tem centro na origem) e da segunda
equacao obtemos
1
y
=
x
3
2.6
Outro fato importante e que a maioria das restricoes encontradas na otimizacao estrutural s
ao restricoes
de desigualdade. A teoria cl
assica do calculo variacional lida apenas com restricoes de igualdade; mas ha
muitas publicacoes na
area de controle
otimo tratando de problemas com desigualdades. Entretanto, para
fins de simplificacao, neste texto simplesmente se reescreve as restricoes de desigualdade como restricoes
de igualdade atraves de variaveis de folga (slack variables). Comecamos por um problema simples com
apenas uma restricao: encontre y (x) que minimiza (ou maximiza)
Z x1
F (x, y (x) , y (x)) dx
(2.1)
(y (x)) =
x0
x1
x0
(2.2)
y (x1 ) = y1 .
(2.3)
Para deduzer as condicoes necessarias para o mnimo, primeiro reescrevemos a restricao como
Z x1
G (x, y (x) , y (x)) dx C + 2 = 0
(2.4)
x0
CAPITULO 2. FUNDAMENTOS DE CALCULO
VARIACIONAL
28
onde e uma variavel indeterminada. Considerando uma variavel adicional, controi-se o funcional
aumentado
Z x1
Z x1
(2.5)
F (x, y (x) , y (x)) dx +
G (x, y (x) , y (x)) dx C + 2 .
(y (x)) =
x0
x0
y(x) = 0 = =
(2.6)
2.7
Reformulac
ao de restri
c
oes
As tres formas de restricao aparecem em otimizacao estrutural: restricoes na forma integral, algebrica ou
equacao diferencial. Considerando-se a dificuldade do tratamento analtico, e comum se tentar trransformar as restricoes pontuais ou restricoes diferenciais em restricoes integrais. Tomando-se como exemplo a
viga do captulo 1, imagina-se uma restricao do deslocamento em um ponto especfico xi ,
y (xi ) y u
pode-se usar a funcao delta de Dirac para transforma-la em
Z l
(x xi ) y (x) dx y u .
0
max y (x) y u
x[0,l]
p (x) y (x) dx
que est
a na forma integral. Para uma carga concentrada, o trabalho e proporcional ao valor do deslocamento.
Captulo 3
Programac
ao Matem
atica
3.1
Introduc
ao
Encontrar X
que minimize f (X)
h (X) 0,
sujeito a
g (X) = 0
Dependendo da forma do objetivo, variaveis de projeto e funcoes de restricao, teremos diferentes
formas de programacao matematica, tais como: Programacao Linear (LP), Programacao Quadr
atica
(QP), Programacao Geometrica (GP), etc.. Para cada tipo de programacao matematica existem diversos
metodos (algoritmos) de solucao.
A Programacao Linear e uma classe de programacao matematica na qual a funcao objetivo e as
restricoes s
ao funcoes lineares das variaveis de projeto. Existe um grande n
umero de problemas que
se enquadram exatamente nesta categoria. Mesmo para problemas que nao sejam lineares, podemos
linearizar a funcao objetivo e as restricoes, permitindo sua utilizacao. Devido a sua simplicidade, existem
um grande n
umero de algoritmos desenvolvidos para a solucao de problemas de programacao linear.
Programacao nao-linear e uma abordagem mais geral da programacao matematica, embora a naolinearidade da funcao objetivo e das restricoes torne o problema difcil de ser resolvido. A programacao
nao-linear pode ter ou nao restricoes, sendo que a formulacao para o problema e
Encontrar X
que minimize f (X)
Muitas dos problemas de otimizacao irrestrita iniciam com um vetor inicial das variaveis de projeto
X0 e procedem de maneira iterativa:
Encontrar uma direcao d , relativa as variaveis Xi da iteracao i, na qual os valores da funcao
objetivo s
ao minimizadas.
29
MATEMATICA
CAPITULO 3. PROGRAMAC
AO
30
Determinar um tamanho de passo na direcao d. Isto e feito por tecnica de line-search ( busca
em uma reta), sendo que o novo valor da variavel de projeto X e dado por X = Xi + d.
Verificar a convergencia de acordo com algum criterio. Se a convergencia for alcancada, interrompese a iteracao e o valor
otimo da variavel de projeto e Xopt = Xi ; do contrario Xi+1 = Xi e i = i + 1
dando incio a uma nova iteracao.
As diferentes maneira de determinar a direcao d e o tamanho de passo dao origem a diferentes
metodos de otimizacao, tais como o metodo da descida mais ngreme steepest descent, metodo dos
gradientes conjugados, metodos de Newton e quasi-Newton, etc.. Ainda, algumas tecnicas necessitam da
informacao do gradiente (sensitividade) da funcao objetivo em relacao as variaveis de projeto e outras
somente do valor da funcao objetivo. Assim, podemos classificar os metodos pela informacao necessaria
sobre a funcao objetivo a cada iteracao
ordem zero: requer o valor da funcao objetivo,
ordem um: requer o valor da funcao objetivo e de seu do gradiente,
ordem dois: requer adicionalmente o valor das segundas derivadas da funcao objetivo,
e assim por diante.
Tecnicas de otimizacao com restricoes s
ao comumente classificadas em dois grupos: metodos diretos
e indiretos, sendo que ambas as tecnicas tem sido aplicadas na otimizacao estrutural com certo sucesso.
Metodos diretos lidam diretamente com os valores das restricoes, ou seja, procedem de maneira
similar ao algoritmo visto acima, com a diferenca de que levam os valores das restricoes em consideracao
ao calcular os valores de e d . Para problemas com muitas restricoes e comum considerar somente
as que estejam ativas ou que tenham possibilidade de serem ativadas, de maneira a reduzir o esforco
computacional. A estrategia a ser considerada na analise das restricoes que estarao ativas e um fator
importante no sucesso da implementacao de uma tecnica de otimizacao com restricoes. Como exemplos do
metodo direto temos o metodo de projecao de gradiente (gradient projection) e o metodo das direcoes
admissveis (feasible directions).
Metodos indiretos transformam o problema de otimizacao com restricoes em um problema de otimizacao sem restricoes obtendo a melhor estimativa possvel do valor otimo. Este procedimento e realizado iterativamente. Como exemplos da utilizacao dos metodos indiretos podemos citar os metodos de
penalidade interior e exterior (interior and exterior penalty method ), metodo dos multiplicadores de
Lagrange e o metodo baseado na entropia (entropy-based method ).
Existe ainda um terceiro grupo, chamado de programacao sequencial aproximada. Este grupo e muito
desenvolvido e aplicado pela comunidade de otimizacao estrutural. Neste caso temos que a solucao do
problema original de otimizacao com restricoes e obtido por uma sequencia de solucoes aproximadas.
A aproximacao e, geralmente mais simples e facil de se resolver do que o problema nao-linear original.
Dependendo do tipo de de aproximacao utlizada damos origem a diferentes metodos de solucao, tais
como: Programacao Linear Sequencial (SLP), Programacao Quadr
atica Sequencial (SQP), Programacao
Convexa Sequencial (SCP) e o Metodo das Assntotas Moveis (moving asymptotes method).
Existem dois aspectos interessantes sobre a programacao matematica sequencial aproximada:
A informacao sobre a sensitividade, aproximacao da funcao objetivo e das restricoes podem ser obtidas
por uma transformacao apropriada das variaveis de projeto e/ou objetivo e/ou restricoes. Otimizacao estrutural geralmente involve calculos demorados da estrutura, sendo que o custo computacional do calculo
da sensitividade pode se tornar crtico tambem. Assim, e natural que, uma vez obtida a sensitividade,
utilizemos esta informacaoda melhor maneira possvel para construir a aproximacao. A introducao de
variaveis recprocas e um exemplo de sucesso.
Em segundo lugar, existe uma forte relacao entre entre o criterio de otimo e a programacao matematica
sequencial. No criterio de
otimo resolvemos, a cada iteracao, um algoritmo de redimensionamento (resizing). A cada passo do algoritmo de redimensionamento o criterio de otimo e aproximado por alguma
forma aproximada da condicao de Kuhn-Tucker e resolvido rigorosamente ou de forma heurstica.
LINEAR E PROGRAMAC
LINEAR SEQUENCIAL
3.2. PROGRAMAC
AO
AO
3.2
31
Programac
ao linear e programac
ao linear sequencial
= Ct X
(x1 , x2 , ....., xn )
AX = B
X >= 0
Encontrar X
= f X0 + T f X0 X X0
= h X0 + T h X0 X X0 0
= g X0 + T g X0 X X0 = 0
X X0 X max
MATEMATICA
CAPITULO 3. PROGRAMAC
AO
32
onde a u
ltima condicao e chamade limite movel e e artificialmente adicionado pois a aproximacao em primeira ordem de serie de Taylor s
o fornece bons resultados no entorno do ponto aonde estamos expandindo
a serie, X0 .O algoritmo do SLP e:
Assumir um valor inicial para X0 (i = 0)
Calcular a resposta estrutural (f X i , g X i e h X i ) e suas derivadas (T f X i , T g X i , e
T h X i ) e selecionar os limites X min e X max.
Resolver o problema linear (LP), obtendo Xn , que e uma resposta aproximada do problema original
nao-linear
= lT A <= Vlim
< A < Asup
QUADRATICA
QUADRATICA
3.3. PROGRAMAC
AO
E PROGRAMAC
AO
SEQUENCIAL
33
end
//Valor maximo que a area pode assumir. (limite movel superior Xmax )
Asup=(1+limite)*Area;
//Laco que verifica o maior valor de cada area(no maximo 1)
for i=1:nelems,
if Asup(i)-Area(i)<=0.004
Asup(i)=Area(i)+0.004;
end
if Asup(i)>=Asuper
Asup(i)=Asuper;
end
end
// Utilizando o LP
C=[compri];
b=[Vlim] ;
mi=0;
x0=v;
NovaArea=linpro(derivF,C,b,Ainf,Asup,mi,x0);
A funcao linpro , respons
avel pela realizacao do LP, necessita de par
ametros como
Sensitividade da flexibilidade (derivF)
Valores associados as restricoes (C,b)
Limites inferiores e superiores da variavel de projeto.
e retorna o valor An que sera verificado em uma rotina de analise de convergencia.
3.3
Programac
ao quadr
atica e programac
ao quadr
atica sequencial
(x1 , x2 , ....., xn )
1 T
X AX + BT X
=
2
b
> =0
MATEMATICA
CAPITULO 3. PROGRAMAC
AO
34
mnimo f (d)
sujeito a h(d)
g(d)
Encontrar d
1
= f X0 + T f X0 d+ dT H f X0 d
2
= h X0 + T h X0 d 0
= g X0 + T g X0 d = 0
X min d X max
onde H L X0 , 0 , 0 e a matriz Hessiana da funcao de Lagrange, definida como
L (X, , ) = f (X) + T h (X) + T (X) g (X)