Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. INTRODUO
Para entendermos a importncia de se estudar otimizao, vamos considerar um problema de
engenharia estrutural em que se deseja maximizar a rigidez da asa de um avio. Suponhamos
que os parmetros que possam ser alterados sejam a espessura das nervuras (e1, e2), momento
de inrcia das longarinas (I), distncia entre as nervuras (L1 e L2), distncia entre as longarinas
(L3 e L4), espessura da chapa em diferentes pontos (h1,h2), material da estrutura (E), totalizando
10 parmetros. Suponha ainda que cada parmetro possa assumir 10 valores definidos devido a
restries de fabricao e que ser usado um software de elementos finitos (MEF) para a
simulao da estrutura da asa. Vejamos duas abordagens para a soluo desse problema.
A primeira abordagem, mais conhecida por todos, seria construir um modelo parametrizado de
elementos finitos da asa com os parmetros acima e rodar vrias anlises de MEF considerando
as diversas combinaes dos parmetros acima. Para cada resultado de anlise (obtido para uma
combinao de parmetros), calcula-se o valor correspondente da rigidez da asa. De posse dos
valores de rigidez da asa para as diferentes combinaes de parmetros, podemos plotar vrios
grficos dessa rigidez em funo dos diversos parmetros e analisando esses grficos tomar
uma deciso sobre a combinao tima dos valores desses parmetros. Essa abordagem
denominada abordagem de anlise. No entanto, essa abordagem apresenta uma grande
limitao. Suponha que tivssemos apenas 3 parmetros (dos 10 acima) para considerar no
projeto da asa. Como cada parmetro pode assumir 10 valores, teramos 103 combinaes
possveis para serem analisadas. Se cada anlise de MEF demora 0,1s (supor um modelo
simples de MEF) o tempo total para analisar essas 1000 combinaes seria 100s. Agora,
considerando os 10 parmetros, teramos 1010 combinaes de parmetros para serem
analisadas, e considerando agora que cada anlise de MEF demora 10s, o tempo total passa a
ser 1011s, ou seja, 3200 anos!! Quer dizer, essa abordagem invivel para o problema acima.
Deve-se ainda computar os tempos de construo do modelo pelo software e a interpretao dos
dados (clculo da rigidez, etc.) o que aumenta ainda mais os tempos anteriores.
Assim, a abordagem de anlise somente faz sentido quando temos um nmero muito reduzido
de casos a serem estudados. Para as dimenses do problema acima deve ser utilizado uma
segunda abordagem, denominada de sntese ou otimizao. Nessa abordagem, realizado uma
busca racionalizada da soluo atravs de algoritimos numricos de otimizao, o que reduz
drasticamente o tempo para encontrar a soluo tima.
Embora a discusso do problema acima possa parecer bvia, muitas pessoas ainda confundem o
conceito da abordagem de anlise com a otimizao (ou sntese). Por exemplo, comum se
encontrar trabalhos em congressos em que o ttulo se refere a otimizao de uma pea mecnica
ou um sistema (mecnico ou eltrico). Lendo o trabalho observa-se muitas vezes que o que o
autor realmente fez foi desenvolver um algoritimo de anlise sofisticado para aquele problema e
de posse desse algoritimo props algumas alteraes na soluo inicial. Logicamente que, o fato
de se possuir um algoritimo sofisticado de anlise para algum problema (mecnico ou eltrico),
nos permite ter um bom conhecimento do comportamento do problema, e portanto nos ajuda a
tomar algumas decises de como melhorar o resultado final. No entanto, a verdadeira
otimizao consistiria em se realizar uma busca sistemtica da soluo tima dentro de vrias
1
Fig.1.1.1: Exemplos de estruturas de trelia obtidas por Michell em 1904. As barras seguem as linhas
de isotenso principais. A linha pontilhada indica compresso e a cheia trao.
Fig.1.1.2: Exemplos de estruturas de trelia obtidas por Michell em 1904. As barras seguem as linhas
de isotenso principais.
Embora surpreendentes, esses resultados ficaram esquecidos por um bom tempo por serem
considerados na poca resultados apenas acadmicos sem aplicao prtica. Esses resultados
foram reproduzidos novamente na dcada de 90 em domnios de dimenses finitas com o uso
de mtodos computacionais baseados em otimizao topolgica. Atualmente, esses resultados
so inclusive usados para aferir ("benchmarks") os softwares de otimizao estrutural que se
propem a sintetizar estruturas, como o caso da otimizao topolgica.
Aps os resultado de Michell em 1904, no houve praticamente evoluo na otimizao
estrutural at a dcada de 60. Durante esse perodo eram apenas estudados problemas
acadmicos em estruturas simples (vigas, trelias) sem aplicao prtica (mas que no seguiam
a linha dos resultados de Michell). Na dcada de 60 com o surgimento dos computadores e do
MEF, problema prticos de otimizao estrutural passam a ser estudados usando otimizao
paramtrica, ou seja, alterando-se apenas as dimenses (ou as razes de dimenso da estrutura).
Assim, por exemplo, desenvolvido o mtodo Simplex para a soluo de problemas de
programao linear. Na dcada de 70 so implementados vrios algoritimos de otimizao para
problemas no-lineares de otimizao bastante usados atualmente. Na verdade a formulao
3
terica de alguns algoritimos j havia sido desenvolvida anteriormente, no entanto somente com
o desenvolvimento das linguagens de programao, eles foram implementados. implementado
tambm o mtodo de otimizao de forma, alm de mtodos probabilsticos como os
algoritimos genticos. Na dcada de 80 aparecem os primeiros softwares comerciais de
otimizao estrutural e alguns softwares de elementos finitos passam a incluir mdulos de
otimizao no seu pacote. iniciado o desenvolvimento na rea acadmica do mtodo de
otimizao topolgica (MOT). Na dcada de 90, o MOT implementado em softwares
comerciais tendo grande repercusso na indstria automotiva e aeronutica nos Estados Unidos,
Japo, e Europa.
Existem atualmente basicamente trs abordagens em otimizao estrutural: otimizao
paramtrica, otimizao de forma e otimizao topolgica. Na otimizao paramtrica so
otimizadas as dimenses (ou a razo das dimenses) da estrutura, mantendo-se a sua forma prdefinida. Na otimizao de forma so alterados os contornos (internos e externos) da estrutura.
Finalmente na otimizao topolgica so encontrados novos "buracos" de forma tima no
domnio estrutural. A reduo do peso na estrutura e melhora do objetivo desejado crescente
na seqncia descrita dos mtodos. Note que a otimizao de forma apenas altera os contornos
da estrutura no permitindo encontrar novos "buracos" nesta.
Atualmente as pesquisas de otimizao estrutural se concentram no desenvolvimento dos
mtodos de otimizao de forma para aplicaes como forjamento e estampagem, e do MOT
para as diversas reas da engenharia (no somente a estrutural).
2. DEFINIES BSICAS
Na formulao de um problema de otimizao esto presentes os seguintes conceitos: vriaveis de
projeto, funo objetivo, restries e domnio vivel e invivel que sero descritos a seguir.
2.1 Variveis de Projeto
Essencialmente, as variveis de projeto so os parmetros do problema que podem ser alterados
para otimizar o sistema. Por exemplo, no caso de uma estrutura podem representar uma certa
dimenso que ser alterada, rea da seo de uma viga, ou o valor de uma propriedade do
material de que feita (por exemplo, o mdulo de elasticidade).
As variveis de projeto so classificadas em variveis contnuas e discretas. As variveis
contnuas podem assumir qualquer valor, j as variveis discretas esto limitadas a valores
isolados. Assim, por exemplo, o dimetro de uma viga tubular seria uma varivel discreta j que
encontramos apenas alguns dimetros de tubo disponveis no mercado, j o seu comprimento
pode ser uma varivel contnua, uma vez que podemos cortar o tubo em qualquer comprimento.
No entanto se temos a liberdade de fabricar o tubo com qualquer dimetro, ento o dimetro
passa a ser uma varivel contnua. Variveis que indicam valores de materiais tambm so em
geral discretas, j que temos um nmero limitado de materiais disponveis.
Problemas de Otimizao que envolvem variveis discretas so resolvidos utilizando mtodos
baseados na teoria de programao inteira. So em geral algoritimos complexos e os problemas
so de difcil soluo. A princpio podemos ficar tentados a inicialmente tratar uma varivel
discreta como contnua e ao final da otimizao adotar o valor isolado mais prximo da soluo
obtida. Entretanto, quando os valores da varivel discreta esto muito espaados, esse
procedimento nem sempre funciona, pois podemos nos afastar muito da optimalidade da
soluo ou desrespeitar alguma restrio imposta no problema de otimizao. Nesses casos
deve-se utilizar os algoritimos especficos para variveis discretas.
As variveis contnuas podem ainda serem classificadas em parmetro distribudo e parmetro
discreto.
A varivel do tipo parmetro distribudo representada por uma funo. Assim, podemos
definir a funo rea A(x) que representa como a rea da viga varia ao longo de seu
comprimento. Nesse caso a varivel seria a funo em si e no somente o valor de uma
incgnita. Ou seja, queremos saber qual a variao de rea ao longo do comprimento da viga
para otimiz-la segundo um critrio. A soluo de um problema de otimizao em que uma
funo a incgnita obtida atravs da teoria de clculo variacional. Em geral, os problemas
dessa natureza que podem ser resolvidos sem utilizao de mtodos numricos se limitam a
casos simples de estrutura, como a otimizao da geometria de uma viga, por exemplo, tendo
interesse mais acadmico. No entanto, todas as teorias de otimizao so (e devem ser)
fundamentadas atravs do clculo variacional que ser discutido adiante.
A(x), I(x)
x A(x), I(x)
Discreto: sistema em que a variao de seus parmetros representada por uma funo
discreta que a varivel de projeto em geral. Como exemplo, no caso estrutural temos
estruturas de trelia ou prticos, que so constitudas de elementos discretos de trelia ou
viga, respectivamente. As variveis de projeto so em geral as reas ou momento de inrcia
dos elementos, ou as coordenadas dos ns.
Contnuo tratado como discreto: ocorre, por exemplo, quando discretizamos uma estrutura
contnua em elementos finitos para poder resolv-la utilizando mtodos numricos. Nesse
caso, as variveis de projeto esto em geral associadas com os elementos (espessura, rea,
dimenses, etc.).
A1
A2 A3 A4
A5
A6
A escolha das variveis de projeto crtico para o sucesso da otimizao. Considere o exemplo
da Fig.2.1.4 em que a distribuio de espessura de uma placa foi otimizada. Embora a
discretizao seja suficiente para uma anlise de CAE (elementos finitos) da placa com
espessura constante, ela no adequada para representar a soluo final da otimizao. Assim
uma malha mais fina necessria.
A Fig.2.1.5 ilustra a situao em que a escolha das variveis de projeto influencia o resultado
final da otimizao. O resultado da Fig.2.1.5a uma soluo tima local que no interessante,
e que obtida devido escolha das variveis h1, h2, h3, h4 e h5. Mudando-se a definio das
variveis para h1, h2, h3, h4, h5, como mostrado na Fig.2.1.5b uma outra soluo tima
local obtida apresentando uma configurao mais interessante para ser fabricada.
h1
h2
h3
h4
h5
a)
h1
h2 h3 h4 h5
b)
Fig.2.1.5: Problema de distribuio tima de espessura numa viga.
A Fig.2.1.6 mostra a otimizao da forma de um furo numa placa para reduzir a concentrao
de tenso. Como variveis de projeto foram utilizadas as coordenadas dos ns no contorno do
furo. Novamente a discretizao do modelo de CAE (elementos finitos) no suficiente pra
representar o resultado da otimizao. Alm disso, os elementos prximos ao contorno foram
muito distorcidos comprometendo o resultado da anlise numrica. Para evitar essa distoro
poderiam tambm serem escolhidos como variveis as coordenadas dos outros ns prximos ao
contorno do furo.
projeto. Isso muitas vezes no fcil, por exemplo, como quantificar a dirigibilidade de um
automvel? A dirigibilidade em si um conceito relativo que varia de pessoa pra pessoa (um
piloto de frmula um tem uma expectativa diferente de quem est aprendendo a dirigir, por
exemplo), assim o problema de otimizar o projeto de um automvel para melhorar a sua
dirigibilidade torna-se complexo pela dificuldade de se quantificar a dirigibilidade.
Em problemas de otimizao com multiobjetivos (multicritrio) a principal dificuldade a
definio da funo multiobjetivo que ser discutido adiante. A funo multiobjetivo deve
consistir numa expresso matemtica que combina todos os objetivos do problema.
importante chamar ateno para algumas equivalncias clssicas de funo objetivo que
podem tornar o problema matematicamente mais simples. Assim, maximizar f a mesma coisa
que minimizar -f ou 1/f (a menos da singularidade em f=0), ou maximizar k*f (onde k uma
constante) e maximizar |x| pode ser substitudo por maximizar x2, o que evita singularidades na
derivada da funo objetivo.
2.3 Restries
Essencialmente, as restries so as limitaes impostas para se obter a soluo otimizada. So
classificadas em 3 tipos: laterais, igualdade e inegualdade.
Considerando um conjunto de variveis de projeto x = {x1 , x 2 , x 3 ,..., x n } , uma restrio lateral
do tipo:
x mini x i x maxi i = 1,..., n ,
No final da otimizao espera-se que todas as restries estejam ativas, caso contrrio, as que
esto inativas no seriam, a princpio, necessrias no problema de otimizao, pois no
influenciam o problema. Por outro lado, existem restries que se tornam ativas durante o
processo de otimizao e depois ficam inativas ao final, dessa forma muito difcil saber de
antemo, quais as restries que influenciam ou no o resultado da otimizao e assim, todas
devem ser consideradas.
Um conceito importante o multiplicador de Lagrangre ( i ) associado a cada restrio e que
ser discutido em detalhe na seo 3.2. Essencialmente, o valor do multiplicador de Lagrange
est relacionado com a importncia da restrio. Assim, se i = 0 a restrio i inativa (no
sendo necessria), e se i 0 , a restrio i ativa (sendo necessria).
Finalmente, definido as variveis de projeto, funo objetivo e restries, um problema de
otimizao formulado como:
Minimizar f(x)
x
tal que h k (x) = 0, k = 1,..., n e
g j (x) 0, j = 1,..., n g
O fato de formular o problema como uma minimizao ao invs de uma maximizao, ou
utilizar g j (x) 0 ao invs de g j (x) 0 , apenas uma questo de notao e no altera em nada
os conceitos que sero apresentados. Nesse curso utilizaremos a notao acima, que a mais
comumente utilizada nos livros de otimizao.
Um problema de otimizao dito linear se a funo objetivo e restries so lineares, ou seja:
10
x1
A1
x3
x2
A2
A3
m = 0,29(A1L1 + A 2 L 2 + A 3 L 3 )
A1 , A 2 , A 3, x1, x2, x3
Min
tal que
Equaes de equilbrio
Restries de
Tenses Mecnicas
k12 (A i , x i , L i )u + k 22 (A i , x i , L i )v = 0
30.000 i (u, v, x i , L i ) 0
i (u, v, x i , L i ) + 30.000 0
A i 0,1 0
i = 1,2,3
onde Li = x i 2 + 100 e alm das restries mecnicas, so includas as restries de equilbrio para
garantir que o equilbrio da estrutura seja respeitado quando as variveis de projeto so
alteradas, e restries de valor mnimo para as reas.
11
h1 = 0
x2
domnio
vivel
h4 = 0
domnio
invivel
f = c1
h1 , h 2 , h 3 , h 4 0
h2 = 0
f = c2
f = c3
h3 = 0
O
x1
Fig.2.4.1: Regies de domnio vivel e invivel.
Mediante o estudo desse grfico bidimensional, podemos entender a influncia das restries na
localizao da soluo tima. Na Fig.2.4.2 so plotadas as curvas de nvel da funo f, com a
seta indicando o sentido em que f decresce. Nota-se que devido a funo restrio especificada
surge o conceito de mnimo local e mnimo global. O mnimo local aparece numa cavidade
secundria, e possue um valor de funo objetivo f maior do que o mnimo global. Essa
situao comum em muitos problemas de otimizao, fazendo com que os algoritimos
estacionem no mnimo local. A confirmao se o mnimo encontrado global, somente
possvel para problemas denominados convexos, que sero discutidos na seo 4.3.2.3. Nos
demais tipos de problema a dvida persiste, no sendo possvel ou muito difcil, em geral,
provar matematicamente se o mnimo local ou global.
x2
f
mnimo
local
mnimo
global
x1
12
A Fig.2.4.3 mostra uma situao muito comum em que a soluo tima encontra-se na
interseco de duas restries, indicando que esto ativas no final da otimizao. As demais
restries esto inativas.
x2
f
xopt
o
x1
A Fig. 2.4.4 ilustra a situao em que a soluo tima obtida com todas as restries inativas,
ou seja, o problema equivalente a um problema de otimizao sem restrio.
x2
xopt
o
x1
A Fig.2.4.5 mostra a situao em que a curva de nvel da funo f tangente a curva de uma
restrio, com a soluo tima no ponto de tangncia. Essa situao pode apresentar uma
sensibilidade numrica com uma grande variao na obteno da soluo tima devido a
pequenos erros no clculo da funo objetivo ou restries, e no caso mais crtico apresentar
uma soluo degenerada, ou seja, possue inmeras solues, o que ocorre, por exemplo, se a
curva de nvel de f for paralela curva de restrio.
13
x2
f
xopt
o
x1
14
Muitas vezes a escolha depender do algoritimo de otimizao a ser utilizado. Para alguns
algoritimos melhor que a funo objetivo seja linear e as restries no-lineares ou vice-versa.
Considere um outro exemplo em que os objetivos so massa (m) e deslocamento num ponto da
estrutura (wmax). Podemos formular o problema definindo uma funo multiobjetivo do tipo:
Minimizar f = c1m + c 2 w max ,
ou podemos formular dois tipos de problema:
Minimizar m
tal que w < w max
ou
Minimizar w
tal que m < m max
Uma questo comum que surge se ambas as formulaes levam ao mesmo resultado. Nesse
caso especial, como o problema convexo (ver adiante), demonstra-se matematicamente que
ambas as formulaes levam a mesma soluo tima. Mas para maior parte dos problemas,
essas no so questes com respostas bvias. Em geral estamos diante de uma soluo de
compromisso, o que se ganha numa formulao se perde com a outra, mas podemos analisar o
que acontece em alguns casos.
Vamos analisar inicialmente a formulao de uma funo multiobjetivo do tipo combinao
linear com pesos. Sejam F1=x e F2=4-2x dois objetivos plotados na Fig.2.5.1.
Se:
15
W1 = 1 e W2 = 1 F(x) = 4 x x * = 2
W1 = 2 e W2 = 1 F(x) = 4 x
W1 = 3 e W2 = 1 F(x) = 4 + x x * = 1
onde x* indica a soluo tima.
Assim, a soluo tima depende da escolha dos pesos W1 e W2, e a funo de maior derivada
(incluindo o fator peso) domina o resultado. O efeito menos pronunciado com funes nolineares, mas tambm pode levar a resultados imprevisveis. Dessa forma, deve-se ter cautela
na utilizao da formulao acima.
Consideremos outro problema, como exemplo, em que se deseja minimizar a rea e a tenso de
cisalhamento na seo de viga mostrada na Fig.2.5.2 tendo-se como variveis de projeto as
dimenses w e h da seo.
0,5 w 5
0,5 h 5
w
Fig.2.5.2: Seo de viga.
3
.
2 wh
Nota-se de imediato que temos uma soluo de compromisso, pois a minimizao de uma
funo implica na maximizao da outra. Vamos analisar as diferentes formulaes para esse
problema.
3
,
2wh
temos:
min F w * h * = 1,225 f1 = 1,225 e f 2 = 1,225 ,
onde a soluo dada em funo do produto wh (rea). Vamos definir agora uma funo
multiobjetivo que visa reduzir a distncia entre a soluo tima obtida e a soluo tima
individual de cada funo (fi*). Assim, temos:
2
3
2
2
0,06
2
2
f ( x) f i
wh 0,25
,
= d 2 i =
F = i *
+ 2wh
f i
0,06
i =1
i =1
0,25
*
*
pois f1 =0,25 e f2 =0,06. e minimizando F:
min F w * h * = 2,5 f1 = 2,5 e f 2 = 0,6 .
16
min f1
tal que f 2 0,5
w *h * = 3,0 f *1 = 3,0 e f 2 = 0,5
e vice-versa:
min f 2
tal que f1 0,5
w *h * = 0,5 f1 = 0,5 e f *2 = 3,0
Tenso de
cisalhamento
exemplo, estruturas de geometria simples, como uma viga ou trelias. No entanto, permitem
analisar conceitos importantes da otimizao como existncia e unicidade da soluo tima ou
condies necessrias e suficientes da soluo tima, tendo por isso grande interesse
acadmico. Alm disso permitem validar a soluo de mtodos numricos que so aplicados em
problemas genricos. O clculo diferencial permite trabalhar somente com funes simples e
exige em geral, vrias simplificaes. No clculo variacional a incgnita uma funo (ao
contrrio de variveis no clculo diferencial), ou seja, deseja-se determinar a funo rea A(x)
ou momento de inrcia I(x) ao longo da viga, ou a espessura h(x,y) ao longo da placa. Para isso,
o clculo variacional trabalha com a formulao integral do problema.
Os mtodos numricos sero descritos na seo 3 em detalhe, entretanto interessante
classific-los de antemo em dois tipos: especficos e gerais. Entre os mtodos especficos
podemos citar o critrio de optimalidade ("optimality criteria"). Trata-se de um mtodo
numrico de base emprica para a soluo de problemas de otimizao. Em geral, uma
formulao especfica deve ser desenvolvida para cada problema, o que faz com que o critrio
de optimalidade tenha aplicao restrita a alguns problemas de otimizao estrutural, uma vez
que para cada novo tipo de problema uma nova formulao emprica deve ser desenvolvida. No
entanto, so mais eficientes computacionalmente do que os mtodos numricos genricos
(descritos adiante). Como atualmente, a rea de otimizao tem se estendido para vrias reas
da engenharia, alm da estrutural, e com o desenvolvimento dos computadores, a aplicao
desses mtodos tem sido limitada e a tendncia que sejam abandonados no futuro com a
utilizao de mtodos genricos.
J os mtodos genricos consistem nos mtodos numricos implementados nos softwares de
otimizao em geral, e que so baseados na chamada teoria de programao matemtica, sendo
descritos em detalhe no captulo 3. So genricos porque podem ser aplicados a qualquer
problema de otimizao, estrutural ou no. Devido ao grande nmero de mtodos disponveis
atualmente devem ser adotados critrios para a escolha do mtodo numrico. Entre os critrios
deve-se levar em conta: software disponvel, ou seja, prefervel utilizar um software j
disponvel do que implementar um novo algoritimo; nmero de iteraes necessrias, pois se
um mtodo numrico utilizado na anlise, deseja-se obter a soluo da otimizao em poucas
iteraes para reduzir o custo computacional; informao disponvel sobre a funo objetivo,
como por exemplo suas derivadas, pois dependendo do mtodo sero necessrias as primeiras
ou at as segundas derivadas das funes objetivo e restries.
Os mtodos grficos consistem em se obter a soluo atravs da construo de grficos da
funo objetivo, restries e domno vivel. Somente permitem a soluo de problemas de
otimizao com at duas variveis de projeto, no entanto so muito teis na fase de
aprendizagem, permitindo ilustrar os conceitos da otimizao.
Alm disso, existem outros mtodos de programao matemtica que so aplicados em reas
especficas da engenharia como o mtodo de programao dinmica, programao geomtrica,
tcnicas de controle timo, etc. que no sero abordados nesse curso.
Finalmente, uma importante considerao para o projetista atualmente prover uma interface
entre um software CAE e um software de otimizao. Essa interface ilustrada na Fig.2.6.1
inclue conceitos importantes como a formulao do problema de otimizao, o clculo da
sensibilidade e a aproximao das funes objetivo e restries, como ser visto adiante. Dentre
esses conceitos a sensibilidade ou as derivadas das funes objetivo e restrio em relao s
18
variveis de projeto exercem um papel fundamental, devendo ser calculadas de forma eficiente
e precisa, caso contrrio levam a resultados errados na otimizao.
Software de
Anlise CAE
Resposta
extremamente importante;
obteno deve ser eficiente e
precisa;
Sensibilidade
(gradientes)
Software de
Otimizao
19
mnimo
< 0 mximo
dx 2 x*
dx 2 x*
No caso de uma funo multivarivel f(x1 , x 2 , x 3 ,..., x n ) a condio para x* ser um "ponto
estacionrio", ou seja, mnimo ou mximo, :
f
f
f
f
=
=
= ... =
=0,
x n x*
x 1 x* x 2 x* x 3 x*
ou seja, que todas as derivadas parciais da funo f em relao s variveis de projeto, sejam
nulas.
Assim como no caso unidimensional, a condio suficiente exige um estudo das segundas
derivadas. No entanto, como temos uma funo multivarivel a informao das segundas
derivadas combinada numa nica matriz denominada matriz Hessiana da funo f,
apresentada a seguir:
2f
2f
2f
....
2
x1x 2
x1x n
x21
2f
f
M
....
2
H = x x
x 2
2 1
M
M
O
M
2
2f
f
....
....
2
x x
x n
n 1
Agora, a condio suficiente dada por:
Se H* (avaliada no ponto timo) positiva-definida, o ponto x* um mnimo;
20
*
*
H = *
M
*
* * L *
* * L *
* * L *
M M O M
* * L *
21
Min Peso
h1,h2
(h1 h 2 ) + L2
h 2 + L2
P
h1 h 2
P; F2 = ; F3 = 0; F4 =
P; F5 =
P
h1
2
2h1
2h1
Para cada barra estar completamente tracionada com tenso 0 as reas devem valer:
2
F1 =
Ai =
Fi
, i = 1,...,9
e sendo F3=0, a rea A3=Amin. Como a densidade a mesma para todas as barras, a minimizao
da massa (ou peso) obtida minimizando-se o volume, que dado por:
2
9
P
h
L2
V = A i L i = A1L1 + 2A 2 L 2 + 2A 4 L 4 + 2A 5 L 5 = 2 h1 h 2 + 2 +
h1 h1
0
i =1
h 2 2 L2
P
2h
V
= 2 - 1 + 2 = 0
1 2 2 = 0 e
h1
0
h 2
h1
h1
2
1
P
*
*
L e h2 =
L A1 = A 2 = A 4 = A 5 =
h1 =
2 0
3
3
obtendo-se os valores timos das reas.
Vamos verificar agora, a condio de suficincia da soluo atravs da anlise da matriz
Hessiana. A matriz Hessiana vale:
3
2
2
1 / 2
2P 2/h1 h 2 + L2 2h 2 /h1
2P 3 1
*
H=
H
1
0 2h 2 /h12
0 L 1 / 2
2/h1
V
P
=2
h1
0
)(
22
P 3
3P 3
e 2 =
0L
0L
Como ambos so positivos, H positiva-definida, provando a condio de suficincia de
optimalidade do resultado.
Min f(x)
tal que hj(x)=0,
j=1,..,ne
ne<n
x=(x1,...,xn)T
onde o nmero de restries de igualdade (ne) deve ser menor do que o nmero de variveis (n)
para que exista soluo. O valor mnimo de f ocorre quando:
f
f
f
f
df =
dx 1 +
dx 2 +
dx 3 + ... +
dx n = 0
x 1 x*
x 2 x*
x 3 x*
x n x*
Se no houvesse a restrio de igualdade, df=0 obtido quando todas as derivadas parciais
forem nulas, como j comentado anteriormente. Mas, isso somente verdade porque as
variveis x1,x2,,xn so independentes uma das outras, o que no ocorre quando temos as
equaes de restrio. Com as equaes de restrio as variveis de projeto passam a depender
uma das outras (e portanto dx1, dx2,,dxn) e a hiptese de que as derivadas parciais de f devem
ser nulas para obter o mnimo de f no mais vlida.
Seja uma restrio h( x) = 0 dh =
h
x 1
dx 1 +
x*
h
x 2
dx 2 +
x*
h
x 3
dx 3 + ... +
x*
h
x n
f
x 1
+
x*
h
x 1
=
x
f
x 2
+
x*
h
x 2
=
x*
f
x n
e: h(x)=0
23
+
x*
h
x n
=0
x
dx n = 0
x*
dx = 0
n
x*
Agora temos um sistema de equaes com n+1 incgnitas (incluindo ) e n+1 equaes
(incluindo h(x)=0) que pode ser resolvido encontrando x 1 , x 2 , x 3 ,..., x n , . Portanto, o problema
de otimizao com restrio foi transformado no problema de otimizao sem restries:
Min f+h
A nova funo f+h chamada de Lagrangeano (L) do problema de otimizao, e a constante
denominada Multiplicador de Lagrange associado restriao de igualdade. Considerando ne
restries de igualdade teremos um multiplicador de Lagrange j associado a cada uma delas, e
nesse caso o Lagrangeano fica:
L
i = 1,.., n
ne
x = 0
i
L(x, j ) = f(x) + jh j
L
j=1
h j ( x ) =
j = 1,.., n e
=0
j
Min
Ai
V(A ) = A i L i
i =1
tal que
f i Fi
Li = 0
i =1 A i E i
wB
P2
P3
P1
Soluo:
Abaixo o Lagrangeano montado, as condies de estacionaridade so obtidas e o sistema
resultante resolvido obtendo-se o valor das reas timas. O multiplicador de Lagrange da
restrio e o volume final timo (relacionado com a massa) tambm so calculados.
24
fF
L
= L i i2 i L i = 0
A
fF
Ai Ei
L(A, ) = A i L i + i i L i i n
f
F
L
A
E
i i
i =1
i =1 i i
=
L =0
i =1 A i E i i
n
1
1
n
2
2
f
F
f
F
f
F
f i Fi
1 f i Fi
1
1
j j
i i
j j
*
V* =
Lj
Ai =
=
Lj
L i A i =
j=1 E j
j=1 E j
i =1 E i
Ei
Ei
Restries de Inegualdade
1
2
1
2
j = 1,..., m
A soluo obtida convertendo-se inicialmente a restrio de inegualdade numa restrio de
igualdade utilizando-se uma funo auxiliar tj(x) atravs da expresso:
2
g j (x) t j (x) = 0,
j = 1,..., m
Assim o novo Lagrangeano fica:
L(x, j , t j ) = f + j (g j t j )
m
j=1
onde tj(x) atuam como variveis extras. Escrevendo as condies de estacionaridade em relao
s variveis x, j , t j , temos:
L
L
2
= 0 (i = 1,.., n);
= gj tj = 0
x i
j
( j = 1,.., n e ); L = 2 j t j = 0
t j
dy(x)
e y(a)=ya, y(b)=yb
dx
25
y
yb
y*(x)
y(x)
ya
J( ) = J(y(x, )) = F x, y* + , y* + dx
a
Dessa forma o objetivo se traduz em encontrar o valor timo de que minimize o funcional.
Note que o mnimo ocorre para =0 e a condio necessria para que o extremo de J, ou o
mnimo de J ocorra em =0 :
26
J y = y*
b
b
F dy F dy
dJ( )
F
F
=
=
+
dx = y +
y dx = 0
d = 0 a y d y d = 0
=0
a
J y= y*
F d F
F
ydx +
=
y = 0
y dx y
y a
a
=0
b
J y = y* =
a
d F
dx y
ydx = 0
=0
Mas como y(x) arbitrrio dentro do espao admissvel de funes, podemos afirmar que a
integral acima ser nula se e somente se:
F d F
=0
y dx y
A equao obtida denomimada Equao de Euler-Lagrange. Em geral, as equaes que
descrevem o comportamento dinmico de sistemas mecnicos so do tipo da equao de EulerLagrange, pois so obtidas da teoria de mecnica analtica (ou vibraes) sendo derivadas da
minimizao de um funcional,em geral a energia potencial total do sistema.
Ela nos permite obter a funo y(x) que extremiza o funcional J. Assim, num problema de
otimizao em que se deseja encontrar a funo y(x) que minimiza um funcional, basta
simplesmente escrever a equao de Euler-Lagrange definida acima para encontr-la.
No caso de y(b) 0 e y(a) 0 , ento devemos ter:
F
F
y = 0 e y = 0
x =a
x =b
que so chamadas de condies de contorno naturais. Por exemplo, no caso de um estrutura
mecnica uma condio de deslocamento nulo uma condio de contorno cinemtica,
enquanto uma condio de fora ou momento nulo seria uma condio de contorno natural.
27
Vejamos alguns casos mais genricos de funcionais. No caso do funcional tambm depender de
derivadas de alta ordem, temos:
b
e:
(n 1)
y(a) = y a ; y(a) = ya ; y(a) = ya ;...; y (n 1) (a) = y a
(n 1)
y(b) = y b ; y(b) = yb ; y(b) = yb ;...; y (n 1) (b) = y b
e:
y (a) = y a ; y (a) = y a ; y (a) = y a ;...; y (n 1) (a) = y a
(n 1)
(n 1)
2
n
d
( yF) + d 2 ( yF) + ... + (1) n d n y(n) F = 0
dx
dx
dx
F F
F
onde: y F =
,
,...,
y m
y1 y 2
28
p(x)
w(x)
Fig.3.3.2: Viga sujeita a um carregamento distribudo.
Soluo:
Sabemos que a condio de equilbrio da viga ocorre quando a sua energia potencial for
mnima. O objetivo encontrar a funo deslocamento w(x) que minimize a energia potencial,
ou seja:
Min (x)
w(x)
Trata-se portanto de um problema de clculo variacional, onde a energia potencial dada pelo
seguinte funcional:
2
L
L
d2w
1
= EI(x) 2 dx p(x)w(x)dx
20
dx
0
Energia
Potencial
Energia Elstica
Trabalho Externo
onde E o mdulo de elasticidade e I o momento de inrcia. Para encontrar a funo w(x) que
minimize, bastaria escrever a equao de Euler-Lagrange e resolv-la. No entanto, para efeitos
didticos vamos repetir o procedimento de variacionaro funcional e igualar a zero de forma a
obter o seu mnimo. Portanto:
L
'
onde foi utilizada a tcnica de integrao por partes para reduzir w" e w' para w.
Considerando as condies de contorno cinemticas e naturais, temos:
EIw = 0 ou w = 0
para x = 0, L
'
(EIw ) = 0 ou w = 0
29
e sendo w arbitrrio (mas admissvel), a integral restante ser nula se e somente se:
L = J + g[y(x)]dx - c
a
y
h i x 1 ,..., x n , y 1 ,..., y p , 1 ,...,
x 1
x n
= 0,
i = 1,..., m
basta estender o conceito do multiplicador de Lagrange localmente para cada restrio, ou seja:
(x)h v
i =1
i (x)h i dv
v
onde nesse caso o multiplicador de Lagrange passa a ser uma funo de x. Portanto, sendo o
funcional J = fdv , o funcional lagrangeano ser definido como:
V
m
m
L = J + i (x)h i dv = f + i (x)h i dv
i =1 V
i =1
30
Como exemplo, consideremos o problema mostrado na figura 3.3.3, cujo objetivo consiste em
encontrar a distribuio de rea ao longo da viga de forma a minimizar o seu volume, de forma
que o deslocamento em uma dada posio se mantenha igual .
p(x)
b(x)
h(x)
w(x)
Fig.3.3.3: Viga sujeita a um carregamento distribudo e com restrio de deslocamento em x=.
Soluo:
Trata-se de um problema de otimizao com restrio. A restrio de deslocamento uma
restrio local, que pode ser expressa na forma integral, usando o teorema de Castigliano (veja
em resistncia dos materiais), e portanto pode ser tratada como uma restrio integral. Assim
temos:
L
Min V = A(x)dx
A(x)
tal que w ( ) = 0
L
M(x)m(x)
dx , onde E o mdulo de elasticidade, I o
EI(x)
0
momento de inrcia, M(x) o momento fletor ao longo da vida e m(x) o momento fletor
devido carga auxiliar ao longo da viga. Assim, usando a teoria apresentada acima podemos
definir o funcional lagrangeano a ser otimizado:
Pelo teorema de Castigliano: w ( ) =
L
L M(x)m(x)
No entanto, nos defrontamos com um novo problema. Embora a varivel de projeto seja a
funo rea A(x), o funcional tambm depende do momento inrcia I(x). Para poder resolver o
problema necessrio definir uma relao entre I(x) e A(x), caso contrrio teremos duas
funes a determinar, A(x) e I(x). Essa uma limitao exigida para simplificar o problema,
pelo fato de estarmos lidando com um mtodo analtico. Assim, para efeito de simplificao
podemos considerar a relao entre I(x) e A(x) do tipo:
31
n
I(x) = [A(x)]
bh 3 h 2
h2
n =1 I =
bh =
A
=
12 12
12
h
(bh )2 = h A 2
n =2I=
12b
12b
1
1
3 3
n = 3 I =
bh =
A3
2
2
12b
12b
Note que para n=1, h mantido constante e b varia. No caso de n=2 a relao h/b mantida
constante e no caso n=3, b mantido constante e h varia. Nesse exemplo vamos considerar n=1.
Assim, variacionando-se o funcional lagrangeano (L) para obter o seu mnimo:
L
L = 1
L M(x)m(x)
M(x)m(x)
+
Adx
dx
=0
EI(x)
EA 2 (x)
0
1
Mm 2
M(x)m(x)
2
0
A(x)
1
=
2
EA (x)
E
1 Mm 2
w ( ) = 0 =
dx
0 E
Substituindo novamente em A(x) obtemos a funo tima A*(x) e tambm o volume timo
associado V*(x):
A* (x ) =
L
1
1
1
(M( )m( ) )2 d (M(x)m(x)) 2
E 0
L
1
1
V* =
(M( )m( ) )2 d
E 0
y
0,
g i x1 ,..., x n , y1 ,..., y p , 1 ,...,
x1
x n
i = 1,..., m
y p
g i x,...,
x n
2
t i (x) = 0,
i = 1,..., m
2
Dessa forma, a funo lagrangeana ser dada por: L(x, y, ) = f + i (g i t i ) dv
i =1
L y = y = (L)ydv +
*
i =1
[ (L) dv 2 t t dv] = 0
i
i i
Dado que y, i e ti so independentes para que a expresso acima seja zero necessrio que
cada uma das integrais associadas a esses termos sejam nulas. No caso estamos interessados
apenas no termo ti, e portanto temos:
2 t i i t i dv = 0
x
L
W A 0 0
Fig. 3.3.4: Elemento de trelia com peso na sua extremidade.
33
Soluo:
Trata-se de um problema de otimizao com restrio de igualdade ponto-a-ponto representada
pela equao de equilbrio e uma restrio de inegualdade ponto-a-ponto representada pela
restrio de tenso mecnica e de rea mnima ao longo da trelia. Assim o problema de
otimizao pode ser definido como:
L
Min A(x)dx = V0
A(x)
tal que
A(x) 0 P(x) 0
A - A0 0
P + A = 0
P(L ) = W
A equao de equilbrio considerada nas restries para garantir que seja respeitado o
equilbrio para uma dada funo A(x). A funo lagrangeana definida para esse problema e sua
correspondente condio de estacionaridade so dadas por:
L
1 3 0 + 3 = 0 e 3 (0) = 0 3 =
x
0
1 =
x
0
1 0
(x t x )
0
para x<xt.
Note que como 1 no zero a equao de complementaridade foi usada (A0-P=0). Alm
disso a rea apresenta um decaimento exponencial, possuindo o maior valor na extremidade
superior. xt o comprimento que marca o ponto em que a rea atinge o seu valor mnimo A0
(ver figura 3.3.5). Quando a rea atinge seu valor mnimo permanece nesse valor at a
extremidade inferior, assim usando a equao de equilbrio:
A W
P = W + (L x )A 0 x t = L 0 0
A 0
Note que xt pode ou no ocorrer dentro do comprimento L da trelia dependendo do valor de 0
e W.
O resultado obtido para o problema de otimizao resumido abaixo sendo ilustrado na figura
3.3.5.
A(x) = A 0 e
(x t x )
0
A(x) = A 0
para x < x t
para x > x t
xt
A0
W
Fig.3.3.5: Resultado da otimizao da trelia.
35
A1
L1
x1
A2
L2
x2
W
0xL
1, 2
1
Descontinuidade
Discontinuidade
na
da
derivada
derivada
2
A2
Fig.3.4.2: Variao dos valores mximos de tenso com A2.
Assim nota-se que o valor mximo de tenso muda de 2 para 1 a medida que aumentamos a
rea A2. Isso justifica a formulao do problema como "Minimizar Max ao longo da barra",
uma vez que o valor mximo da tenso muda de posio a medida que alteramos a varivel de
projeto. Essa mudana de posio do valor mximo de tenso gera uma descontinuidade na
derivada no mnimo da funo "Max " como mostrado na Fig.3.4.2, fazendo com que a mesma
no possua condio de estacionaridade. Devido a essa descontinuidade na derivada, esse
36
problema no pode ser resolvido numericamente como formulado acima utilizando a funo
"Max ".
Esse problema ocorre em qualquer outra estrutura de forma complexa, toda vez que desejamos
minimizar (ou maximizar) o mximo (ou o mnimo) de uma quantidade de natureza local, como
tenso mecnica e deslocamento, por exemplo. A definio de Max apresenta uma
descontinuidade na sua natureza, pois o ponto de valor mximo se desloca a medida que
alteramos a estrutura.
Vejamos formulaes alternativas que permitem a soluo desse problema numericamente. Se
caso o problema tenha sido formulado juntamente com uma restrio de volume de material, ou
seja:
pode ser reformulado colocando a restrio de volume como funo objetivo (tornando-a uma
funo de derivadas contnuas) e a tenso mecnica como restrio de inegualdade, ou seja:
Min V(x)
A(x)
onde nesse caso o valor de 0 deve ser corretamente escolhido (atravs de tentativa e erro) de
forma que V*=V0.
Mas nem sempre a restrio de volume est presente, como, por exemplo, num problema de
reduzir a concentrao de tenses numa placa infinita ou de grandes dimenses (ex.: asa de uma
avio). Nesse caso, a seguinte formulao alternativa pode ser usada:
Min
A(x),
37
L1
L2
A1
A2
p0
p0
Soluo:
Min
A1, A 2,
( = EA )
tal que
2
A L
i =1
=R
(EA)' + p 0 = 0
EA ( L + L ) = 0
1
Equaes de
equilbrio
38
(EA)' + p 0 = 0 EA = p 0 (L 2 + L1 ) p 0 x
p 0 (L 2 + L1 )
2
2
p 0 L1 + L1L 2 + L 2
E
+
=
=
A
L
A
L
R
1 1
2 2
pL
ER
A2 = 0 2
A1 =
x[0, L ]
p(x)y(x)dx
0
L0
p grande o suficiente
(EIy)" + 2 Ay = 0
(forma diferencial)
L EI(y)2 dx
(forma integral)
= y(x)min
L
admissvel
2
Ay
dx
39
Domnio de Projeto
(Corpo Elstico)
x3
x1
p(x)u(x)dx
Dessa forma, seu conceito similar ao do trabalho realizado pela carga p(x). Para um p(x)
fixado, a minimizao da quantidade acima obtida minimizando-se a funo deslocamento
u(x), o que equivale a maximizar a rigidez da estrutura para o carregamento p(x). Como a
flexibilidade definida na forma de uma integral de volume, garante-se a maximizao da
rigidez mdia na direo u(x) para o carregamento p(x). Se for desejado maximizar a rigidez
local em algum ponto especfico da estrutura necessrio utilizar uma restrio local.
Dessa forma o problema de minimizao de flexibilidade para o caso de uma barra em
compresso ou trao definido como:
Min
A(x), u(x)
tal que
p(x)u(x)dx
(EAu)' p = 0
e condies de contorno
A(x) A min 0
Adx R 0
onde a varivel de projeto a funo rea A(x). Note que a maximizao da rigidez
antagnica minimizao do volume, assim a restrio de volume definida no problema sempre
estar ativa ao final da otimizao.
40
O problema acima ainda pode ser simplificado se conseguirmos impor de forma implcita a
condio de equilbrio, que agora definida no problema por uma equao diferencial, na
funo objetivo. Para isso, consideremos a deduo da equao de equilbrio do corpo. Como j
visto em problema anterior, a equao de equilbrio obtida minimizando-se a energia potencial
do sistema, assim no caso de uma barra:
=
1
EAv2dx pvdx = 0 (EAvv - pv )dx = 0
(EAv - p )dx = 0
onde (x) arbitrrio entre as funes admissveis. A forma da equao de equilbrio acima
obtida na sua forma integral denominada formulao fraca do problema. No equilbrio:
v = u (EAu - p )dx = 0
Note que no equilbrio a flexibilidade igual ao dobro da energia elstica da estrutura. Assim o
novo problema de minimizao de flexibilidade pode ser escrito na forma:
2
Min EAu dx
A(x)
Adx R 0
onde nesse caso a condio de equilbrio est implcita no fato de que deve ser utilizada a
funo deslocamento u(x) de equilbrio no clculo da energia elstica. Dessa forma a restrio
referente equao de equilbrio no precisa mais ser imposta.
Para a soluo do problema, consideremos a variao da sua funo Lagrangeana e isolando os
termos em A:
A em A (A 0 A = A min )
e = A +
A : Eu 2 =
em (A = 0 A > A min )
41
O termo que multiplica u recupera a equao de equilbrio na sua forma diferencial no sendo
mostrado. Note que a restrio de rea mnima uma restrio local e portanto a=a(x),
enquanto a restrio de volume global e portanto =cte. Assim, o resultado acima diz que a
soluo tima para o problema mxima rigidez com o menor volume deve possuir energia
elstica especfica (Eu2) constante.
QR =
E elstica
=
E cintica
2
EI(x)w dx
0
L
E [A(x)] w dx
n
2
A(x)w dx
0
A(x)w dx
2
Essa razo ser mnima quando o perfil de deslocamento for igual a um dos modos de vibrar da
estrutura e nesse caso o valor de QR ser igual freqncia de ressonncia correspondente ao
modo de vibrar. Cada modo de vibrar representar um mnimo local.
2 = Min (QR )
w(x)
A(x)
tal que
Adx = V
A(x) A min 0
42
onde nesse caso a condio de equilbrio est implcita no quociente de Rayleigh. A soluo do
problema acima obtida variacionando-se o Lagrangeano do problema:
L
L(w(x), A(x), ) =
E [A] w dx
n
Aw dx
2
Adx V0 L = 0
0
2 E [A ] w w dx
2 E [A ] w 2 dx
0
2
Aw dx
0
Aw dx
2
E [A] w dx
n
Awwdx +
0
nE [A]
n -1
w 2Adx
+
Aw dx
2
2
Aw dx
0
2
w Adx + Adx = 0
"
Eq. de Movimento : EA n w 2 Aw = 0
w = 0 ou [EA n w ] = 0
Condies de Contorno :
w = 0 ou [EA n w] = 0
'
Min
A(x)
Max
Adx
A(x),
tal que 2
tal que
[EIw]" 2 Aw = 0
[EIw]" 2 Aw = 0
(e condies de contorno)
(e condies de contorno)
ou = Min (QR )
A(x) A min 0
Adx = V
w(x)
A(x) A min 0