You are on page 1of 123

Gisele Cristina da Cunha Holtz

Traado automtico de envoltrias de esforos em

PUC-Rio - Certificao Digital N 0310953/CA

estruturas planas utilizando um algoritmo evolucionrio

Dissertao de Mestrado
Dissertao apresentada como requisito parcial para
obteno do ttulo de Mestre pelo Programa de PsGraduao em Engenharia Civil da PUC-Rio.
Orientadores: Luiz Fernando C. R. Martha
Luiz Eloy Vaz

Rio de Janeiro, abril de 2005

Gisele Cristina da Cunha Holtz

Traado automtico de envoltrias de esforos em


estruturas planas utilizando um algoritmo evolucionrio

PUC-Rio - Certificao Digital N 0310953/CA

Dissertao apresentada como requisito parcial para obteno


do ttulo de Mestre pelo Programa de Ps-Graduao em
Engenharia Civil da PUC-Rio. Aprovada pela Comisso
Examinadora abaixo assinada.

Luiz Fernando Campos Ramos Martha


Presidente / Orientador
Departamento de Engenharia Civil - PUC-Rio

Luiz Eloy Vaz


Co-orientador
UFRJ

Raul Rosas e Silva


Departamento de Engenharia Civil - PUC-Rio

Ivan Fbio Mota de Menezes


Departamento de Informtica - PUC-Rio

Pedro Colmar Gonalves da Silva Vellasco


UERJ

Jos Eugnio Leal


Coordenador(a) Setorial do Centro Tcnico Cientfico - PUC-Rio
Rio de Janeiro, 14 de abril de 2005

Todos os direitos reservados. proibida a reproduo


total ou parcial do trabalho sem autorizao da
universidade, da autora e do orientador.

Gisele Cristina da Cunha Holtz


Graduou-se em Engenharia Civil, pelo UniFOA - Centro
Universitrio de Volta Redonda em 2002. Desenvolveu
seu trabalho de pesquisa com nfase em computao
grfica aplicada.

Ficha Catalogrfica

PUC-Rio - Certificao Digital N 0310953/CA

Holtz, Gisele Cristina da Cunha


Traado automtico de envoltrias de esforos em
estruturas planas utilizando algoritmo evolucionrio /
Gisela Cristina da Cunha Holtz ; orientador: Luiz Fernando
C. R. Martha, Luiz Eloy Vaz. Rio de Janeiro : PUC,
Departamento de Engenharia Civil, 2005.
v., 123 f. : IL. ; 29,7cm
Dissertao (mestrado) Pontifcia Universidade
Catlica do Rio de Janeiro, Departamento de Engenharia
Civil.
Inclui referncias bibliogrficas.
1. Engenharia civil Teses. 2. Estratgia
evolutiva. 3. Computao evolucionria. 4. Envoltria de
esforos internos. 5. Trem-tipo. I. Martha, Luiz Fernando
Campos Ramos. II . Vaz, Luiz Eloy. III. Pontifcia
Universidade Catlica do Rio de Janeiro. Departamento
de Engenharia Civil. IV. Ttulo.
CDD: 624

Agradecimentos
A Deus, pela certeza de Seu amor incondicional.
Aos meus pais, Osmar e Ftima, que no mediram esforos para tornar possvel
a concretizao desta etapa, dando todo o apoio, carinho e incentivo
necessrios.
Ao meu marido Jlio, pelo companherismo, amor e pacincia inestimveis, que
tornaram mais ameno e agradvel o tempo dedicado concluso deste trabalho.
Ao meu irmo Gustavo, pela amizade e incentivo, e a minha irm Patrcia, pelos
cuidados e carinhos de uma verdadeira me.
Ao professor Luiz Fernando Martha, orientador deste trabalho, pela confiana

PUC-Rio - Certificao Digital N 0310953/CA

que me dedicou, pela qualidade de seus ensinamentos e pela eficincia ao


orientar este trabalho.
Ao professor Luiz Eloy Vaz, co-orientador deste trabalho, pelo direcionamento do
caminho a seguir no desenvolvimento deste trabalho e por suas valiosas
orientaes.
Aos professores Francisco Abreu, Nacib Abdala e Ildony Bellei, que foram os
primeiros a me incentivar a seguir este caminho.
A todos os amigos e familiares pelas oraes e pelo incentivo, em especial ao
meu av Joo Batista e a amiga Laci Tuller, que acompanharam de perto as
dificuldades enfrentadas, e aos novos amigos aqui conquistados, Juliana Vianna,
Patrcio Pires e Leandro Ferreira.
Aos amigos do TecGraf que muito contriburam, direta ou indiretamente, para o
desenvolvimento deste trabalho.
Ana Roxo e a todos os funcionrios e professores do Departamento de
Engenharia Civil da PUC.
Ao TecGraf pelo apoio financeiro e tecnolgico durante o curso de mestrado.
CAPES pelo apoio financeiro durante o curso de mestrado.

Resumo
Holtz, Gisele Cristina da Cunha; Martha, Luiz Fernando C. R. (Orientador);
Vaz, Luiz Eloy (Co-orientador). Traado automtico de envoltrias de
esforos em estruturas planas utilizando um algoritmo evolucionrio.
Rio de Janeiro, 2005. 123p. Dissertao de Mestrado - Departamento de
Engenharia Civil, Pontifcia Universidade Catlica do Rio de Janeiro.
O objetivo deste trabalho desenvolver dentro do programa FTOOL uma
ferramenta para obteno de envoltrias de esforos internos devido a cargas
mveis. Envoltrias geralmente so obtidas atravs de interpolao de valores
limites de sees pr-selecionadas ao longo da estrutura. Estes valores so
obtidos com base no posicionamento da carga mvel em relao s linhas de
influncia dos esforos internos. A determinao de valores limites de um
esforo em uma seo constitui um problema de otimizao cujo objetivo
minimizar ou maximizar os valores dos esforos em relao posio do trem-

PUC-Rio - Certificao Digital N 0310953/CA

tipo que percorre a estrutura. Porm, no existe uma expresso analtica que
defina os valores limites de um esforo em uma seo para um dado trem-tipo, o
que impossibilita o uso da maioria dos mtodos clssicos de otimizao para
resolver o problema, porque esses mtodos requerem, na maioria das vezes, o
uso de pelo menos a primeira derivada da funo objetivo em relao s
variveis de projeto. Portanto, este trabalho adotou algoritmos da Estratgia
Evolutiva ( EE ) para determinar os valores limites devidos a cargas mveis.
Foram feitas duas implementao distintas de Estratgia Evolutiva, conhecidas
como (1 + ) EE e ( + ) EE . Alm de utilizar algoritmos de EE para
resolver o problema de envoltrias, foi desenvolvido um outro processo de
soluo denominado Fora Bruta, que consiste em percorrer com o trem-tipo
toda estrutura por passos pr-estabelecidos e calcular os valores dos esforos
mnimos e mximos. Para a grande maioria dos casos, os resultados obtidos
com a Estratgia Evolutiva foram corretos, porm, em alguns casos mais
crticos, o valor exato da envoltria no encontrado em algumas sees da
estrutura, embora encontre um valor muito prximo a ele. Observou-se que os
resultados da EE podem ser melhorados quando se enriquece a soluo com
uma estratgia econmica de posicionamento de cargas concentradas em cima
de picos da linha de influncia.

Palavras-chave
Estratgia Evolutiva, Computao Evolucionria, Envoltria de Esforos
Internos, Trem-tipo.

Abstract
Holtz, Gisele Cristina da Cunha; Martha, Luiz Fernando C. R. (Advisor);
Vaz, Luiz Eloy (Co-advisor). Automatic tracing of envelopes in planar
structures using a evolutionary algorithm. Rio de Janeiro, 2005. 123p.
MSc. Dissertation Civil Engineering Department, Pontifcia Universidade
Catlica do Rio de Janeiro.
The objective of this work is to develop a tool for obtaining envelopes of
internal forces due to load-trains in the FTOOL software. Usually, envelopes are
obtained through interpolation of limiting values on pre-selected sections along
the structure. These values are obtained based on the positioning of the loadtrain in relation to influence lines of internal forces. The determination of limiting
values of an effect at a section represents an optimization problem whose
objective is to minimize or maximize the values of that effect in relation to the
position of a load-train that passes along the structure. However, there is no

PUC-Rio - Certificao Digital N 0310953/CA

analytical expression that defines a limiting value of an effect on a section for a


specific load-train. Therefore, classical optimization methods cannot be used to
solve this problem. Rather, the solution requires a method that does not require
derivatives of the objective function. For this reason, this work adopts algorithms
of the Evolution Strategy (ES) to achieve the limiting values due to load-trains.
Two distinct algorithms of the ES, known as (1 + ) ES and ( + ) ES , were
implemented. In addition to the ES algorithms to trace the envelopes, another
process of solution called Brute Force was developed. It consists of moving the
load-train in pre-determined steps along the structure and calculating minimum e
maximum values. In general, the ES method converges to the correct solution.
However, there are cases, depending on the complexity of the load-train, that the
algorithms do not find the exact limiting value (although usually very close to it). It
was observed that the ES results could be complemented and improved with
results from an inexpensive solution in which concentrated loads are positioned
on peak values of the influence lines.

Key-words
Evolution Strategy, Evolutionary Computation, Envelopes of Internal
Forces, Load-Train.

PUC-Rio - Certificao Digital N 0310953/CA

Sumrio

1 Introduo

20

1.1. Objetivo

20

1.2. Organizao do Trabalho

21

2 Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

22

2.1. Introduo

22

2.2. Classificao das aes atuantes nas estruturas

22

2.3. Cargas Mveis

23

2.4. Linhas de Influncia

24

2.4.1. Traado de LI

25

2.5. Determinao de esforo extremo com base em LI

26

2.6. Envoltria Limite de Esforos

28

3 Mtodos de Otimizao

35

3.1. Introduo

35

3.2. Definies

35

3.3. Mtodos Determinsticos

36

3.4. Mtodos Probabilsticos

38

3.4.1. Computao Evolucionria

38

3.4.1.1. Definies

41

3.4.1.2. Algoritmo Evolucionrio

41

3.4.1.3. Principais Ramos da Computao Evolucionria

46

3.4.1.4. Algoritmos Genticos (AGs)

47

3.4.1.5. Programao Gentica (PG)

48

3.4.1.6. Programao Evolutiva (PE)

50

3.4.1.7. Estratgia Evolutiva (EE)

51

3.4.1.7.1. Distribuio Normal

52

3.4.1.7.2. Algoritmo Padro de EE

55

3.4.1.8. Comparao entre Estratgia Evolutiva e Algoritmo Gentico

57

4 Implementao Computacional

59

4.1. Introduo

59

4.2. Trem-tipo

59

4.2.1. NBR 7188 Carga mvel em ponte rodoviria e passarela de


pedestre

59

PUC-Rio - Certificao Digital N 0310953/CA

4.2.2. NBR 7189 Cargas mveis para projetos estrutural de obras


ferrovirias

62

4.2.3. Interface grfica

63

4.2.4. Carga Concentrada

65

4.2.5. Carga Distribuda

65

4.2.6. Carga de Multido

67

4.2.7. Estrutura de Dados

69

4.3. Funo Aptido

70

4.3.1. Eventos

71

4.3.1.1. Estrutura de Dados dos Eventos

72

4.3.2. Clculo da Funo Aptido

75

4.3.3. Envoltria de Esforos no FTOOL

75

5 Algoritmos Implementados

78

5.1. Introduo

78

5.2. Consideraes gerais

78

5.3. Estratgia 1+ - EE

80

5.3.1. Sub-diviso do Espao de busca

80

5.3.1.1. Estrutura de dados

81

5.3.1.2. Inicializao da populao

82

5.3.1.3. Mutao

82

5.3.1.4. Seleo

83

5.3.1.5. Critrio de parada

85

5.4. Estratgia + - EE

85

5.4.1. Estrutura de dados

85

5.4.1.1. Inicializao da populao

86

5.4.1.2. Mutao

86

5.4.1.3. Seleo

86

5.4.1.4. Critrio de parada

88

5.5. Fora Bruta

89

5.6. Cargas-em-picos

90

6 Exemplos de Validao e Anlise de Resultados

91

PUC-Rio - Certificao Digital N 0310953/CA

6.1. Introduo

91

6.2. Exemplo 1

91

6.2.1. Envoltria de Esforo Cortante

92

6.2.1.1. Variao dos Parmetros

96

6.2.2. Envoltria de Momento Fletor

98

6.3. Exemplo 2

100

6.3.1. Envoltria de Esforo Cortante

100

6.3.2. Envoltria de Momento Fletor

102

6.4. Exemplo 3

104

6.4.1. Envoltria de Esforo Normal

105

6.4.2. Envoltria de Esforo Cortante

106

6.4.3. Envoltria de Momento Fletor

108

6.5. Exemplo 4

109

6.5.1. Envoltria de Esforo Cortante

110

6.5.2. Envoltria de Momento Fletor

111

6.6. Testes Realizados

113

6.6.1. Caso 1

113

6.6.2. Caso 2

115

6.7. Anlise do nmero de avaliaes da funo aptido

116

6.8. Anlise do tempo de processamento

117

7 Concluso

119

7.1. Sugesto para trabalhos futuros

120

Referncia Bibliogrfica

121

Lista de figuras

Figura 2.1 Linha de influncia de momento fletor em uma seo de uma viga
contnua.

24

Figura 2.2 Deslocamentos generalizados utilizados no mtodo cinemtico.

26

Figura 2.3 Carga permanente uniformemente distribuda atuando em uma viga


contnua.

26

Figura 2.4 Posicionamento da carga mvel para provocar mximo momento


fletor em uma seo.

27

Figura 2.5 Posicionamento da carga mvel para provocar mnimo momento


fletor em uma seo.

27

PUC-Rio - Certificao Digital N 0310953/CA

Figura 2.6 Viga bi-apoiada com balanos, carga permanente e carga mvel. 29
Figura 2.7 Esforos internos da carga permanente.

29

Figura 2.8 Esforo cortante mximo e mnimo na seo B esq .

30

Figura 2.9 Esforo cortante mximo e mnimo na seo B dir .

30

Figura 2.10 Esforo cortante mximo e mnimo na seo C .

30

Figura 2.11 Esforo cortante mximo e mnimo na seo D .

31

Figura 2.12 Envoltrias de Esforo Cortante.

32

Figura 2.13 Momento fletor mximo e mnimo na seo B .

32

Figura 2.14 Momento fletor mximo e mnimo na seo C .

32

Figura 2.15 Momento fletor mximo e mnimo na seo D .

33

Figura 2.16 Envoltrias de momento fletor.

33

Figura 3.1 Formulao de um problema de otimizao.

37

Figura 3.2 Evoluo tpica de um AE , ilustrada de acordo com a distribuio


da populao. Adaptado de EIBEN & SMITH (2003).

40

Figura 3.3 Esquema geral de um Algoritmo Evolucionrio. Adaptado de


BCK et al (1997).

45

Figura 3.4 Ramificao da Inteligncia Artificial. Adaptada de


OLIVIERI (2004).

46

Figura 3.5 Seleo utilizando o mtodo da roleta (Barbosa, 1977).

48

Figura 3.6 Crossover na PG : seleo aleatria dos ramos que sofrero o corte
(SOUSA & ANDRADE, 1998).

49

Figura 3.7 Crossover na PG : funes resultantes (SOUSA & ANDRADE,


1998).

50

Figura 3.8 Aplicao do operador de mutao na PG


(SOUSA & ANDRADE, 1998).

50

Figura 3.9 Funo de densidade de probabilidade de uma v.a. normal com


mdia e desvio padro .

53

Figura 3.10 Nmeros gerados pela funo rand da biblioteca da linguagem C.54
Figura 3.11 Nmeros gerados pela transformao da v.a. uniforme em v.a.
normal.

54

PUC-Rio - Certificao Digital N 0310953/CA

Figura 4.1 Trem-tipo composto de um veculo e de cargas uniformemente


distribudas (NBR 7188, 1982).

60

Figura 4.2 Veculos-tipo (NBR 7188, 1982).

61

Figura 4.3 Caractersticas geomtricas do trem-tipo (NBR 7189, 1985).

62

Figura 4.4 - Interface grfica para a edio de um novo trem-tipo.

63

Figura 4.5 Lista expansvel para seleo do trem-tipo.

63

Figura 4.6 Mdulo para edio do nome do trem-tipo.

64

Figura 4.7 rea destinada edio do comprimento do trem-tipo.

64

Figura 4.8 Matriz de cargas concentradas.

65

Figura 4.9 Matriz de cargas distribudas para trem-tipo rodovirio.

66

Figura 4.10 Matriz de cargas distribudas para trem-tipo ferrovirio.

66

Figura 4.11 Cargas de multido.

67

Figura 4.12 Trecho de uma ponte.

68

Figura 4.13 LI da reao no apoio A , na Seo II II .

68

Figura 4.14 LI da reao no apoio A , na Seo I I .

69

Figura 4.15 Trem-tipo unidimensional resultante da transformao do trem-tipo


classe 45 da NBR-7188 (1982) .

69

Figura 4.16 Estrutura de dados do trem-tipo.

70

Figura 4.17 Linha de influncia com a identificao dos eventos.

72

Figura 4.18 Estrutura de dados de um evento

72

Figura 4.19 Botes para seleo dos esforos.

76

Figura 4.20 Prtico com envoltria de esforo cortante devido ao de uma


carga mvel

76

Figura 4.21 LI com trem-tipo nas posies crticas.

77

Figura 5.1 Prtico com viga inclinada, trem-tipo e espao de busca.

79

Figura 5.2 Determinao do trecho inicial e final.

81

Figura 5.3 Estrutura de dados dos trechos.

82

Figura 5.4 Processo de busca por trechos.

84

Figura 5.5 Estrutura de dados de um indivduo.

85

Figura 6.1 Exemplo 1.

91

Figura 6.2 Envoltria de esforo cortante do Exemplo 1 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

92

Figura 6.3 LI de Esforo Cortante da Seo Ddir do Exemplo 1 com o trem-tipo


na posio crtica.

95

Figura 6.4 Diferena entre a envoltria obtida e a envoltria real.

96

Figura 6.5 Surgimento de falhas na envoltria de esforos cortantes no


balano.

97

Figura 6.6 Nmero de avaliaes da funo aptido no Exemplo 1 x .

97

Figura 6.7 Variao do esforo cortante mximo na seo B dir do Exemplo 1


em funo de .

98

Figura 6.8 Envoltria de momento fletor do Exemplo 1 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

98

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.9 Falha na envoltria de momento fletor ao utilizar a


Estratgia + .

100

Figura 6.10 Exemplo 2.

100

Figura 6.11 Envoltria de esforo cortante do Exemplo 2 para 1 + EE ,

+ EE e Fora Bruta.

101

Figura 6.12 Envoltria de esforo cortante do Exemplo 2 para Cargas-em-

picos.

101

Figura 6.13 Envoltria de momento fletor do Exemplo 2 para 1 + EE ,

+ EE e Fora Bruta.

103

Figura 6.14 Envoltria de momento fletor do Exemplo 2 para

Cargas-em-picos.

103

Figura 6.15 Exemplo 3.

105

Figura 6.16 Envoltria de esforo normal do Exemplo 3 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

105

Figura 6.17 Envoltria de esforo cortante do Exemplo 3 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

106

Figura 6.18 Envoltria momento fletor do Exemplo 3 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

108

Figura 6.19 Exemplo 4.

110

Figura 6.20 Envoltria de esforo cortante do Exemplo 4 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.


Figura 6.21 Envoltria de momento fletor do Exemplo 4 para 1 + EE ,

110

+ EE , Fora Bruta e Cargas-em-picos.

111

Figura 6.22 Trem-tipo do Caso 1.

113

Figura 6.23 Envoltria de esforo cortante no balano da estrutura do Exemplo


4 utilizando o trem-tipo do Caso 1 .

114

Figura 6.24 LI de esforo cortante da seo B dir do Exemplo 3 com trem-tipo


nas posies crticas.

114

Figura 6.25 Trem-tipo caso 2.

115

Figura 6.26 Envoltria de esforo cortante da estrutura do Exemplo 4 para o


trem-tipo do Caso 2 utilizando 1 + EE .

115

Figura 6.27 Envoltria de esforo cortante da estrutura do Exemplo 4 para o


trem-tipo do Caso 2 utilizando Cargas-em-picos.

116

Figura 6.28 Nmero de avaliaes da funo aptido na envoltria de esforo


cortante mximo.

116

Figura 6.29 Tempo de processamento do programa para clculo da envoltria


PUC-Rio - Certificao Digital N 0310953/CA

de esforo cortante mximo.

117

PUC-Rio - Certificao Digital N 0310953/CA

Lista de quadros

Quadro 4.1 Botes de manipulao do trem-tipo.

64

Quadro 4.2 Possveis tipos de ocorrncia de eventos.

74

Quadro 4.3 Botes para calcular a envoltria de esforos.

75

Lista de tabelas

Tabela 2.1 Envoltrias de Esforo Cortante [kN].

31

Tabela 2.2 Resultados obtidos na envoltria de momento fletor.

33

Tabela 3.1 Comparao entre Estratgia Evolutiva e Algoritmo Gentico

58

Tabela 4.1 Cargas dos veculos (NBR 7188, 1982).

60

Tabela 4.2 Caractersticas dos veculos (NBR 7188, 1982).

61

Tabela 4.3 Cargas dos trens-tipo (NBR 7189, 1985).

62

Tabela 5.1 . Parmetros adotados na ( + ) ES .

87

Tabela 6.1 Resultados obtidos na envoltria de esforo cortante do


Exemplo 1.

92

Tabela 6.2 Erros relativos na envoltria de esforo cortante do Exemplo 1.

93

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.3 Nmero de avaliaes da funo aptido no traado da envoltria


de esforo cortante do Exemplo 1.

94

Tabela 6.4 Resultados obtidos na envoltria de momento fletor do


Exemplo 1.

99

Tabela 6.5 Erros relativos na envoltria de momento fletor do Exemplo 1.

99

Tabela 6.6 Nmero de avaliaes da funo aptido no traado da envoltria


de momento fletor do Exemplo 1.

99

Tabela 6.7 Resultados obtidos na envoltria de esforo cortante do


Exemplo 2.

101

Tabela 6.8 Erros relativos na envoltria de esforo cortante do Exemplo 2. 102


Tabela 6.9 Nmero de avaliaes da funo aptido no traado da envoltria
de esforo cortante do Exemplo 2.

102

Tabela 6.10 Resultados obtidos na envoltria de momento fletor do


Exemplo 2.

103

Tabela 6.11 Erros relativos na envoltria de momento fletor do Exemplo 2. 104


Tabela 6.12 Nmero de avaliaes da funo aptido no traado da envoltria
de momento fletor do Exemplo 2.

104

Tabela 6.13 Resultados obtidos na envoltria de esforo normal na coluna do


prtico do Exemplo 3.

105

Tabela 6.14 Erros relativos na envoltria de esforo normal na coluna do


prtico do Exemplo 3.

106

Tabela 6.15 Nmero de avaliaes da funo aptido no traado da envoltria


de esforo normal do Exemplo 3.

106

Tabela 6.16 Resultados obtidos na envoltria de esforos cortantes do


Exemplo 3.

107

Tabela 6.17 Erros relativos na envoltria de esforo cortante do Exemplo 3.107


Tabela 6.18 Nmero de avaliaes da funo aptido no traado da envoltria
de esforo cortante do Exemplo 3.

107

Tabela 6.19 Resultados obtidos na envoltria de momento fletor do Exemplo


3.

108

Tabela 6.20 Erros relativos na envoltria de momento fletor do


Exemplo 3.

109

Tabela 6.21 Nmero de avaliaes da funo aptido no traado da envoltria


de momento fletor do exemplo 3.

109

Tabela 6.22 Resultados obtidos na envoltria de esforo cortante do


Exemplo 4.

110

Tabela 6.23 Erros relativos na envoltria de esforo cortante do Exemplo 4.111


PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.24 Nmero de avaliaes da funo aptido no traado da envoltria


de esforo cortante do Exemplo 4.

111

Tabela 6.25 Resultados obtidos na envoltria de momento fletor do


Exemplo 4.

112

Tabela 6.26 Erros relativos na envoltria de momento fletor do Exemplo 4. 112


Tabela 6.27 Nmero de avaliaes da funo aptido no traado da envoltria
de momento fletor do Exemplo 4.

112

Lista de Smbolos

Romanos

dx

Distncia que a estrutura discretizada

Esforo ou reao

fd

Funo densidade

Carga uniformemente distribuda

Indica uma das variveis da funo objetivo

IND

ndice fornecido pela decodificao da varivel

Nmero mximo de geraes que um indivduo pode permanecer na

PUC-Rio - Certificao Digital N 0310953/CA

populao

LIM s

Ordenada genrica da linha de influncia de momento fletor

MS

Momento fletor em S

nmero de variveis da funo objetivo

na

nmero de avaliaes da funo aptido em uma seo transversal da


estrutura

nb

Nmero de bits

n ger

Nmero de geraes

nsec

Nmero de sees transversais que a estrutura foi discretizada

ntot

Nmero total de avaliaes da funo aptido em toda estrutura

P
p

Carga concentrada

p'

Carga de multido interna

pc

Probabilidade de recombinao (crossover)

pi

Probabilidade de seleo

pm

Probabilidade de ocorrncia de mutao de um gene

Carregamento acidental de ocupao

Carga distribuda correspondente ao vago cheio no trem-tipo ferrovirio

q'

Carga distribuda correspondente ao vago vazio no trem-tipo ferrovirio

Reao de apoio

Seo transversal da estrutura

Tamanho dos sub-grupos de torneios na PE

Carga de multido externa

PUC-Rio - Certificao Digital N 0310953/CA

Varivel aleatria uniforme

Indivduo genitor

v'

Indivduo descendente

Ponto de busca no espao

Posio da carga unitria no clculo da linha de influncia

Posio da carga concentrada do trem-tipo

xa

Posio inicial da carga distribuda do trem-tipo

xb

Posio final da carga distribuda do trem-tipo

xL

Limite inferior do espao de busca

xU

Limite superior do espao de busca

Varivel aleatria normal padro

comprimento do caminho que o trem-tipo ir percorrer

lt

comprimento do trem-tipo

ltot

Comprimento total da estrutura

Gregos

Mdia

Deslocamento generalizado

Nmero de descendentes

Rotao

Desvio padro

Varincia

Parmetro da Estratgia Evolutiva

'

Parmetro da Estratgia Evolutiva

Nmero de genitores
Nmero de indivduos que participam da recombinao

PUC-Rio - Certificao Digital N 0310953/CA

Lista de Abreviaturas

AE

Algoritmo Evolucionrio

AG

Algoritmo Gentico

EE

Estratgia Evolutiva

FTOOL

Two-dimensional Frame Analysis Tool

LI

Linha de influncia

LIM

Linha de influncia de momento fletor

LIQ

Linha de influncia de esforo cortante

PDV

Princpio dos deslocamentos virtuais

PE

Programao Evolutiva

PG

Programao Gentica

v.a.

Varivel aleatria

1
Introduo

1.1.
Objetivo
Para o dimensionamento de estruturas submetidas a cargas mveis, tais
como pontes rodovirias, ferrovirias e prticos industriais, essencialmente
necessrio o conhecimento dos esforos limites, mnimos e mximos, atuantes
nas sees das estruturas. Esses esforos so geralmente dispostos em um
diagrama denominado de envoltria de esforos.

PUC-Rio - Certificao Digital N 0310953/CA

O traado de envoltrias de esforos um processo muito trabalhoso.


Ele se baseia na determinao de linhas de influncia (considerao de efeitos
de cargas unitrias) do esforo em questo para cada seo da estrutura e no
posicionamento da carga mvel em relao linha de influncia. Esse
posicionamento feito em vrias tentativas, pois, em geral, no obvia a
posio da carga mvel que provoca um valor extremo do esforo em uma
seo.
O objetivo deste trabalho desenvolver, dentro do programa FTOOL
(Two-dimensional Frame Analysis Tool), uma ferramenta para determinar
envoltrias de esforos a partir das posies de atuao do trem-tipo (carga
mvel) que causam os esforos limites.
O FTOOL um programa educacional de anlise estrutural de prticos
planos. Ao contrrio de muitos programas educativos que se preocupam em
ensinar tcnicas de anlise numrica, o objetivo bsico do FTOOL (MARTHA,
1999) motivar os alunos a aprender o comportamento estrutural. Para tanto,
possui uma interface amigvel que permite fcil criao e manipulao dos
modelos.
So poucos os programas que possuem ferramentas para traado de
envoltrias de esforos e, dos que possuem, muitos o fazem de maneira
incorreta ou incompleta. A idia natural que surge para explicar o traado de
envoltrias movimentar a carga mvel ao longo da estrutura calculando o valor
do esforo em sees pr-estabelecidas da estrutura para cada posio da
carga mvel e, aps percorrer toda estrutura, determinar os valores extremos do

Introduo

21

esforo em cada seo. Isso feito, por exemplo, pelo programa Dr. Beam (Dr.
SOFTWARE, 2005). Entretanto, esse processo no considera todas as
particularidades dos trens-tipo, como a existncia da carga de multido. Outros
programas, como o STRAP (ATIR, 2005), embora considerem esse tipo de
carga, percorrem toda estrutura com a carga mvel por passos de tamanho prestabelecidos para determinar os esforos limites e, sendo assim, no verificam
todas as posies possveis.
As dificuldades no processo do traado de envoltrias de esforos muitas
vezes limitam a percepo dos alunos ao comportamento das estruturas
submetidas a cargas mveis. Este trabalho busca no s traar envoltrias de
esforos provocados por cargas mveis de forma correta como tambm oferecer
uma ferramenta educativa eficiente para o ensino do traado. A implementao
da envoltria de esforos enriquece ainda mais a caracterstica educacional do
FTOOL, pois alm da obteno da envoltria propriamente dita, o aluno pode
PUC-Rio - Certificao Digital N 0310953/CA

analisar para uma seo da estrutura as posies crticas do trem-tipo. Alm


disso,

pode-se

testar

diferentes

alternativas

de

trens-tipo,

adquirindo

sensibilidade ao comportamento estrutural.

1.2.
Organizao do Trabalho
O captulo dois mostra como se pode obter o esforo em uma seo da
estrutura devido ao de uma carga mvel a partir da sua linha de influncia.
Alguns mtodos de otimizao so apresentados no captulo trs, onde
dado uma maior nfase a Computao Evolucionria, que uma famlia de
mtodos probabilsticos de otimizao a qual pertence a Estratgia Evolutiva,
que foi utilizada neste trabalho.
No captulo quatro descreve-se a implementao computacional, incluindo
as modificaes na estrutura de dados e na interface grfica do FTOOL para a
criao dos trens-tipo e o traado das envoltrias de esforos.
Os detalhes da implementao dos algoritmos utilizados para a
determinao dos esforos limites esto no captulo cinco.
Para a validao da ferramenta desenvolvida, o captulo seis mostra
exemplos e comparaes dos resultados obtidos.
As concluses finais e comentrios foram feitos no captulo sete, onde
tambm se ressaltam as caractersticas dos resultados obtidos atravs de cada
mtodo.

2
Cargas Mveis, Linhas de Influncia e Envoltrias de
Esforos

2.1.
Introduo
Para o dimensionamento de qualquer estrutura necessrio conhecer os
esforos mximos e mnimos que ela apresentar ao ser submetida ao
carregamento que ser destinada. Para estruturas submetidas a cargas mveis
existe um diagrama, denominado de envoltria de esforos, que determina os

PUC-Rio - Certificao Digital N 0310953/CA

valores limites, mximo ou mnimo, para as sees transversais da estrutura.


A seguir, sero apresentados conceitos, relacionados a cargas mveis e
traado de linhas de influncia, necessrios ao clculo das envoltrias de
esforos, bem como ser exemplificada a determinao de uma envoltria de
esforos e discutida as maneiras de obt-la.

2.2.
Classificao das aes atuantes nas estruturas
De acordo com a NBR 8681 (1984), as aes atuantes nas estruturas,
que so as causas que provocam esforos ou deformaes, podem ser
classificadas segundo sua variabilidade no tempo em trs categorias:
Aes permanentes
So as cargas que ocorrem com valores constantes ou de pequena
variao em torno de sua mdia, durante praticamente toda a vida da
construo. As aes permanentes so divididas em diretas, tais como os
pesos prprios dos elementos da construo, incluindo-se o peso prprio
da estrutura e de todos os elementos construtivos permanentes, e
indiretas, como protenso, recalques de apoio e a retrao dos materiais.
Aes variveis
So as cargas que ocorrem com valores que apresentam variaes
significativas em torno de sua mdia, durante a vida da construo. So

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

23

as cargas mveis ou acidentais das construes, isto , cargas que atuam


nas construes em funo de seu uso (pessoas, mobilirio, veculos,
materiais diversos, etc.).
Elas podem ser normais, quando possuem probabilidade de ocorrncia
suficientemente grande para que sejam obrigatoriamente consideradas no
projeto das estruturas de um dado tipo de construo, ou especiais, como
aes ssmicas ou cargas acidentais de natureza ou de intensidade
especiais.
Aes excepcionais
So as cargas que tm durao extremamente curta e muito baixa
probabilidade de ocorrncia durante a vida da construo, mas que devem
ser consideradas nos projetos de determinadas estruturas. Por exemplo,
aes excepcionais podem ser decorrentes de exploses, choques de
PUC-Rio - Certificao Digital N 0310953/CA

veculos, incndios, enchentes ou sismos excepcionais.

2.3.
Cargas Mveis
Diversas estruturas so solicitadas por cargas mveis. Exemplos so
pontes rodovirias e ferrovirias ou prticos industriais que suportam pontes
rolantes para transporte de cargas. Os esforos internos nestes tipos de
estrutura no variam apenas com a magnitude das cargas aplicadas, mas
tambm com a posio de atuao das mesmas. Portanto, o projeto de um
elemento estrutural, como uma viga de ponte, envolve a determinao das
posies das cargas mveis que produzem valores extremos dos esforos nas
sees do elemento.
No projeto de estruturas submetidas a cargas fixas, a posio de atuao
de cargas acidentais de ocupao tambm influencia na determinao dos
esforos dimensionantes. Por exemplo, o momento fletor mximo em uma
determinada seo de uma viga contnua com vrios vos no determinado
pelo posicionamento da carga acidental de ocupao em todos os vos.
Posies selecionadas de atuao da carga acidental vo determinar os valores
limites de momento fletor na seo. Assim, o projetista ter que determinar, para
cada seo a ser dimensionada e para cada esforo dimensionante, as posies
de atuao das cargas acidentais que provocam os valores extremos (mximos
e mnimos de um determinado esforo).

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

24

Uma alternativa para este problema seria analisar a estrutura para vrias
posies das cargas mveis ou acidentais e selecionar os valores extremos.
Este procedimento no prtico nem eficiente de uma maneira geral, exceto
para estruturas e carregamentos simples. O procedimento geral e objetivo para
determinar as posies de cargas mveis e acidentais que provocam valores
extremos de um determinado esforo em uma seo de uma estrutura feito
com auxlio de Linhas de Influncia.

2.4.
Linhas de Influncia
Linhas de Influncia ( LI ) descrevem a variao de um determinado efeito
(por exemplo, uma reao de apoio, um esforo cortante ou um momento fletor
em uma seo) em funo da posio de uma carga vertical unitria que passeia

PUC-Rio - Certificao Digital N 0310953/CA

sobre a estrutura. Assim, a LI de momento fletor em uma seo a


representao grfica ou analtica do momento fletor, na seo de estudo,
produzida por uma carga concentrada vertical unitria, geralmente de cima para
baixo, que percorre a estrutura. Isso exemplificado na Figura 2.1, que mostra a

LI de momento fletor em uma seo S indicada. Nesta figura, a posio da


carga unitria P = 1 dada pelo parmetro x , e uma ordenada genrica da LI
representa o valor do momento fletor em S

em funo de x , isto ,

LIMS = MS (x ) . Em geral, os valores positivos dos esforos nas linhas de


influncia so desenhados para baixo e os valores negativos para cima.

P=1

S
MS(x)

Figura 2.1 Linha de influncia de momento fletor em uma seo de uma viga contnua.

Com base no traados de LI ' s , possvel obter as chamadas envoltrias


limites de esforos que so necessrias para o dimensionamento de estruturas
submetidas a cargas mveis ou acidentais.

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

25

2.4.1.
Traado de LI
O FTOOL calcula a linha de influncia de um esforo E utilizando o
Princpio de Mller-Breslau (SSSEKIND, 1997), tambm conhecido como
mtodo cinemtico para o traado de LI , que foi formulado por Mller-Breslau
no final do sculo 19.
Este

mtodo

pode

ser

demonstrado

atravs

do

Princpio

dos

Deslocamentos Virtuais - PDV (Martha, 2005) e pode ser aplicado para qualquer
tipo de estrutura, isosttica ou hiperesttica. Embora este mtodo possa ser
utilizado para obteno de LI de esforos e reaes, o FTOOL no calcula LI
de reaes.
De uma maneira resumida, para se traar a linha de influncia de um efeito

E (esforo ou reao), procede-se da seguinte forma (SSSEKIND, 1997):

PUC-Rio - Certificao Digital N 0310953/CA

rompe-se o vnculo capaz de transmitir o efeito E cuja linha de influncia


se deseja determinar;
na seo onde atua o efeito E , atribui-se estrutura, no sentido oposto ao
de E positivo, um deslocamento generalizado unitrio, que ser tratado
com sendo muito pequeno;
a configurao deformada (elstica) obtida a linha de influncia.
O deslocamento generalizado que se faz referncia depende do efeito em
considerao, tal como indicado na Figura 2.2. No caso de uma reao de apoio,
o deslocamento generalizado um deslocamento absoluto da seo do apoio.
Para um esforo normal, o deslocamento generalizado um deslocamento axial
relativo na seo de esforo normal. Para um esforo cortante, o deslocamento
generalizado um deslocamento transversal relativo na seo do esforo
cortante. E para um momento fletor, o deslocamento generalizado uma rotao
relativa entre as tangentes elstica adjacentes seo do momento fletor.

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

Efeito

26

Deslocamento
generalizado

Reao de apoio

=1

Esforo normal
N

=1

Esforo cortante
Q

=1

Momento fletor

PUC-Rio - Certificao Digital N 0310953/CA

=1
Figura 2.2 Deslocamentos generalizados utilizados no mtodo cinemtico.

2.5.
Determinao de esforo extremo com base em LI
A determinao de valores mximo e mnimo de um esforo interno em
uma seo de estudo exemplificada para o caso do momento fletor na seo

S da Figura 2.1. O carregamento permanente, constitudo do peso prprio da


estrutura, representado por uma carga uniformemente distribuda g , tal como
indica a Figura 2.3.

g
S

LIMS

Figura 2.3 Carga permanente uniformemente distribuda atuando em uma viga


contnua.

Considerando que a ordenada de LIM S (= M S ( x )) funo de uma carga


concentrada unitria, o valor do momento fletor em S devido ao carregamento
permanente pode ser obtido por integrao do produto da carga infinitesimal

gdx por M S ( x ) ao longo da estrutura (Equao 2.1):

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

g
S

12

12

27

= M S ( x) gdx = LIM S gdx

(2.1)

Considere que existe uma carga mvel atuando sobre a estrutura, que
composta por uma carga concentrada P e por um carregamento acidental de
ocupao que representado por uma carga uniformemente distribuda q . Por
ser acidental, a carga q pode atuar parcialmente ao longo da estrutura. O que
se busca so as posies de atuao das cargas P e q que maximizam ou
minimizam o momento fletor em S . O valor mximo de M s obtido quando a
carga q est posicionada sobre ordenadas positivas da LIM s e a carga P est
sobre a maior ordenada positiva, e o valor mnimo obtido quando a carga q
est posicionada sobre ordenadas negativas da LIM s e a carga P est sobre a

PUC-Rio - Certificao Digital N 0310953/CA

maior ordenada negativa. Isso mostrado nas Figuras 2.4 e 2.5.

P
q

LIMS

Figura 2.4 Posicionamento da carga mvel para provocar mximo momento fletor em
uma seo.

P
q
S

LIMS

Figura 2.5 Posicionamento da carga mvel para provocar mnimo momento fletor em
uma seo.

Os valores mximo e mnimo de M s devidos somente ao carregamento


acidental podem ser obtidos por integrao do produto LIM s .qdx nos trechos
positivos e negativos, respectivamente, da linha de influncia, conforme
equaes 2.2 e 2.3:

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

(M )

q
S mx

12

= LIM S qdx + LIM S qdx

28

(2.2)

(M )

q
S mn

= LIM S qdx

(2.3)

Os valores mximo e mnimo de M s devidos carga concentrada podem


ser obtidos pelo produto LIM s .P , onde LIM s a maior ordenada positiva ou
negativa da linha de influncia, respectivamente :

(M )
(M )

P
S mx

= LIM Smx P

(2.4)

P
S mn

= LIM Smn P

(2.5)

Assim, os valores mximos e mnimos finais de M s provocados pelo


PUC-Rio - Certificao Digital N 0310953/CA

carregamento permanente e pela carga mvel so :

( )
+ (M )

(M S )mx

= M Sg + M Sq

(M S )mn

= M Sg

mx

q
S mn

( )
+ (M )
+ M SP

mx

P
S mn

(2.6)
(2.7)

Observe que, no caso geral, o valor mximo final de um determinado


esforo em uma seo no necessariamente positivo, nem o valor mnimo final
necessariamente negativo. Isto vai depender da magnitude dos valores
provocados pelos carregamentos permanente e acidental. Quando mximo e
mnimo tiverem o mesmo sinal, o esforo dimensionante ser o que tiver a maior
magnitude. Quando mximo e mnimo tiverem sentidos opostos, principalmente
no caso de momento fletor, ambos podem ser dimensionantes.

2.6.
Envoltria Limite de Esforos
As envoltrias limites de um determinado esforo em uma estrutura
descrevem para um conjunto de cargas mveis ou acidentais, os valores
mximos e mnimos deste esforo em cada uma das sees da estrutura, de
forma anloga a que descreve o diagrama de esforos para um carregamento
fixo. Assim, o objetivo da Anlise Estrutural para o caso de cargas mveis ou
acidentais a determinao de envoltrias de mximos e mnimos de momentos
fletores, esforos cortantes, etc., o que possibilitar o dimensionamento da

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

29

estrutura submetida a este tipo de solicitao. As envoltrias so, em geral,


obtidas por interpolao de valores mximos e mnimos, respectivamente, de
esforos calculados em determinado nmero de sees transversais ao longo da
estrutura.
A seguir mostrado um exemplo de determinao de envoltria de
esforos internos de uma viga bi-apoiada com balanos, carga permanente e
carga mvel (Figura 2.6). Na figura tambm esto indicadas as sees adotadas
para o clculo dos valores limites e para o traado das envoltrias. Devido a
simetria da estrutura em relao seo D , a obteno dos valores limites ser
demonstrada apenas para as sees A , B , C e D , visto que a envoltria de
esforo cortante ser anti-simtrica e a de momento fletor ser simtrica.

PUC-Rio - Certificao Digital N 0310953/CA

Carga Mvel

Carga Permanente

B
Besq

Bdir

G Estrutura e sees trans-

Fesq

versais para envoltrias

Fdir

Figura 2.6 Viga bi-apoiada com balanos, carga permanente e carga mvel.

Os esforos devidos carga permanente foram primeiramente calculados,


ou seja, determinaram-se os diagramas de esforo cortante e de momento fletor
(Figura 2.7).

Besq
A

Bdir C

Fesq

Carga Permanente:
Esforos Cortantes [kN]

Carga Permanente:
Momentos Fletores [kNm]

Fdir

Figura 2.7 Esforos internos da carga permanente.

Em seguida, determinaram-se os esforos cortantes mximos e mnimos


devidos carga mvel para cada seo transversal adotada da estrutura
(Figuras 2.8 a 2.11). O posicionamento do trem-tipo para determinar os valores
limites em cada seo segue o procedimento mostrado na seo 2.5.

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

Posio da carga mvel


para QBesq mnimo

LIQBesq

Besq
(carga mvel no atuando)

Posio da carga mvel


para QBesq mximo

(Q )

= [20 ( 1.00 ) + 10 ( 1.00 ) + 10 3 ( 1.00 )] = 60.00 kN

(Q )

=0

c .m.
Besq mn.
c .m.
Besq mx .

Figura 2.8 Esforo cortante mximo e mnimo na seo B esq .

Posio da carga mvel


para QBdir mnimo

PUC-Rio - Certificao Digital N 0310953/CA

Bdir

LIQBdir

Posio da carga mvel


para QBdir mximo

. m.
(QBdir )cmn
. = [20 ( 0.25) + 10 0.5 3 ( 0.25)] = 8.75 kN
. m.
(QBdir )cmx
. = [20 ( 1.00 ) + 10 ( 0.75) + 10 0.5 3 ( 0.25) + 10 0.5 12 ( 1.00 )] = +91.25 kN

Figura 2.9 Esforo cortante mximo e mnimo na seo B dir .

Posio da carga mvel


para QC mnimo

LIQC

Posio da carga mvel


para QC mximo

.m.
(QC )cmn
. = [20 ( 0.25) + 10 0.5 3 ( 0.25) + 10 0.5 3 ( 0.25)] = 12.50 kN
.m.
(QC )cmx
. = [20 ( 0.75) + 10 ( 0.50 ) + 10 0.5 3 ( 0.25) + 10 0.5 9 ( 0.75)] = +57.50 kN

Figura 2.10 Esforo cortante mximo e mnimo na seo C .

30

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

31

Posio da carga mvel


para QD mnimo

LIQD

Posio da carga mvel


para QD mximo

.m.
(QD )cmn
. = [20 ( 0.50 ) + 10 ( 0.25) + 10 0.5 6 ( 0.50 ) + 10 0.5 3 ( 0.25)] = 31.25 kN
.m.
(QD )cmx
. = [20 ( 0.50 ) + 10 ( 0.25) + 10 0.5 6 ( 0.50 ) + 10 0.5 3 ( 0.25)] = +31.25 kN

Figura 2.11 Esforo cortante mximo e mnimo na seo D .

A Tabela 2.1 mostra os resultados do esforo cortante mximo e mnimo


nas sees da estrutura devido a cada carregamento atuante e o valor final das

PUC-Rio - Certificao Digital N 0310953/CA

envoltrias de esforo cortante, que esto representadas na Figura 2.12. O


esforo cortante devido carga mvel na extremidade livre do balano
corresponde carga de 20 kN posicionada sobre esta seo.
Tabela 2.1 Envoltrias de Esforo Cortante [kN].

Seo

Carga
Permanente

Carga Mvel
mnimo

Envoltrias

mximo

mnimo

mximo

-20.00

-20.00

Besq

-60

-60.00

-120.00

-60.00

Bdir

+120

-8.75

+91.25

+111.25

+211.25

+60

-12.50

+57.50

+47.50

+117.50

-31.25

+31.25

-31.25

+31.25

-60

-57.50

+12.50

-117.50

-47.50

Fesq

-120

-91.25

+8.75

-211.25

-111.25

Fdir

+60

+60.00

+60.00

+120.00

+20.00

+20.00

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

211.25

mximos
120

117.50

111.25

60

31.25

47.50

-20

32

-47.50

-31.25

-60
-120

-117.50

carga
permanente

20

mnimos
faixa de
trabalho

Envoltrias:
Esforos Cortantes [kN]

-111.25
-211.25

Figura 2.12 Envoltrias de Esforo Cortante.

As Figuras de 2.13 a 2.15 mostram como foi feita a determinao dos


momentos fletores mximos e mnimos devidos carga mvel para cada seo
transversal da estrutura.

PUC-Rio - Certificao Digital N 0310953/CA

Posio da carga mvel


para MB mnimo

LIMB
(carga mvel no atuando)

Posio da carga mvel


para MB mximo

.m.
(M B )cmn
. = [20 ( 3.00 ) + 10 0.5 3 ( 3.00 )] = 105.00 kNm
. m.
(M B )cmx
. =0

Figura 2.13 Momento fletor mximo e mnimo na seo B .

Posio da carga mvel


para MC mnimo

LIMC

Posio da carga mvel


para MC mximo

.m.
(MC )cmn
. = [20 ( 2.25) + 10 0.5 3 ( 2.25) + 10 0.5 3 ( 0.75)] = 90.00 kNm
.m.
(MC )cmx
. = [20 ( 2.25) + 10 ( 1.50 ) + 10 0.5 12 ( 2.25)] = +195.00 kNm

Figura 2.14 Momento fletor mximo e mnimo na seo C .

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

33

Posio da carga mvel


para MD mnimo

LIMD

Posio da carga mvel


para MD mximo

.m.
(M D )cmn
. = [20 ( 1.50 ) + 10 0.5 3 ( 1.50 ) + 10 0.5 3 ( 1.50 )] = 75.00 kNm
.m.
(M D )cmx
. = [20 ( 3.00 ) + 10 ( 1.50 ) + 10 0.5 12 ( 3.00 )] = +255.00 kNm

Figura 2.15 Momento fletor mximo e mnimo na seo D .

A Tabela 2.2 mostra os resultados do momento fletor mximo e mnimo


PUC-Rio - Certificao Digital N 0310953/CA

nas sees da estrutura devido a cada carregamento atuante e o valor final das
envoltrias de momento fletor, que esto representadas na Figura 2.16.
Tabela 2.2 Resultados obtidos na envoltria de momento fletor.

Seo

Carga

Carga Mvel

Permanente

Envoltrias

mnimo

mximo

mnimo

mximo

-90

-105

-195

-90

+180

-90

+195

+90

+375

+270

-75

+255

+195

+525

+180

-90

+195

+90

+375

-90

-105

-195

-90

-195

-195

mnimos

-90
90

-90

90
195

carga
permanente

mximos
375

375

faixa de
trabalho

Envoltrias:
Momentos Fletores [kNm]

525

Figura 2.16 Envoltrias de momento fletor.

Cargas Mveis, Linhas de Influncia e Envoltrias de Esforos

34

Conforme visto, para determinar os valores limites de esforos em uma


seo transversal precisa-se conhecer as posies de atuao do trem-tipo que
causam esses esforos limites. Para casos mais simples de trem-tipo e linhas de
influncia, como no exemplo acima, intuitiva a determinao dessas posies
limites. Porm, para casos mais complexos, torna-se impossvel essa
determinao por simples observao.
Esse problema de determinar posies limites constitui um problema de
otimizao, em que o objetivo minimizar e maximizar os valores dos esforos
nas sees transversais dos elementos estruturais em funo da posio de
atuao do trem-tipo. Porm, no existe uma funo matemtica que descreva a
envoltria de esforos de uma estrutura, o que torna impossvel o uso da maioria
dos mtodos clssicos de otimizao para resolver este problema, j que muitos

PUC-Rio - Certificao Digital N 0310953/CA

deles utilizam derivadas da funo objetivo, como ser visto no capitulo seguinte.

3
Mtodos de Otimizao

3.1.
Introduo
Os problemas de otimizao so problemas de maximizao ou
minimizao de funo de uma ou mais variveis num determinado domnio,
sendo que, geralmente, existe um conjunto de restries nas variveis.
Os algoritmos usados para a soluo de um problema de otimizao
podem ser, basicamente, determinsticos ou probabilsticos.

PUC-Rio - Certificao Digital N 0310953/CA

Neste captulo so apresentadas as principais caractersticas desses


mtodos, apresentando suas vantagens e desvantagens. Sero abordados de
uma maneira mais detalhada os algoritmos de computao evolucionria, que
pertencem a uma famlia de mtodos probabilsticos de otimizao, visto que
este trabalho se baseou em um destes mtodos, conhecido como Estratgia
Evolutiva ( EE ).
Alguns trabalhos utilizando algoritmos de computao evolucionria vm
sendo desenvolvidos no Departamento de Engenharia Civil da PUC-Rio, dos
quais pode-se citar DEL SAVIO (2005), RAMIRES (2004) e BORGES(2003).

3.2.
Definies
Para melhor entendimento dos algoritmos de otimizao, faz-se necessrio
o conhecimento de alguns conceitos e definies utilizados na literatura
(BASTOS, 2004). A seguir so listados alguns termos usualmente relacionados a
um problema de otimizao qualquer:
Variveis de projeto: So aquelas que se alteram durante o processo de
otimizao, podendo ser contnuas (reais), inteiras ou discretas.
Restries: So funes de igualdade ou desigualdade sobre as variveis
de projeto que descrevem situaes de projeto consideradas no
desejveis.

Mtodos de Otimizao

36

Espao de busca: o conjunto, espao ou regio que compreende as


solues possveis ou viveis sobre as variveis do projeto do problema a
ser otimizado, sendo delimitado pelas funes de restrio.
Funo Objetivo: a funo de uma ou mais variveis de projeto que se
quer otimizar, minimizando-a ou maximizando-a.
Ponto timo: o ponto formado pelas variveis de projeto que extremizam
a funo objetivo e satisfazem as restries.
Valor timo: o valor da funo objetivo no ponto timo.

PUC-Rio - Certificao Digital N 0310953/CA

3.3.
Mtodos Determinsticos
Os mtodos de otimizao baseados nos algoritmos determinsticos
maioria dos mtodos clssicos geram uma seqncia determinstica de
possveis solues requerendo, na maioria das vezes, o uso de pelo menos a
primeira derivada da funo objetivo em relao s variveis de projeto.
Nestes mtodos, a funo objetivo e as restries so dadas como
funes matemticas e relaes funcionais. Alm disso, a funo objetivo deve
ser contnua e diferencivel no espao de busca (BASTOS, 2004). Esse tipo de
problema pode ser representado matematicamente da seguinte forma:

Mtodos de Otimizao

37

Maximizar / Minimizar: f ( x1 , x2 ,..., xn )


Satisfazendo:

g1 ( x1 , x 2 ,..., x n ){=}b1
M

g m ( x1 , x 2 ,..., x n ){=}bm

em que:

x1 , x2 ,..., xn - variveis de projeto


f ( x1 , x2 ,..., xn ) - funo objetivo
g1 , g 2 ,..., g m - restries

PUC-Rio - Certificao Digital N 0310953/CA

Figura 3.1 Formulao de um problema de otimizao.

Quando se trata de um problema de variveis discretas, considera-se um


espao de busca com variveis contnuas que, aps a otimizao, fornecero
uma aproximao das variveis de projeto para as disponveis no espao
discreto. Entretanto, isso gera um trabalho adicional na escolha das variveis
discretas mais prximas das contnuas encontradas. Sempre existiro duas
opes de variveis discretas para cada varivel contnua, ou seja, uma
imediatamente superior e outra imediatamente inferior.
Os mtodos determinsticos apresentam teoremas que lhes garantem a
convergncia para uma soluo tima que no necessariamente a soluo
tima global. Como nesses mtodos a soluo encontrada extremamente
dependente do ponto de partida fornecido, pode-se convergir para um timo
local, por isso no possuem bom desempenho em otimizar funes multimodais,
isto , funes que possuem vrios timos locais.
De acordo com OLIVIERI (2004), BASTOS (2004) e HAFTKA(1993), os
problemas de otimizao abordados pelos mtodos clssicos podem ser
classificados em duas classes, conforme as caractersticas da funo objetivo e
das restries:
Programao Linear: quando a funo objetivo e as restries so funes
lineares das variveis de projeto. O Mtodo Simplex (HADLEY, 1982) o
mtodo mais tradicional para solucionar este tipo de problema de
otimizao;

Mtodos de Otimizao

38

Programao No-Linear: quando a funo objetivo, ou pelo menos uma


das restries, uma funo no-linear das variveis de projeto. Nesta
classe,

os

mtodos

que

mais

se

destacam

so:

Mtodo de Programao Linear Seqencial, Mtodo de Programao


Quadrtica Seqencial, Mtodo das Direes Viveis e Mtodo do
Gradiente Reduzido, entre outros.

3.4.
Mtodos Probabilsticos
Os mtodos de otimizao baseados nos algoritmos probabilsticos usam
somente a avaliao da funo objetivo e introduzem no processo de otimizao
dados e parmetros estocsticos. Por no utilizarem a derivada da funo
objetivo, so considerados mtodos de ordem zero.

PUC-Rio - Certificao Digital N 0310953/CA

So listadas a seguir algumas vantagens dos algoritmos probabilsticos em


relao aos algoritmos determinsticos (BASTOS, 2004):
a funo objetivo e as restries no precisam necessariamente ter uma
representao matemtica;
no requerem que a funo objetivo seja contnua ou diferencivel;
trabalham adequadamente, tanto com parmetros contnuos quanto com
discretos, ou ainda com uma combinao deles;
no necessitam de formulaes complexas ou reformulaes para o
problema;
no h restrio alguma quanto ao ponto de partida dentro do espao de
busca da soluo;
realizam buscas simultneas no espao de possveis solues atravs de
uma populao de indivduos;
Otimizam um grande nmero de variveis, desde que a avaliao da
funo objetivo no tenha um custo computacional demasiadamente alto.
A maior desvantagem em relao aos mtodos clssicos o tempo de
processamento.

3.4.1.
Computao Evolucionria
Segundo BCK et al.(1997), a Computao Evolucionria teve origem no
final da dcada de 50 e permaneceu relativamente desconhecida da comunidade

Mtodos de Otimizao

39

cientfica por aproximadamente trs dcadas, devido principalmente falta de


computadores eficientes na poca, mas tambm devido metodologia pouco
desenvolvida durante as primeiras pesquisas. Durante a dcada de setenta, os
trabalhos de Holland, Rechenberg, Shwefel e Foger foram fundamentais para
modificar a imagem da Computao Evolucionria que, a partir de ento,
comeou a ser largamente desenvolvida.
Os Algoritmos Evolucionrios ( AE ' s ) formam uma classe de mtodos de
otimizao probabilsticos que so inspirados por alguns princpios baseados em
mecanismos evolutivos encontrados na natureza, como auto-organizao e o
comportamento adaptativo (BEYER et al, 2002).
De acordo com BARBOSA (1997), um algoritmo evolucionrio se distingue
dos mtodos determinsticos mais comuns basicamente por:
empregar uma populao de indivduos, ou solues;
trabalhar sobre uma codificao das possveis solues (gentipos) e no
PUC-Rio - Certificao Digital N 0310953/CA

sobre as solues (fentipos) propriamente ditas;


empregar regras de transio probabilsticas;
no requerer informaes adicionais (derivadas, por exemplo) sobre a
funo a otimizar e as restries.
Assim, a busca de solues pode se dar em conjuntos no-convexos com
funes objetivo tambm no-convexas e no-diferenciveis podendo-se
trabalhar simultaneamente com variveis reais, lgicas e inteiras. Vale ressaltar
tambm que os AE ' s no so facilmente presos a mnimos locais como o
caso dos algoritmos usuais dos mtodos determinsticos. Ao utilizar um AE ,
essas caractersticas podem levar descoberta de solues no convencionais
que no poderiam ser vislumbradas por serem contra-intuitivas. um paradigma
que no exige conhecimento prvio de uma maneira de encontrar a soluo.
Para a utilizao de AE em problemas de otimizao com restries, uma
das possibilidade utilizar um mtodo de penalizao. Isso pode ser feito
atravs da pena de morte, onde um indivduo simplesmente eliminado da
populao quando violar as restries ou quando no for possvel avaliar sua
aptido*. Porm, possui a desvantagem de poder estar descartando um indivduo
potencialmente til ao processo evolutivo. Outra maneira seria introduzir uma
*

Utilizou-se a palavra aptido como traduo da palavra fitness usualmente

adotada na literatura inglesa para se referir ao desempenho de um indivduo da


populao.

Mtodos de Otimizao

40

funo de penalizao para incorporar as restries funo objetivo, de


maneira anloga ao que se faz nos mtodos clssicos de otimizao, reduzindo
a aptido dos indivduos que violam as restries (BARBOSA, 1997).
Para ilustrar o comportamento de um AE , considera-se uma funo
objetivo unidimensional a ser maximizada. A Figura 3.2 mostra trs etapas da
busca evolucionria, mostrando como os indivduos so distribudos no comeo
(a), meio (b) e fim (c) do processo de evoluo. Na primeira fase, imediatamente
aps a inicializao da populao, os indivduos so aleatoriamente espalhados
em todo o espao de busca. Depois de algumas geraes a distribuio
modifica-se: devido aos operadores de variao e seleo, a populao
abandona as regies de baixa aptido e comea a ocupar reas de maior
aptido. No final da busca, tendo sido escolhida uma condio de parada
apropriada, toda a populao est concentrada em torno de poucos pontos,
onde alguns desses pontos podem ser sub-timos. Pode ocorrer de todos os
um timo global. Essa convergncia prematura um efeito conhecido de perda
rpida de diversidade, que leva a populao a ficar presa a timos locais (EIBEN
& SMITH, 2003).

Incio

Meio

Fim
Funo aptido

Funo aptido

Funo aptido

PUC-Rio - Certificao Digital N 0310953/CA

membros da populao se posicionarem em torno de um timo local ao invs de

Indivduos no domnio da

Indivduos no domnio da

Indivduos no domnio da

funo aptido

funo aptido

funo aptido

(a)

(b)

(c)

Figura 3.2 Evoluo tpica de um AE , ilustrada de acordo com a distribuio da


populao. Adaptado de EIBEN & SMITH (2003).

Conforme CORTES & SAAVEDRA (2000), a Computao Evolucionria


tem sido utilizada com sucesso para resoluo de complexos problemas de
otimizao. Seu principal obstculo a preciso da soluo a ser encontrada,
pois o quanto mais prximo da soluo tima se deseja chegar, mais poder
computacional e tempo de processamento so exigidos, principalmente quando
so utilizadas funes multimodais.

Mtodos de Otimizao

41

3.4.1.1.
Definies
Para a utilizao de um

AE

so necessrias algumas definies

adicionais que so particulares a esse tipo de algoritmo (BASTOS, 2004; EIBEN


& SMITH, 2003). Como a Computao Evolucionria baseada em mecanismos
evolutivos encontrados na natureza, muitos termos adotados pelos AE ' s
baseiam-se na Gentica, tais como:
Cromossomo ou gentipo representa um indivduo no espao do AE , ou
seja, representa um indivduo codificado;
Fentipo representa um indivduo no espao de busca original;

PUC-Rio - Certificao Digital N 0310953/CA

Indivduo um membro da populao;


Gene unidade bsica do cromossomo, ou seja, um elemento do vetor
que representa o cromossomo;
Populao conjunto de indivduos ou cromossomos;
Gerao ordem evolutiva das diferentes populaes;
Operaes genticas conjunto de operaes que o AE realiza sobre
cada um dos cromossomos;
Funo aptido quando o

AE utilizado em um problema de

otimizao, a funo aptido equivale funo objetivo.

3.4.1.2.
Algoritmo Evolucionrio
A principal idia em que se baseia qualquer variao de um Algoritmo
Evolucionrio : dada uma populao de indivduos, a presso do meio ambiente
causa uma seleo natural que evolui a populao. Sendo assim, qualquer
algoritmo evolucionrio deve ter as seguintes componentes bsicas para
resolver um problema (MICHALEWICZ, 1996; EIBEN & SMITH, 2003;
BARBOSA, 1997; BCK et al, 1997):

Mtodos de Otimizao

42

Uma representao gentica das solues do problema;


A representao ou codificao de um indivduo quando se utiliza um AE
consiste em relacionar o espao real do problema com o espao adotado
pelo AE , ou seja, representar/codificar os elementos do espao real no
espao do AE . Cada elemento do espao de busca denominado
fentipo e sua representao no espao do AE denominado gentipo.
Para ilustrar esse processo, considere que em um problema de otimizao
bidimensional de nmeros inteiros que adote um AE com representao
binria, onde o alfabeto composto dos smbolos 0 e 1, x = {x1 , x2 } seja
uma possvel soluo do problema. Sendo o cromossomo codificado com
cinco bits para cada uma das variveis do problema, elas podem ser
representadas da seguinte maneira:

x1 =00100

PUC-Rio - Certificao Digital N 0310953/CA

x2 =10100
Essas codificaes seriam os genes que concatenados formam o
cromossomo, que representa uma possvel soluo do problema:
0010010100
Para recuperar os valores das variveis no espao real, ou seja, obter o
fentipo, necessrio um processo de descodificao:

IND1 = 0x24 + 0x23 + 1x22 + 0x21 + 0x20 = 4


IND2 = 1x24 + 0x23 + 1x22 + 0x21 + 0x20 = 20
Para um problema com variveis inteiras, o valor da varivel igual ao
prprio ndice fornecido pela codificao ( IND ). No caso de variveis
discretas, a decodificao fornece um ndice que localiza o valor da
varivel numa lista de referncia, que representa o espao de busca para
esta varivel (BASTOS, 2004).
Para as variveis contnuas, tem-se a seguinte decodificao:
x i = xiL + INDi

x iU xiL
2 nb 1

(3.1)

Mtodos de Otimizao

43

Onde:
x - ponto de busca no espao.

x L - limite inferior do espao de busca;

x U - limite superior do espao de busca;


nb - nmero de bits;

IND -ndice fornecido pela decodificao da varivel;


i - nmero de variveis;

Segundo BASTOS (2004), a utilizao de codificao binria dada pelas


seguintes razes:
Extrema facilidade para criar e manipular vetores binrios;
Utiliza rigorosamente a preciso determinada para cada varivel;

PUC-Rio - Certificao Digital N 0310953/CA

Altamente indicada para se operar com variveis discretas.

Porm, quando o problema em anlise necessita que as variveis


envolvidas sejam de alta preciso numrica, a codificao binria possui
enorme desvantagem pois, neste caso, faz-se necessrio que os
cromossomos possuam um comprimento extremamente grande, reduzindo
a performance do AE . Outra desvantagem a necessidade constante de
converso entre os valores reais e os binrios nas diversas iteraes do
processo.
Populao

O papel da populao manter as possveis solues. Enquanto os


indivduos so estticos, isto , no se modificam, a populao uma
unidade de evoluo. Dada uma representao, definir uma populao
equivale a decidir o nmero de indivduos que iro form-la. Em alguns

AE ' s mais sofisticados a populao pode ter uma estrutura adicional, com
medidas de distncia ou relaes de vizinhana. Em quase todas as
aplicaes de AE o tamanho da populao constante, no sendo
modificado durante a evoluo.
Uma maneira de inicializar a populao;

A inicializao da populao geralmente simples na maioria das


aplicaes de AE , e feita gerando indivduos aleatoriamente. Porm,
algumas heursticas podem ser usadas para gerar uma populao inicial

Mtodos de Otimizao

44

com maior aptido, como, por exemplo, iniciar a populao com solues
aproximadas conhecidas ou contendo algum tipo de informao prvia. Se
isso vale o esforo computacional extra envolvido, depende muito da
aplicao.
Uma funo aptido

A funo aptido a responsvel pelo processo de seleo dos indivduos


e deve indicar a qualidade de cada indivduo na populao, sendo assim,
influi diretamente na evoluo da populao. Tecnicamente, uma funo
que designa uma medida de qualidade ao gentipo, ou seja, a aptido.
Operadores genticos

Os operadores genticos alteram a composio gentica dos filhos durante


a reproduo. O papel dos operadores criar novos indivduos a partir dos
PUC-Rio - Certificao Digital N 0310953/CA

antigos. Os operadores trabalham sobre a codificao das possveis


solues (gentipo) e no sobre as solues (fentipos) propriamente
ditas. Os principais operadores so recombinao e mutao.
A recombinao um operador que une informaes de dois ou mais
gentipos pais para gerar um ou dois descendentes. O operador de
recombinao estocstico, isto , aleatria a escolha de que partes de
cada pai ser recombinada e o modo que estas partes sero
recombinadas.
A mutao um operador que aps ser aplicado a um gentipo gera um
filho. Similar a recombinao, a mutao um operador sempre
estocstico: seu resultado o filho depende dos resultados de uma srie
de escolhas aleatrias.
Um mecanismo de seleo

O papel da seleo diferenciar os indivduos baseados nas suas


qualidades, em particular, permitir que os melhores indivduos tornem-se
pais da prxima gerao.
Um critrio de parada

Caso o problema tenha um valor timo da funo aptido conhecido, o


critrio de parada pode ser quando este valor for atingido, considerando
uma certa preciso. Porm, como AE' s so estocsticos e no h
garantias de que o valor timo ser atingido, essa condio pode nunca

Mtodos de Otimizao

45

ser satisfeita e o algoritmo nunca parar. As opes comumente usadas


como critrio de parada so:
1. tempo mximo transcorrido;
2. o nmero total de avaliaes da funo aptido atingir um nmero
limite;
3. quando a aptido melhorar muito pouco durante um certo perodo de
tempo (ou um certo nmero de geraes ou um certo nmero de
avaliaes da funo aptido);
4. quando a diversidade da populao diminuir at um certo limite, sendo
diversidade uma medida do nmero de diferentes solues presente na
populao, que pode ser medido pelas diferentes aptides presentes na
populao ou pelo nmero de diferentes fentipos ou gentipos
presentes.

PUC-Rio - Certificao Digital N 0310953/CA

A partir do que foi visto acima, percebe-se que a combinao da aplicao


de variao, atravs dos operadores genticos, e seleo levam a melhorar o
valor da aptido e, em conseqncia, melhorar a populao. Pode-se perceber
essa evoluo como se fosse um processo de otimizao, atravs da busca de
valores timos, que, no decorrer do processo, ficam cada vez mais prximos.
Alternativamente, essa evoluo vista como um processo de adaptao.
Deste ponto de vista, a aptido no vista como uma funo objetivo a ser
otimizada, mas como uma necessidade do meio ambiente. O processo evolutivo
faz a populao adaptar-se ao meio ambiente cada vez melhor. A seguir
mostrado um pseudo-cdigo que representa um algoritmo evolucionrio.
Gerao = 0
Inicializa populao (P) ;
Avalia os indivduos;
Enquanto o critrio de parada no for satisfeito repita:
1. Recombinao
2. Mutao
3. Avaliao dos descendentes
4. Seleo
5. Gerao = Gerao +1
Figura 3.3 Esquema geral de um Algoritmo Evolucionrio. Adaptado de BCK et al
(1997).

Mtodos de Otimizao

46

Porm, para que a implementao de um algoritmo evolucionrio tenha


sucesso quando aplicado a um problema real, as componentes listadas acima
requerem

algumas

heursticas

adicionais,

que

esto

relacionadas

representao gentica das solues, aos operadores que alteram suas


composies, aos valores de vrios parmetros, aos mtodos de inicializao
da populao e at mesmo prpria funo aptido.

3.4.1.3.
Principais Ramos da Computao Evolucionria
A Computao Evolucionria uma das reas da Inteligncia Artificial,
juntamente com as Redes Neurais e os Sistemas de Lgica Nebulosa (Figura
3.4). A maioria das implementaes de algoritmos evolucionrios vem de trs
ramos fortemente relacionados, porm independentemente desenvolvidos

PUC-Rio - Certificao Digital N 0310953/CA

(BEYER, 2002 e BCK et al, 1997):

Algoritmos Genticos ( AG' s );

Programao Evolutiva ( PE' s );

Estratgias Evolutivas ( EE' s ).


Alm dos ramos citados acima, alguns autores, com MICHALEWICZ

(1996), citam ainda a Programao Gentica ( PG ' s ) como um importante ramo


da Computao Evolucionria.

Figura 3.4 Ramificao da Inteligncia Artificial. Adaptada de OLIVIERI (2004).

As principais diferenas entre esses ramos esto na representao dos


indivduos, nos operadores utilizados (mutao e/ou recombinao) e no
mecanismo de seleo, embora ultimamente a fronteira entre eles vem se
tornando menos ntida.

Mtodos de Otimizao

47

3.4.1.4.
Algoritmos Genticos (AGs)
Segundo BARBOSA (1977) e BCK (1997), o AG foi desenvolvido
principalmente por John Holland no final da dcada de 60 buscando inspirao
no que se conhece sobre o processo de evoluo natural, conhecimento este
iniciado solidamente com a teoria da evoluo de Darwin no seu famoso livro A
Origem das Espcies.
Na maioria das aplicaes que utilizam AG' s , a forma mais comum de
construo de uma codificao utilizar uma cadeia binria, de comprimento
fixo. Isso ocorre porque a teoria dos AG ' s foi desenvolvida com base nesta
representao, mas DAVIS (1991) acha que essa representao no natural e
desnecessria na maioria dos casos.
O principal operador a recombinao, tambm conhecido como

PUC-Rio - Certificao Digital N 0310953/CA

crossover na literatura inglesa, e a mutao vista como um operador de


pequena importncia. De forma simplificada, no alfabeto binrio, os operadores
funcionam da seguinte maneira:
A mutao definida pela modificao do smbolo ocorrente em uma

posio do cromossomo: se 1 ele passa a 0 e vice-versa. A probabilidade


p m de ocorrncia de mutao de um gene geralmente muito pequena,

da ordem de 1 / l , onde l nmero de bits do cromossomo.


O crossover, no algoritmo padro, chamado crossover de um ponto.

Atravs de um esquema de seleo implementado, dois indivduos so


escolhidos e, com probabilidade pc, so submetidos operao de
recombinao. Uma posio de crossover sorteada e o material gentico
dos pais recombinado conforme o esquema abaixo:
p1 : 1111111

f1 : 1111000

p2: 0000000

f2 : 0000111

Existem outras variaes deste operador que podem ser empregadas,


como crossover de dois pontos, crossover uniforme, etc.
A

seleo

tipicamente

implementada

utilizando

um

esquema

probabilstico. A probabilidade p i de seleo do i -simo indivduo da


populao vir a ser selecionado proporcional sua aptido relativa,
conforme equao 3.2 (BCK et al, 1997;BARBOSA,1977).

Mtodos de Otimizao

pi =

48

fi
m

(3.2)

fi
i =1

Onde fi = f ( xi ) assumida positiva e m o nmero de indivduos da


populao.
Um mtodo que aplica essa tcnica o Mtodo da Roleta (roullete wheel
selection, na literatura inglesa), onde indivduos de uma gerao so
escolhidos para fazer parte da prxima gerao, atravs de um sorteio de
roleta. Os indivduos so representados na roleta proporcionalmente ao
seu ndice de aptido. Finalmente, a roleta girada um determinado
nmero de vezes, dependendo do tamanho da populao, e so
escolhidos como indivduos que participaro da prxima gerao, aqueles

PUC-Rio - Certificao Digital N 0310953/CA

sorteados na roleta (Figura 3.5).

p1
p2
p3
p4

Figura 3.5 Seleo utilizando o mtodo da roleta (Barbosa, 1977).

3.4.1.5.
Programao Gentica (PG)
O paradigma da PG foi desenvolvido por John Koza (KOZA,1992).
Segundo MICHALEWICZ (1996), esta tcnica constitui uma maneira de fazer
uma busca no espao de possveis programas computacionais para escolher o
melhor deles, ou seja, uma tcnica de gerao automtica de programas de
computador, onde a partir de especificaes de comportamento, o computador
deve ser capaz de induzir um programa que as satisfaa (KOZA, 1992).

Mtodos de Otimizao

49

Conforme descrito por RODRIGUES (1992), a tcnica baseia-se na


combinao de idias da teoria da evoluo (seleo natural), gentica
(reproduo, cruzamento e mutao), inteligncia artificial (busca heurstica) e
teoria de compiladores (representao de programas como rvores sintticas).
Os programas so formados pela livre combinao de funes e terminais
adequados ao domnio do problema. Parte-se de dois conjuntos: F como sendo
o conjunto de funes e T como o conjunto de terminais. O conjunto F pode
conter operadores aritmticos (+, -, * etc), funes matemticas (seno, logaritmo
etc), operadores genticos (E, OU etc) dentre outros. Cada

f F

tem

associada uma aridade (nmero de argumentos) superior a zero. O conjunto T


composto pelas variveis, constantes e funes de aridade zero (sem
argumentos).
O processo evolutivo ocorre a partir da aplicao dos operados genticos a
populao e pelo processo de seleo, que baseado na aptido dos
PUC-Rio - Certificao Digital N 0310953/CA

programas, at atingir um determinado critrio de parada.


Usualmente, para avaliar a aptido fornecido um conjunto de casos de
treinamento, contendo valores de entrada e sada a serem aprendidos. A cada
programa so fornecidos os valores de entrada e confronta-se a sua resposta ao
valor esperado de sada. A aptido ser proporcional proximidade da resposta
do programa ao valor de sada esperado. O operador de reproduo apenas
seleciona um programa e o copia para a prxima gerao sem sofrer nenhuma
mudana em sua estrutura. As Figuras 3.6 e 3.7 mostram a aplicao do
operador de recombinao (crossover) em duas funes selecionadas, que
partilham informao gentica e do origem a duas novas funes diferentes.

Figura 3.6 Crossover na PG : seleo aleatria dos ramos que sofrero o corte
(SOUSA & ANDRADE, 1998).

Mtodos de Otimizao

50

Figura 3.7 Crossover na PG : funes resultantes (SOUSA & ANDRADE, 1998).

A mutao nem sempre efetuada, pois depende de um valor que indica a


probabilidade de existir mutao numa determinada gerao. Quando
efetuada, uma funo escolhida aleatoriamente para sofrer mutao (Figura

PUC-Rio - Certificao Digital N 0310953/CA

3.8).

Figura 3.8 Aplicao do operador de mutao na PG (SOUSA & ANDRADE,


1998).

3.4.1.6.
Programao Evolutiva (PE)
De acordo com BCK et al. (1997) e MICHALEWICZ (1996), a PE surgiu
originalmente como uma tentativa de criar inteligncia artificial. O objetivo era
desenvolver mquinas de estado finitas (MEF) para prever eventos com base em
observaes anteriores. Uma MEF uma mquina abstrata que transforma uma
seqncia de dados de entrada em uma seqncia de dados de sada. A
transformao depende de certas regras de transio.
Os indivduos so usualmente representados por vetores de nmeros
reais. Geralmente cada genitor gera um filho. A mutao ocorre tipicamente com
probabilidade uniforme e originalmente implementada como uma mudana

Mtodos de Otimizao

51

randmica (ou atravs de mltiplas mudanas) da descrio das MEF de acordo


com cinco diferentes modificaes:
mudana de um dado de sada;
mudana de uma regra de transio;
incluso de uma regra de transio;
excluso de uma regra de transio;
mudana da regra de transio inicial.

No utilizada a recombinao.
O processo de seleo ocorre como uma srie de torneios entre subgrupos dentro da populao. Cada indivduo da populao avaliado contra t
(obrigatoriamente t > 1 e usualmente t 10 ) outros indivduos escolhidos
randomicamente da populao. Para cada comparao marcado um vencedor.
Permanecem na populao os indivduos que tiveram o maior nmero de

PUC-Rio - Certificao Digital N 0310953/CA

vitrias.

3.4.1.7.
Estratgia Evolutiva (EE)
A primeira verso de EE' s foi (1 + 1) EE , que empregava um esquema
simples de seleo-mutao trabalhando em um nico indivduo que gera um
nico descendente atravs da mutao Gaussiana e ambos so submetidos ao
processo de seleo, que elimina a soluo mais pobre. Mais tarde, esta teoria
evolui para ( + 1) EE , no qual uma populao de indivduos se recombina
de maneira randmica para formar um descendente, que sofre mutao e em
seguida, passa pelo processo de seleo.
Nas verses descritas acima, a convergncia era lenta e a busca ponto a
ponto era susceptvel a estagnar em mnimos locais.
Mais tarde, visando sanar essas deficincias, desenvolveram-se outras
verses, utilizando a estratgia denominada multi-membros, onde o tamanho da
populao maior que um. Atualmente, os dois principais tipos so (COSTA &
OLIVEIRA, 2002; BEYER et al., 2002; BCK et al., 1997):

( + ) EE

Conhecida como estratgia soma, onde pais produzem filhos, sendo

> , gerando uma populao de + indivduos. Nesta estratgia, os

Mtodos de Otimizao

52

+ indivduos participam do processo de seleo, que determina os


indivduos que sero os pais da prxima gerao.

( , ) EE

Conhecida como estratgia vrgula, se difere da estratgia soma porque


apenas os filhos participam do processo de seleo. Assim, o perodo
de vida de cada indivduo limitado a apenas uma gerao. Segundo
CORTES & SAAVEDRA (2000), este tipo de estratgia tem bom
desempenho em problemas onde o ponto timo em funo do tempo, ou
onde a funo afetada por rudo.
Note tambm que ambas estratgias apresentadas so extremos da
estratgia mais geral ( , k , ) EE , onde 1 k representa o nmero mximo

PUC-Rio - Certificao Digital N 0310953/CA

de geraes que um indivduo pode permanecer na populao.


Nas verses atuais, a descendncia obtida submetendo-se os indivduos
da gerao a dois operadores: cruzamento e mutao. O cruzamento feito de
forma aleatria e a mutao feita tipicamente atravs de uma perturbao
Gaussiana de mdia nula e desvio padro unitrio, porm outros tipos de
mutao so possveis. Aplica-se tambm a idia de auto-adaptao do
parmetro desvio padro ( ) durante o processo evolutivo, o que uma das
caractersticas chaves do sucesso das estratgias evolutivas.

3.4.1.7.1.
Distribuio Normal
Para utilizar um algoritmo de EE ' s necessrio conhecer uma maneira de
gerar variveis aleatrias segundo uma distribuio normal ou gaussiana.
O modelo probabilstico citado acima chamado Modelo Normal e suas
origens remontam a Gauss em seus trabalhos sobre erros de observaes
astronmicas, por volta de 1810, da o nome de distribuio Gaussiana para tal
modelo (BUSSAD & MORETTIN, 2004).
De uma maneira geral, diz-se que uma varivel aleatria (v.a.) tem
distribuio normal com mdia

e varincia 2 , onde < < + e

0 < 2 < , se sua funo de densidade de probabilidade dada por:


f ( , , 2 ) =

e ( )

/ 2 2

, < <

(3.3)

Mtodos de Otimizao

53

Podemos dizer que ~ N ( , 2 ) .

A Figura 3.9 ilustra uma curva normal, determinada por valores particulares
de e .

fd ( )

PUC-Rio - Certificao Digital N 0310953/CA

Figura 3.9 Funo de densidade de probabilidade de uma v.a. normal com mdia e
desvio padro .

Quando = 0 e = 1 , temos uma distribuio padro ou reduzida.


H vrios mtodos para gerar v.a. normais, mas uma observao
importante que basta gerar uma v.a. normal padro, pois qualquer outra pode
ser obtida desta. De fato, gerado um valor z1 da v.a. Z ~ N (0,1) , para gerar um
valor 1 de uma v.a. ~ N ( , 2 ) basta usar a transformao;

1 = + .z1

(3.4)

Um mtodo eficiente para gerar v.a. com distribuio normal o Mtodo de


Box-Mller (BUSSAD & MORETTIN, 2004). Nesse mtodo so geradas duas
v.a. normal padro z1 e z 2 , independentes, e N (0,1) , a partir de duas v.a. com
distribuio uniforme em [0,1], u1 e u 2 , como mostra as equaes 3.5 e 3.6
(BUSSAD & MORETTIN, 2004) :
z1 = 2 log u1 cos(2u 2 )

(3.5)

z 2 = 2 log u1 sen(2u 2 )

(3.6)

A Figura 3.10 mostra o resultado da gerao de nmeros aleatrios


usando a funo rand da biblioteca padro da linguagem C.

Mtodos de Otimizao

54

Variveis aleatrias normais

0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0

200

400

600

800

1000

Nmero de variveis

Na Figura 3.11 apresentado o resultado da gerao de nmeros


aleatrios com distribuio normal a partir da varivel aleatria uniforme gerada
pela funo rand da biblioteca da linguagem C.

Variveis aleatrias normais

PUC-Rio - Certificao Digital N 0310953/CA

Figura 3.10 Nmeros gerados pela funo rand da biblioteca da linguagem C.

3
2
1
0
0

100

200

300

400

500

600

700

800

900

1000

-1
-2
-3
-4

Nmero de variveis
Figura 3.11 Nmeros gerados pela transformao da v.a. uniforme em v.a. normal.

Mtodos de Otimizao

55

3.4.1.7.2.
Algoritmo Padro de EE
As componentes bsicas de um Algoritmo Evolucionrio quando aplicadas
a um algoritmo de EE' s possuem caractersticas particulares, que esto
detalhadas a seguir (CORTES & SAAVEDRA, 2000; EIBEN & SMITH,2003 ):
Representao dos Indivduos

Nas EE' s , cada indivduo representado por um par de vetores reais da


forma v = ( x , ) , onde x representa um ponto de busca no espao, ou
seja, o vetor das variveis da funo objetivo, e o vetor de desvio
padro associado.
Inicializao da populao

PUC-Rio - Certificao Digital N 0310953/CA

A inicializao da populao geralmente feita de maneira muito simples,


gerando aleatoriamente os indivduos. Porm, pode-se utilizar alguma
heurstica para iniciar a populao, tal como gerar indivduos que sejam
possveis solues do problema.
Recombinao dos pais at gerar descendentes.

H inmeras variaes desse operador. Quanto ao nmero de genitores


que participam da recombinao, ela pode ser chamada de recombinao
de multi-pais, onde mais de dois indivduos participam da gerao de
apenas um descendente, sendo (1 ), onde o nmero de
indivduos

que

descendente.

iro

participar

da

recombinao

para

gerar

um

Normalmente, escolhe-se =2 ou = (recombinao

global). Quanto as diferentes maneiras de recombinar os genitores, podese citar como exemplos tpicos a recombinao discreta e a recombinao
intermediria:
Recombinao discreta

Um descendente gerado a partir de dois ou mais genitores escolhidos


randomicamente na populao ancestral. As variveis que iro formar o
novo descendente so escolhidas randomicamente entre as variveis dos
genitores.

Mtodos de Otimizao

56

Para ilustrar esse processo mostrado um exemplo onde dois indivduos


a = ( x a , a ) e b = ( x b , b ) , so escolhidos

da populao ancestral,
randomicamente

recombinados

para

formar

um

descendente,

v ' = ( x ' , ') . A recombinao feita gerando-se uma varivel aleatria u


com distribuio uniforme no intervalo de [0,1], amostrada individualmente
para cada componente do vetor v ' .
u 0.5

xi' = x a ,i

u >0.5

xi' = xb ,i

u 0.5

i' = a ,i

u >0.5

i' = b ,i

PUC-Rio - Certificao Digital N 0310953/CA

Com i=1,...,n ; onde n o nmero de variveis da funo objetivo.


Recombinao Intermediria

A diferena da recombinao discreta que as variveis que iro formar o


novo indivduo so obtidas atravs da mdia aritmtica das variveis dos
pais ao invs de realizar uma escolha randomica das variveis. Sendo
assim, usando o mesmo exemplo mostrado acimo, as variveis do novo
descendente poderiam ser obtidas da seguinte
x i' = (x a ,i + xb ,i ) / 2

i' = ( a ,i + b ,i ) / 2
As vantagens e desvantagens da recombinao para uma funo objetivo
em particular devem ser notadas durante o desenvolvimento, pois no h
uma recomendao generalizada para o uso deste operador.
Mutao do desvio padro e dos descendentes

Faz-se a mutao dos desvios padres e, em seguida, a mutao dos


descendentes seguindo as equaes 3.7 e 3.8 (BCK & HAMMEL, 1994;
BCK et al, 1997):

i' = i .exp( '.N ( 0,1 ) + .N i ( 0 ,1 ))

(3.7)

xi' = xi + N ( 0 , i' )

(3.8)

Mtodos de Otimizao

57

onde:
i = 1,...,n; sendo n o nmero de variveis da funo objetivo;

N (0,1) representa um nmero Gaussiano com mdia zero e desvio


padro unitrio.

Nota-se que esse nmero o mesmo para todos os

indivduos quando multiplicado pelo fator ' e, quando multiplicado por ,


deve ser obtido independentemente para cada valor de i. Os valores
sugeridos para os parmetros ' e

so mostrados nas equaes 3.9 e

3.10, respectivamente.:

' = ( 2n ) 1
= 2 n

PUC-Rio - Certificao Digital N 0310953/CA

(3.9)

(3.10)

Este esquema pode sofrer modificaes. Uma opo usar uma verso
simplificada, onde usado o mesmo desvio padro para todas as variveis
da funo objetivo.
importante observar que os valores de e '

dependem das

caractersticas da funo objetivo e os valores timos para estes


parmetros podem ser diferentes dos valores propostos.
Nota-se que na mutao dos descendentes o desvio padro ser diferente
a cada gerao, o que consiste no conceito de auto-adaptao.
Seleo

Avalia-se a aptido dos genitores e descendentes, onde sero escolhidos


os indivduos com os melhores valores da aptido, os quais sero os
pais na prxima gerao.

3.4.1.8.
Comparao entre Estratgia Evolutiva e Algoritmo Gentico
A partir do que foi visto nos itens anteriores, a Tabela 3.1 apresenta uma
comparao entre Estratgia Evolutiva e Algoritmo Gentico na sua forma
padro.

Mtodos de Otimizao

58

Tabela 3.1 Comparao entre Estratgia Evolutiva e Algoritmo Gentico

AG

EE

Representao Nmeros reais


Seleo

Esquema

Binria
de

determinstico: ( + )
( , ) .

seleo Esquema

de

seleo

ou probabilstico: A probabilidade
de cada indivduo permanecer
na populao proporcional ao
valor de sua aptido.

Mutao

Principal operador

Operador

de

pequena

importncia e aplicada atravs

PUC-Rio - Certificao Digital N 0310953/CA

de inverso de bits.

4
Implementao Computacional

4.1.
Introduo
Para a implementao do clculo de envoltria de esforos devido ao
de cargas mveis, foram necessrias algumas modificaes na interface grfica
e na estrutura de dados do FTOOL. Essas modificaes, que sero descritas a
seguir, incluem a edio e manipulao dos trens-tipo, a avaliao da funo
aptido, incluindo a estrutura de dados desenvolvida, e o traado da envoltria

PUC-Rio - Certificao Digital N 0310953/CA

de esforos.

4.2.
Trem-tipo
Trens-tipo representam as cargas mveis verticais que devem ser
consideradas nos projetos estruturais de obras novas, bem como na verificao
e no reforo de obras existentes. A Associao Brasileira de Normas Tcnicas
(ABNT) possui duas normas relacionadas a cargas mveis em pontes
rodovirias, ferrovirias e passarela de pedestres, as quais esto resumidas nos
prximos dois itens. Em seguida sero descritos os elementos da interface
grfica e a estrutura de dados criados para a manipulao dos trens-tipo .

4.2.1.
NBR 7188 Carga mvel em ponte rodoviria e passarela de
pedestre
De acordo com o carregamento a que a via estiver sujeita, a NBR 7188
(1982) prev as seguintes classes de trem-tipo para as rodovias brasileiras:
classe 45: na qual a base do sistema um veculo-tipo de 450 kN de peso

total;
classe 30: na qual a base do sistema um veculo-tipo de 300 kN de peso

total;
classe 12: na qual a base do sistema um veculo-tipo de 120 kN de peso

total.

Implementao Computacional

60

Para passarelas de pedestres h uma nica classe, na qual a carga mvel


uma carga uniformemente distribuda de intensidade p = 5kN/m, no majorada
pelo coeficiente de impacto.
A composio dos trens-tipo citados acima est na Tabela 4.1 e na Figura
4.1. O veculo-tipo e suas caractersticas podem ser observados na Tabela 4.2 e
na Figura 4.2.
Tabela 4.1 Cargas dos veculos (NBR 7188, 1982).

Veculo

Class
e da
ponte
45

Tipo

45

Carga
p

Peso total

p'

Disposio

kN

tf

kN/m2

Kgf/m2

kN/m2

Kgf/m2

450

45

500

300

da carga
Carga p em
toda a pista
Carga p

PUC-Rio - Certificao Digital N 0310953/CA

30

30

300

30

500

300

nos
passeios

12

12

120

12

400

300

Figura 4.1 Trem-tipo composto de um veculo e de cargas uniformemente distribudas


(NBR 7188, 1982).

A carga distribuda de intensidade p aplicada em toda a pista de


rolamento, nesta includas as faixas de trfego, os acostamentos e os
afastamentos, desconsiderando apenas a rea ocupada pelo veculo.
Os passeios, independentemente de largura e altura, so carregados com
a carga distribuda de intensidade p ' .

Implementao Computacional

61

Tabela 4.2 Caractersticas dos veculos (NBR 7188, 1982).

Tipo 45

Tipo 30

Quantidade de eixos

Eixo

Peso total de veculo

kN-tf

450-45

300-3

120-2

Peso de cada roda dianteira

kN-tf

75-7,5

50-5

20-2

Peso de cada roda traseira

kN-tf

75-7,5

50-5

40-4

Peso de cada roda intermediria

kN-tf

75-7,5

50-5

0,50

0,40

0,20

0,50

0,40

0,30

0,50

0,40

0,20

0,20

0,20

rea de contato de cada roda

m2

0,20xb

0,20xb

0,20xb

Distncia entre os eixos

1,50

1,50

3,00

2,00

2,00

2,00

Largura de contato b1 de cada roda


dianteira
Largura de contato b3 de cada roda
dianteira
Largura de contato b2 de cada roda
dianteira
Comprimento de contato de cada
PUC-Rio - Certificao Digital N 0310953/CA

Tipo

Unidade

roda

Distncia entre os centros de roda


de cada eixo

Figura 4.2 Veculos-tipo (NBR 7188, 1982).

12

Implementao Computacional

62

4.2.2.
NBR 7189 Cargas mveis para projetos estrutural de obras
ferrovirias
A NBR 7189 (1985) prev as seguintes classes de trens-tipo ferrovirios
brasileiros:
TB-360: para ferrovias sujeitas a transporte de minrio de ferro ou outros

carregamentos equivalentes;
TB-270: para ferrovias sujeitas a transporte de carga geral;
TB-240: para ser adotado somente na verificao de estabilidade e projeto

de reforo de obras existentes;


TB-170: para vias sujeitas exclusivamente ao transporte de passageiros

em regies metropolitanas ou suburbanas.


As caractersticas dos trens-tipo citados acima podem ser observadas na
PUC-Rio - Certificao Digital N 0310953/CA

Figura 4.3 e na Tabela 4.3.

a b

b a

Figura 4.3 Caractersticas geomtricas do trem-tipo (NBR 7189, 1985).


Tabela 4.3 Cargas dos trens-tipo (NBR 7189, 1985).

TB

Q (kN)

q (kN/m)

q(kN/m)

a (m)

b (m)

c (m)

360

360

120

20

1,00

2,00

2,00

270

270

90

15

1,00

2,00

2,00

240

240

80

15

1,00

2,00

2,00

170

170

25

15

11,00

2,50

5,00

Tratando-se de trem-tipo ferrovirio, o clculo da envoltria de esforos


feito utilizando dois valores para carga distribuda, q e q ' , que so valores da
carga considerando vago cheio e vazio, respectivamente. O clculo feito de
forma a majorar o esforo, tornando o efeito da carga o mais desfavorvel
possvel. Por exemplo, nos trechos em que a aplicao da carga distribuda

Implementao Computacional

63

cause um efeito favorvel, considera-se que atua q' , que o menor valor para a
carga distribuda, e quando o efeito for desfavorvel, considera-se que atua q ,
que o maior valor.

4.2.3.
Interface grfica
A interface grfica criada no FTOOL para a edio do trem-tipo pode ser
vista na Figura 4.4, onde aparecem em destaque o mdulo de edio de trem-

PUC-Rio - Certificao Digital N 0310953/CA

tipo e o boto criado para acessar este mdulo.

Figura 4.4 - Interface grfica para a edio de um novo trem-tipo.

A seleo de um determinado trem-tipo pode ser feita atravs da lista


expansvel, indicada na Figura 4.5.

Figura 4.5 Lista expansvel para seleo do trem-tipo.

Implementao Computacional

64

Para a manipulao e visualizao do trem-tipo, alm dos botes padres


do FTOOL, foram adicionados interface novos botes, como pode ser visto no
Quadro 4.1:
Quadro 4.1 Botes de manipulao do trem-tipo.

Cria um novo trem- tipo


Importa a lista de trens-tipo de outro arquivo
Renomeia o trem-tipo
Faz uma cpia do trem-tipo corrente
Remove o trem-tipo corrente
Exibe apenas o trem-tipo

PUC-Rio - Certificao Digital N 0310953/CA

Ao traar uma linha de influncia, exibe o trem-tipo nas posies crticas

Ao selecionar a opo de criar um novo trem-tipo ou copiar o trem-tipo


corrente, exibido um mdulo para edio do nome do novo trem-tipo, conforme
Figura 4.6.

Figura 4.6 Mdulo para edio do nome do trem-tipo.

Cada trem-tipo tem associado a ele um comprimento, que pode ser editado
atravs da rea mostrada na Figura 4.7.

Figura 4.7 rea destinada edio do comprimento do trem-tipo.

O trem-tipo composto por cargas concentradas, cargas uniformemente


distribudas e cargas de multido. Ao inserir qualquer carga no trem-tipo,
considera-se que ela seja orientada no sentido de cima para baixo e, por isso,
conforme a conveno de sinais do FTOOL, as cargas sempre aparecem com
um sinal negativo, mesmo quando este no colocado durante a edio.

Implementao Computacional

65

4.2.4.
Carga Concentrada
A matriz de carga concentrada, Figura 4.8, composta por duas colunas:

x posio da carga em relao origem do trem-tipo;

P valor da carga.

Figura 4.8 Matriz de cargas concentradas.

No se permite criar um trem-tipo com cargas concentradas ocupando a


mesma posio, nem com posio menor que a origem ou maior que o
PUC-Rio - Certificao Digital N 0310953/CA

comprimento do trem-tipo. Para adicionar uma nova carga concentrada ao tremtipo deve-se primeiro entrar com a posio e depois com o valor da carga.
medida que so inseridas novas cargas, estas so automaticamente ordenadas
pela posio, da menor para a maior. Acima da matriz existem dois botes que
permitem aumentar e diminuir o nmero de linhas da matriz, porm, no se
permite que o nmero de linhas seja menor que cinco. O nmero de linhas
visveis sempre igual a quatro.

4.2.5.
Carga Distribuda
A matriz de cargas distribudas varia conforme o tipo de trem-tipo, que
definido por um marcador localizado acima da matriz. A opo padro tremtipo rodovirio (Highway load-train).
No caso de trem-tipo rodovirio, Figura 4.9, aparecem trs colunas:

xa - posio inicial da carga;

xb - posio final da carga;

q - valor da carga.

Implementao Computacional

66

Figura 4.9 Matriz de cargas distribudas para trem-tipo rodovirio.

No caso de trem-tipo ferrovirio (Railway load-train), Figura 4.10,


aparecem quatro colunas:

xa - posio inicial da carga;

xb - posio final da carga;

q - valor da carga considerando o vago cheio;

PUC-Rio - Certificao Digital N 0310953/CA

q ' - valor da carga considerando o vago vazio.

Figura 4.10 Matriz de cargas distribudas para trem-tipo ferrovirio.

No se permite criar um trem-tipo com cargas distribudas que se


sobreponham. As posies inicial e final da carga devem ser maiores que a
origem e menores que o comprimento do trem-tipo. Para adicionar uma nova
carga distribuda ao trem-tipo deve-se primeiro entrar com as posies inicial e
final e depois com o valor da carga. No caso do trem-tipo ferrovirio, a primeira
carga a ser editada deve ser q e depois q ' . medida que so inseridas novas
cargas, estas so automaticamente ordenadas pela posio inicial, da menor
para a maior. Quando o valor de xa maior que xb ou q menor do que q ' ,
automaticamente invertem-se estes valores. possvel modificar o tipo do tremtipo mesmo depois de j ter sido criado. Ao transformar um trem-tipo rodovirio
em ferrovirio, q e q ' assumem o valor de q e, caso a transformao seja
inversa, q mantm seu valor e ignora-se q ' . Similarmente matriz de cargas
concentradas, a matriz de cargas distribudas possui botes que permitem
manipular o nmero de linhas.

Implementao Computacional

67

4.2.6.
Carga de Multido
Podem existir dois tipos de carga de multido:
Externa ( p ): atua nos intervalos que no esto sob o trem-tipo.
Interna ( p ' ): atua na mesmo intervalo ocupado pelo trem-tipo.

A Figura 4.11 mostra a rea na interface destinada edio dessas


cargas. Quando no houver uma dessas cargas de multido, seu valor deve ser
igual a zero. As cargas de multido podem atuar parcialmente ao longo da
estrutura. O que se busca so as posies de atuao das cargas interna e
externa que maximizam ou minimizam o esforo. O valor mximo de um
determinado esforo ser obtido quando as cargas de multido esto
posicionadas sobre ordenadas positivas da LI , e o valor mnimo obtido

PUC-Rio - Certificao Digital N 0310953/CA

quando estiverem posicionadas sobre ordenadas negativas da LI .

Figura 4.11 Cargas de multido.

A carga de multido interna um caso particular que ocorre ao transformar


um trem-tipo bidimensional em unidimensional. Por exemplo, os trens-tipo da
NBR-7188 (1982) so bidimensionais e, ao serem utilizados para projetar uma
estrutura plana, eles deve ser transformados em unidimensionais.
Como exemplo desse procedimento, a Figura 4.12 ilustra o trecho de uma
ponte com duas vigas longitudinais da qual deseja-se dimensionar uma das
vigas utilizando o trem-tipo classe 45 da NBR-7188 (1982). Este procedimento
deve ser feito parte da presente implementao computacional.

Implementao Computacional

68

II

p
I

II

Figura 4.12 Trecho de uma ponte.

reao em A , que representa o efeito da carga mvel sobre uma das vigas
longitudinais do exemplo. Como esta seo est sob a rea de atuao do
veculo-tipo, posiciona-se o trem-tipo na posio que provoca a maior reao no
apoio

A e calcula-se a reao

RA

provocada apenas pelas cargas

concentradas. A carga de multido, que inicialmente era distribuda por unidade


de rea, transformada em uma carga por unidade de comprimento. Para isso,
considera-se a carga de multido apenas na rea da LI que aumentaria a

75 kN

5 kN/m

RAconc = 75 x 1.21 + 75 x 1.04 = 168.75 KN


p ' = 12 x 5 = 60.00 kN/m
Figura 4.13

LI da reao no apoio A , na Seo II II .

-0.25

1.00

75 kN

reao em A .

1.25

PUC-Rio - Certificao Digital N 0310953/CA

A Figura 4.13 representa a seo transversal II II e mostra a LI da

Implementao Computacional

69

J a seo transversal I I , mostrada na Figura 4.14, no est sob o


veculo-tipo. Ento, deve-se apenas transformar a carga de multido p em
carga por unidade de comprimento, de maneira similar ao que foi feito com p ' .

-0.25

1.00

1.25

5 kN/m

Figura 4.14 LI da reao no apoio A , na Seo I I .

O trem-tipo unidimensional resultante que ir atuar na direo longitudinal

168.75 kN

168.75 kN

da viga do exemplo mostrado na Figura 4.15.

168.75 kN

PUC-Rio - Certificao Digital N 0310953/CA

p = 15 x 5 = 75.00 kN/m

p = 75.00 kN/m

p = 60.00 kN/m

1.50

1.50

1.50

1.50

Figura 4.15 Trem-tipo unidimensional resultante da transformao do trem-tipo classe


45 da NBR-7188 (1982) .

4.2.7.
Estrutura de Dados
A estrutura de dados do trem-tipo (Figura 4.16) formada por um ponteiro
para a lista duplamente encadeada de cargas concentradas (conclist), um
ponteiro para a lista duplamente encadeada de cargas uniformemente
distribudas (uniflist) e pelos seguintes parmetros:

Implementao Computacional

70

acc_ext valor da carga de multido externa;


acc_int valor da carga de multido interna;
conc_load nmero de cargas concentradas;
unif_load nmero de cargas distribudas;
length comprimento do trem-tipo;
type tipo de trem-tipo, que pode ser rodovirio ou ferrovirio;
symmetry flag que indica se o trem-tipo simtrico ou no.

As estruturas que guardam as informaes das cargas concentradas e


distribudas so formadas por ponteiros (prev e next) que fazem o
encadeamento das respectivas listas e por parmetros que armazenam os
dados de cada carga inserida

pelo usurio, os quais j foram descritos

PUC-Rio - Certificao Digital N 0310953/CA

anteriormente ao mostrar as matrizes de edio dessas cargas.

Figura 4.16 Estrutura de dados do trem-tipo.

4.3.
Funo Aptido
Como j foi visto, a envoltria de esforos de uma estrutura um diagrama
que representa, para cada seo transversal da estrutura, os esforos limites
devido ao de uma carga mvel. Ento, pode-se dizer que existe um diferente
problema de otimizao a ser resolvido para cada uma dessas sees. O
mtodo usado para resolver esse problema ser discutido adiante, porm, pode-

Implementao Computacional

71

se adiantar que ser necessria uma funo aptido, que ser responsvel por
indicar a qualidade da soluo durante o processo de otimizao.
Neste caso, a funo aptido calcula o esforo em uma determinada seo
transversal da estrutura para uma dada posio do trem-tipo. Durante o
processo de otimizao, a avaliao desta funo ser feita inmeras vezes,
para diferentes posies do trem-tipo.
Visando diminuir o esforo computacional envolvido nestes clculos, ao se
iniciar o processo de otimizao em uma determinada seo transversal faz-se
uma anlise da LI e armazena-se as informaes referentes a alguns de seus
pontos, visto que o clculo do esforo em uma seo transversal realizado a
partir de informaes obtidas atravs da LI .
Na presente implementao, a LI calculada pelo FTOOL conforme
descrito na Seo 2.4.1 e exportada para a avaliao da envoltria como uma
seqencia de valores, que so tratados como uma funo linear por partes.
PUC-Rio - Certificao Digital N 0310953/CA

Como o passo de avaliao muito pequeno, o erro de avaliao de valores


pontuais e de rea muito pequeno. Isso deve ser verificado em
implementaes futuras, atravs do clculo da rea da LI utilizando integrao
numrica.

4.3.1.
Eventos
A anlise da LI consiste em identificar alguns pontos de maior importncia
e guardar informaes sobre eles. Estes pontos, Figura 4.17, foram
denominados de eventos, que so pontos onde ocorrem:
valores mximos ou mnimos;
mudanas de sinal, isto , pontos em que a LI tenha valor nulo;

descontinuidades;

o incio ou o fim de um trecho de valor constante;

o incio ou o fim da prpria LI .

Implementao Computacional

72

Mudana de
sinal

Mudana de
sinal

Incio da LI +
Mximo

Discontinuidade +

Mnimo

Fim da LI

Mximo + Mnimo

Figura 4.17 Linha de influncia com a identificao dos eventos.

4.3.1.1.
Estrutura de Dados dos Eventos
Esses eventos so organizados em uma lista duplamente encadeada e,
para guardar as informaes referentes a eles, criou-se uma estrutura de dados,
PUC-Rio - Certificao Digital N 0310953/CA

Figura 4.18, formada por dois ponteiros (prev

e next) que fazem o

encadeamento da lista e pelos seguintes parmetros:


type tipo de evento;
pos posio em relao origem da LI em que ocorre o evento;
val_left valor esquerda do evento;
val_right valor direita do evento;
area rea esquerda do evento.

Figura 4.18 Estrutura de dados de um evento

Implementao Computacional

73

Foram identificados os seguintes tipos de evento:


IL_START incio da LI ;
IL_END fim da LI ;
IL_DISCONT_UP descontinuidade na LI , sendo o valor esquerda

maior que o valor direita;


IL_DISCONT_DOWN descontinuidade na LI , sendo o valor esquerda

menor que o valor direita;


IL_MIN ponto de mnimo da LI ;
IL_MAX ponto de mximo da LI ;
IL_CROSS_UP quando a LI cruza o eixo e o valor esquerda maior

que o valor direita;


IL_CROSS_DOWN quando a LI cruza o eixo e o valor esquerda

menor que o valor direita;

PUC-Rio - Certificao Digital N 0310953/CA

IL_CTE_START incio de um intervalo da LI de valor constante;


IL_CTE_END fim de um intervalo da LI de valor constante.

Como em um evento pode ocorrer a combinao dos vrios tipos descritos


acima, a classificao quanto ao tipo de evento foi realizada utilizando
combinao binria dos tipos de eventos. O Quadro 4.2 exibe os possveis tipos
de ocorrncia de eventos, isolados ou combinados.

Implementao Computacional

74

Quadro 4.2 Possveis tipos de ocorrncia de eventos.

EVENTOS COMBINADOS

IL_MAX
IL_MIN
IL_START

IL_CTE_START
IL_MAX

IL_CROSS_UP
IL_CROSS_ DOWN

IL_MAX
IL_MIN
IL_END

IL_CTE_END
IL_MAX

IL_CROSS_DOWN

IL_MIN

IL_CROSS_UP

IL_CTE_START

PUC-Rio - Certificao Digital N 0310953/CA

IL_CTE_END
IL_DISCONT_UP

IL_CTE_END
IL_MAX

IL_CTE_START
IL_MIN
IL_CTE_START
IL_MIN

IL_CTE_START
IL_CTE_END
IL_DISCONT_DOWN

IL_CTE_END
IL_MIN

IL_CROSS_UP

IL_CROSS_DOWN
EVENTOS ISOLADOS

IL_CROSS_UP
IL_CROSS_DOWN
IL_MAX
IL_MIN
IL_CTE_START
IL_CTE_END

IL_CTE_START
IL_MAX
IL_CTE_START
IL_MAX
IL_MAX
IL_MIN

Implementao Computacional

75

4.3.2.
Clculo da Funo Aptido
Para se calcular o valor de um determinado esforo em uma seo
transversal da estrutura, dados a linha de influncia deste esforo nesta seo e
a posio do trem-tipo, deve-se fazer o somatrio das seguintes parcelas:
produto de cada carga concentrada pelo valor da ordenada da LI na

posio da carga. Quando houver uma descontinuidade na posio da


carga, deve-se assumir o valor mais desfavorvel, ou seja, quando tratar
de envoltria mxima dos esforos, deve contribuir aumentando o valor da
funo aptido e no caso de envoltria mnima, diminuindo;
produto de cada carga uniformemente distribuda pela rea LI sob a

carga. No caso de trem-tipo ferrovirio, os dois valores definidos para

PUC-Rio - Certificao Digital N 0310953/CA

cada carga distribuda, um correspondente ao carregamento de um vago


cheio e outro ao carregamento de um vago vazio, devem ser utilizados no
clculo de forma que contribuam de maneira mais desfavorvel;

caso haja valores definidos para as cargas de multido, faz-se o produto


entre este valor e as reas da LI que sejam desfavorveis.

4.3.3.
Envoltria de Esforos no FTOOL
Na interface grfica, dentro do mdulo de edio de trens-tipo, foram
criados botes para calcular a envoltria de esforos (Quadro 4.3).
Quadro 4.3 Botes para calcular a envoltria de esforos.

Calcula a envoltria de esforos considerando apenas a carga mvel


Calcula a envoltria de esforos considerando a carga permanente alm
da carga mvel
Porm, deve-se entender como o programa analisa a estrutura antes de
fazer o clculo da envoltria de esforos e conhecer as possveis maneiras de
interagir com o programa.
Primeiro deve-se selecionar o trem-tipo e o esforo, Figura 4.19, para o
qual deseja-se obter a envoltria. Ao selecionar o esforo, o programa verifica se
esto definidas as propriedades de todos os elementos estruturais e, caso

Implementao Computacional

76

positivo, entra em modo de ps-processamento. Caso, ao solicitar o clculo da


envoltria, j esteja em modo de ps-processamento, a envoltria ser traada
para o tipo de esforo corrente. Caso no haja esforo selecionado, a opo
padro o esforo cortante.
Traar linha de influncia

Momento fletor
Cortante
Normal
Figura 4.19 Botes para seleo dos esforos.

Em seguida, verificado se a estrutura forma um caminho contnuo, isto ,

PUC-Rio - Certificao Digital N 0310953/CA

que no apresente elementos estruturais isolados, e suave, que apresente uma


inclinao vivel ao deslocamento de uma carga mvel sobre ela. Caso
contrrio, solicita que o usurio selecione o caminho que o trem-tipo ir
percorrer, embora a envoltria continue sendo calculada para todos os
elementos estruturais. Para se fazer a seleo, deve-se verificar se o boto que
indica que ser traada a LI para novas sees, Figura 4.19, no est
selecionado, e, permanecendo com a tecla SHIFT pressionada, clicar nos
elementos que iro formar o caminho do trem-tipo. Por exemplo, no prtico da
Figura 4.20, considerando um trem-tipo qualquer que se desloque apenas sobre
a viga do prtico, o valor da envoltria nas colunas do prtico no ser nulo,
pois, ao deslocar-se sobre a viga, o trem-tipo causar esforos nas sees
transversais das colunas.

Figura 4.20 Prtico com envoltria de esforo cortante devido ao de uma carga
mvel

Implementao Computacional

77

A estrutura discretizada em um certo nmero de sees, que obtido


estimando a distncia entre as sees atravs da equao 4.1.

dx = 0,005 l

(4.1)

O nmero total de sees ( nsec ) dado pela equao 4.2.

ltot
dx

nsec =

(4.2)

Onde:

dx - distncia entre as sees transversais da estrutura;

l - comprimento do caminho que o trem-tipo ir percorrer;

ltot - comprimento total da estrutura.


Para cada uma dessas sees, calcula-se a linha de influncia e
determinam-se os valores mximo e mnimo do esforo nessa seo atravs do

PUC-Rio - Certificao Digital N 0310953/CA

algoritmo de otimizao desenvolvido. Sempre sero consideradas sees nos


apoios e na extremidade livre de balanos.
Existe tambm a opo de calcular os esforos limites apenas em uma
seo da estrutura. Sempre que o boto para exibir o trem-tipo nas posies
crticas (Quadro 4.1) estiver selecionado, calcula-se automaticamente o valor
dos esforos limites ao traar a LI para uma determinada seo transversal,
alm de desenhar o trem-tipo nas posies que causam esses esforos limites.
O trem-tipo desenhado conforme a conveno de sinais da LI , ou seja, se os
valores positivos da LI so desenhados na parte superior de cada membro da
estrutura, o trem-tipo ser desenhado na parte superior da estrutura na posio
que causa o esforo mximo e na parte inferior na posio que causa o esforo
mnimo (Figura 4.21).
Deve-se ressaltar que esse desenho das posies do trem-tipo muito
importante para o aprendizado do aluno sobre a considerao de cargas mveis
em estruturas.

Figura 4.21

LI com trem-tipo nas posies crticas.

5
Algoritmos Implementados

5.1.
Introduo
O mtodo de otimizao adotado para determinar a envoltria de esforos
limites foi a Estratgia Evolutiva que, como j foi descrito no captulo 3, faz parte
da famlia dos algoritmo evolucionrios, no exige uma representao
matemtica da funo objetivo e apresenta bom desempenho ao lidar com
funes multimodais, como o caso da envoltria de esforos. Porm, como

PUC-Rio - Certificao Digital N 0310953/CA

existem variaes dentro desse mtodo, fez-se a implementao de duas


maneiras distintas, de forma que fosse possvel avaliar qual apresentaria melhor
comportamento para esse tipo de problema. As estratgias implementadas
foram as conhecida como 1 + EE e + EE , cujos detalhes da aplicao
neste problema em particular sero discutidos a seguir. Alm de utilizar
algoritmos de EE para resolver o problema de envoltrias, foi desenvolvido um
outro mtodo de soluo denominado Fora Bruta. Para refinamento dos
resultados obtidos por esses mtodos foi desenvolvido o processo Cargas-empicos.

5.2.
Consideraes gerais
Algumas consideraes podem ser feitas de uma maneira geral para
ambos os algoritmos evolucionrios utilizados. So elas:
Funo Aptido

No existe uma funo matemtica que descreva a envoltria de esforos


de uma estrutura de forma a exercer o papel de funo aptido. Porm,
dentro do FTOOL foi desenvolvido um mdulo que determina o valor de
um esforo em uma seo da estrutura, dada a posio do trem-tipo.
Nos algoritmos de EE implementados, o valor desse esforo exerce o
papel de funo aptido, ou seja, apresentar melhor aptido o indivduo
que tiver o maior valor do esforo no caso de envoltria de esforos

Algoritmos Implementados

79

mximos e, no caso de envoltria de esforos mnimos, o indivduo com o


menor valor.
Espao de busca

As posies do trem-tipo que causam os esforos mximos e mnimos


para cada seo transversal da estrutura so pontos no espao de busca.
Sendo o FTOOL um programa de anlise de prticos planos e
considerando que o trem-tipo desloca-se apenas horizontalmente, o
espao de busca unidimensional e essas posies so descritas apenas
por uma varivel.
Sendo assim, o espao de busca ser a projeo horizontal do caminho a
ser percorrido pelo trem-tipo acrescida do comprimento do trem-tipo, pois a
busca feita considerando desde posies onde todo o trem-tipo
posicionado sobre o caminho de busca, at posies que o considera
PUC-Rio - Certificao Digital N 0310953/CA

parcialmente ou completamente fora deste caminho. A origem ser sempre


a posio inicial deste caminho. Como exemplo, mostrado na Figura 5.1
o espao de busca considerado no caso de um prtico com viga inclinada
e um dado trem-tipo, onde:

l - comprimento do caminho que o trem-tipo ir percorrer;

lt - comprimento do trem-tipo.

lt

l
Origem

Figura 5.1 Prtico com viga inclinada, trem-tipo e espao de busca.

Algoritmos Implementados

80

Parmetros Adotados

Para utilizar qualquer um dos algoritmos descritos a seguir ser necessrio


estabelecer os parmetros a serem utilizados. O ideal seria determinar
valores timos para os parmetros a cada problema, o que consistiria um
processo de tentativa e erro para cada estrutura que se desejasse traar a
envoltria. Porm, como a idia que estes parmetros fiquem internos no
FTOOL, no permitindo que o usurio possa alter-los, foram realizados
vrios testes em diferentes estruturas, com diferentes dimenses e com
trens-tipo variados e estabeleceu-se, para cada algoritmo implementado,
valores para esses parmetros que fornecem bons resultados na maioria
dos casos.

PUC-Rio - Certificao Digital N 0310953/CA

5.3.
Estratgia 1+ - EE
Essa

estratgia

foi

implementada

utilizando

heursticas

adicionais

relacionadas a envoltrias de esforos.


O operador de mutao foi utilizado para obter os descendentes a partir do
genitor, embora no tenha sido aplicado ao desvio-padro. A idia de autoadaptao do desvio-padro no foi utilizada a cada gerao porque a busca foi
feita atravs da sub-diviso do espao de busca. O operador de recombinao
no foi utilizado.

5.3.1.
Sub-diviso do Espao de busca
Por se tratar de um problema unidimensional, foi possvel fazer a busca
dividindo-se o espao de busca em trechos e determinando para cada um deles
os esforos mximo e mnimo locais. No final, os esforos limites globais so
determinados a partir dos resultados locais obtidos.
Os trechos de uma LI so limitados por eventos do tipo IL_START,
IL_END,

IL_DISCONT_UP,

IL_DISCONT_DOWN,

IL_MIN,

IL_MAX,

IL_CROSS_UP e IL_CROSS_DOWN.
Outra particularidade que o posicionamento do trem-tipo foi feito a partir
da posio da maior carga concentrada, sendo que quando houver mais de uma
carga com o mesmo valor, a referncia ser a carga mais prxima origem do
trem-tipo. Quando no houver carga concentrada, toma-se como referncia a
prpria origem do trem-tipo.

Algoritmos Implementados

81

Como a busca deve ser feita considerando desde posies onde o tremtipo esteja todo posicionado sobre a estrutura a posies que o deixem
parcialmente ou completamente fora dela, existe um trecho antes do incio da

LI , que dado pela distncia da maior carga concentrada at o incio da LI , e


um aps o fim da LI , que dado pela distncia entre o fim da LI e a maior
carga concentrada, como est ilustrado pela Figura 5.2.

Trecho Inicial

Trecho Final

PUC-Rio - Certificao Digital N 0310953/CA

Figura 5.2 Determinao do trecho inicial e final.

5.3.1.1.
Estrutura de dados
Os trechos de busca so organizados em uma lista duplamente
encadeada. A estrutura de dados criada para guardar as informaes referentes
a esses trechos formada por dois ponteiros (prev e next) que fazem o
encadeamento da lista e pelos seguintes parmetros (Figura 5.3):
pos_init posio inicial do trecho em relao origem da LI ;
pos_end posio final do trecho, em relao origem da LI ;
val_max valor mximo da envoltria no trecho;
pos_max posio da origem do trem-tipo em relao origem da LI que

ocorre o valor mximo da envoltria;


sent_max sentido do trem-tipo que causa o valor mximo da envoltria;
val_min valor mnimo da envoltria no trecho;
pos_min posio do incio do trem-tipo em relao origem da LI que

ocorre o valor mnimo da envoltria;


sent_min sentido do trem-tipo que causa o valor mnimo da envoltria.

Algoritmos Implementados

82

Figura 5.3 Estrutura de dados dos trechos.

PUC-Rio - Certificao Digital N 0310953/CA

5.3.1.2.
Inicializao da populao
A inicializao da populao pode ser feita de maneira aleatria, mas
visando obter um melhor desempenho, optou-se por inicializar a populao
selecionando posies que fossem possveis solues do problema.
Ao traar manualmente a envoltria de esforos de uma determinada
estrutura sujeita a ao de um trem-tipo que possua cargas concentradas,
intuitivo posicionar a maior carga concentrada sobre os valores extremos e
descontinuidades da LI , pois em grande parte dos casos, so as posies mais
desfavorveis estrutura, isto , posies que causam os maiores esforos.
Ento, como os trechos so limitados por eventos destes tipos e como
nesta estratgia a populao possui apenas um indivduo, a busca em cada
trecho inicia-se com um indivduo que represente a maior carga concentrada do
trem-tipo posicionada no incio do trecho. No fim da busca no trecho avalia-se o
indivduo que corresponde a maior carga concentrada do trem-tipo posicionado
no final do trecho.

5.3.1.3.
Mutao
Na estratgia

1 + EE a populao possui apenas um indivduo que

sofre mutao para gerar os descendentes.


Ao optar por essa estratgia, o primeiro passo foi ajustar o nmero de
descentes ( ) que seriam gerados. Na literatura (BCK & HAMMEL, 1994;

Algoritmos Implementados

83

COSTA & OLIVEIRA, 2002; BACK,1992) encontram-se recomendaes para


utilizar valores de entre cinco e sete quando o valor de no for muito
pequeno. Como nessa estratgia igual a um, foi adotado igual a dez, que
conforme testes realizados, foi o valor que apresentou melhores resultados.
A mutao realizada a partir de uma perturbao Gaussiana de mdia
nula e um determinado desvio padro, conforme equao 3.8.
Visando explorar as caractersticas da LI , o valor do desvio padro ( )
determinado a partir de uma porcentagem do comprimento de cada trecho, tendo
sido estipulado um valor de 25% do comprimento. Por exemplo, trechos com
pequenos comprimentos correspondem a reas mais perturbadas, onde uma
pequena variao na posio do trem-tipo tende a causar uma maior variao no
valor do esforo que se pretende traar a envoltria. Neste caso necessria
uma maior ateno durante a busca, ou seja, deve-se utilizar um desvio padro

PUC-Rio - Certificao Digital N 0310953/CA

pequeno. Porm, visando evitar que o desvio padro assuma valores muito
pequenos e torne a busca muito lenta ou valores muito grandes de forma que
no seja possvel encontrar resultados satisfatrios,

estabeleceu-se o valor

mximo e o mnimo que o desvio padro pode assumir, sendo:

max = 4,00 m

min = 0,20 m

5.3.1.4.
Seleo
Aps a mutao do indivduo pai para gerar os descendentes, a
populao passa a ter 1+ indivduos, dos quais apenas um selecionado para
permanecer na populao.
A seleo feita com base na avaliao da funo aptido, de forma que o
indivduo que apresentar a melhor aptido permanece na populao.
Quando em uma determinada gerao a populao no se modificar, isto
, nenhum dos descendentes gerados apresentar melhor aptido que o pai,
sinal que este ponto pode ser um mximo/mnimo local. Sendo assim, optou-se
por fazer uma busca local, diminuindo o valor do desvio padro para o valor

min , visando melhorar a qualidade da soluo encontrada. Isso mostrado na


Figura 5.4, onde o primeiro ponto de mximo/mnimo local indicado como 1
ponto limite. A busca prossegue com este valor de desvio padro at a prxima
gerao que a populao no se modificar, ou seja, at encontrar um prximo

Algoritmos Implementados

84

ponto limite. Feito isso, isola-se o espao onde j foi realizada a busca dentro do
trecho e reinicia-se a busca a partir de uma nova posio inicial, que
determinada a partir dos seguintes passos:
aps fazer a busca utilizando o valor

calculado com base no

comprimento do trecho e encontrar o primeiro ponto limite, marca-se uma


suposta posio inicial para a prxima busca somando-se a posio
deste ponto;
continua-se a busca utilizando-se min e, aps a determinao do novo

ponto limite, calcula-se outra possvel posio inicial somando-se min ao


novo ponto encontrado;
a posio a partir da qual se reiniciar a busca ser a posio mais a

direita entre as duas posies calculadas anteriormente. A populao ser


iniciada com um indivduo correspondente a esta posio e voltar a ser

PUC-Rio - Certificao Digital N 0310953/CA

usado o desvio padro original ( ).

Figura 5.4 Processo de busca por trechos.

Ao fim da busca no trecho, avalia-se o indivduo que corresponde


posio final do trecho. Seleciona-se o melhor entre este indivduo e o que
representa a populao.
Fazendo-se a busca desta forma pode-se garantir que todas as reas da
estrutura foram abrangidas.
No existe uma frmula que determine o nmero de avaliaes da funo
aptido, pois este nmero varia a cada vez que o clculo da envoltria
solicitado. Para cada seo transversal da estrutura, a funo aptido avaliada
um diferente nmero de vezes.

Algoritmos Implementados

85

5.3.1.5.
Critrio de parada
Como foi visto, a busca feita dividindo-se o espao de busca em trechos
e fazendo com que o trem-tipo percorra todos eles. Logo, o critrio de parada
completar a busca em todos os trechos.

5.4.
Estratgia + - EE
Na estratgia + EE no se utilizou a sub-diviso do espao de busca
em trechos com a finalidade de avaliar o comportamento de um algoritmo de EE
quando no lhe fornecido informaes adicionais do problema.
O nico operador utilizado foi a mutao, que tambm foi aplicado ao
desvio padro, ou seja, empregou-se auto-adaptao do desvio padro. Para
PUC-Rio - Certificao Digital N 0310953/CA

isso, cada indivduo tem associado a ele um desvio-padro.

5.4.1.
Estrutura de dados
Criou-se uma estrutura para representar os indivduos que armazena as
seguintes informaes (Figura 5.5):
pos posio do trem-tipo no espao de busca;
dp desvio padro associado ao indivduo;
env valor da funo aptido;
ger nmero de geraes que o indivduo permanece na populao;

Figura 5.5 Estrutura de dados de um indivduo.

Algoritmos Implementados

86

5.4.1.1.
Inicializao da populao
A inicializao da populao foi feita de maneira aleatria, utilizando uma
distribuio uniforme para gerar os indivduos. Foi utilizado como ponto de
referncia para o posicionamento do trem-tipo a sua origem. O desvio padro
associado a cada indivduo foi inicializado com o mesmo valor para todos os
indivduos da populao. Este valor foi estipulado como sendo 10% do
comprimento total do espao de busca, conforme equao 5.1.
= 0,1(l + l t )

(5.1)

onde:

l - comprimento do caminho que o trem-tipo ir percorrer;

PUC-Rio - Certificao Digital N 0310953/CA

l t - comprimento do trem-tipo;
5.4.1.2.
Mutao
Na + EE todos os indivduos da populao sofrem mutao para
gerar os descendentes. Para a utilizao da auto-adaptao do desvio padro
() durante o processo evolutivo, aplicou-se as equaes 3.7, 3.9 e 3.10. Sendo
assim, antes do operador de mutao ser aplicado populao para gerar os
descendentes, ele aplicado ao desvio padro. A mutao dos genitores feita
atravs da aplicao da equao 3.8.

5.4.1.3.
Seleo
Aps a mutao de todos os genitores, os quais geraram /
descendentes cada um, a populao passa a ter + indivduos, dos quais
apenas indivduos so selecionados para permanecer na populao.
Foram implementados os seguintes tipos de seleo:
Seleo global

A seleo foi realizada fazendo uma concorrncia entre todos os +


indivduos da populao, de forma que os indivduos que apresentassem o

Algoritmos Implementados

87

melhor aptido fossem selecionados para serem os genitores da prxima


populao. Porm, observou-se que certas vezes esse processo de seleo
causava

uma

diminuio

prematura

prejudicando o processo evolutivo.

da

diversidade

da

populao,

Uma das causas observadas era a

inicializao do desvio padro, que era feita sempre com um mesmo valor,
sem levar em conta as dimenses do trem-tipo e da estrutura, o que causava
uma convergncia prematura quando este valor era muito pequeno em
relao s dimenses. Para corrigir esse erro, foi estabelecida a inicializao
do desvio padro atravs da equao 5.1.
Observou-se tambm que quando o tamanho da populao ( ) pequeno,
ela pode no representar todo o espao de busca, o que tambm pode levar
a uma convergncia para um mximo ou mnimo local .
Seleo Individual
PUC-Rio - Certificao Digital N 0310953/CA

Cada genitor compete apenas com seus descendentes para permanecer na


populao, atravs da avaliao da aptido. como se os indivduos dessa
populao evolussem paralelamente.
Os dois tipos de seleo tiveram bons resultados quando os parmetros
foram adequadamente estabelecidos. Ou seja, na seleo global mais
importante a populao ter maior nmero de indivduos ( ) do que continuar o
processo evolutivo por um maior nmero de geraes ( n ger ). J na seleo
individual, o nmero de geraes ( n ger ) exerce papel fundamental. Conhecendo
essas propriedades foram estabelecidos os seguintes valores para os
parmetros:
Tabela 5.1 . Parmetros adotados na ( + ) ES .

Parmetros

nger

Seleo
Global

Individual

15

40

20

60

21

Algoritmos Implementados

88

5.4.1.4.
Critrio de parada
Primeiramente pensou-se em adotar um critrio de parada baseado na
diversidade da populao, estabelecendo-se um limite at o qual ela iria diminuir.
Porm, poderia levar muito tempo at que a diversidade diminui-se at o limite
desejado, desperdiando um esforo muitas vezes desnecessrio, pois, em
muitos casos, pode existir uma boa soluo na populao antes que a
diversidade atinja o limite estabelecido.
A opo adotada foi estabelecer o nmero mximo de geraes at o qual
a populao iria evoluir.
O nmero de avaliaes da funo aptido para cada seo transversal da
estrutura varia diretamente com o nmero de geraes da populao, com o

PUC-Rio - Certificao Digital N 0310953/CA

tamanho da populao e com nmero de descendente, conforme a equao 5.2:

[ (

na = 2 + n ger

)]

(5.2)

onde:
na - nmero de avaliaes da funo aptido em uma seo transversal da

estrutura;

- nmero de genitores;
- nmero total de descendentes gerados a cada gerao;
n ger - nmero de geraes.
O nmero dois s aparece na equao 5.2 caso o trem-tipo no seja
simtrico, pois, neste caso, o mesmo processo de otimizao ser realizado
duas vezes, considerando o trem-tipo percorrendo a estrutura nos dois sentidos.
A equao 5.3 fornece o nmero total de avaliaes da funo aptido:
ntot = na . n sec

onde:

ntot - nmero total de avaliaes da funo aptido em toda estrutura;


nsec - nmero de sees transversais que a estrutura foi discretizada;

(5.3)

Algoritmos Implementados

89

5.5.
Fora Bruta
O processo que foi denominado Fora Bruta no um algoritmo
evolucionrio e nem propriamente um mtodo de otimizao. Consiste apenas
em percorrer toda estrutura por passos de tamanho pr-estabelecido com o
trem-tipo e calcular os valores dos esforos mximo e mnimo. Caso o trem-tipo
no seja simtrico, esse processo realizado percorrendo a estrutura com o
trem-tipo nos dois sentidos. No final so determinados os esforos crticos na
seo transversal em questo.
Neste processo, a preciso dos resultados depende do tamanho do passo
( ), ou seja, quando menor o valor de maior a chance de se obter bons
resultados. Porm, um fator que influncia o nmero de vezes que sero
calculados os esforos, logo, quanto menor , maior o nmero de vezes que o

PUC-Rio - Certificao Digital N 0310953/CA

clculo dos esforos ser repetido e conseqentemente mais caro fica o


processo. O nmero de repeties do clculo do esforo tambm depende do
tamanho do trem-tipo e do comprimento do caminho que ele deve percorrer e
determinado pela equao 5.4:
l + lt

na = 2
+ 1

(5.4)

onde:
na - nmero de avaliaes da funo aptido em uma seo transversal da

estrutura;

l - comprimento do caminho que o trem-tipo ir percorrer;

l t - comprimento do trem-tipo;
-distncia que determina de quanto em quanto ser calculado o valor dos

esforos .
Sendo o trem-tipo simtrico, o nmero dois no aparece na equao 5.4.
A determinao do a ser usado foi a grande dificuldade encontrada para
utilizar este mtodo. A princpio pensou-se em estabelecer um valor a ser usado
em todos os casos, porm, observou-se que o valor timo de variava
principalmente com o comprimento l . Sendo assim, caso fosse estabelecido
a partir de um valor que fornecesse bons resultados na envoltria de esforos de
uma estrutura cuja dimenso l fosse pequena, ao utilizar esse para traar
envoltria de esforos de uma estrutura cuja dimenso l fosse muito maior, o

Algoritmos Implementados

nmero

de

avaliaes

90

da

funo

aptido

seria

muito

grande,

desnecessariamente.
Ento, estabeleceu-se uma relao entre l e o valor de a ser utilizado
em cada problema, conforme a equao 5.5.
= 0,0025 l

(5.5)

5.6.
Cargas-em-picos
O Cargas-em-picos no um mtodo de otimizao. Consiste em calcular
o valor do esforo considerando cada carga concentrada posicionada sobre os
picos da LI , que ocorrem em eventos da LI dos tipos IL_MAX ou IL_MIN, no
caso de envoltria de esforos mximos ou mnimos, respectivamente, e sobre o

PUC-Rio - Certificao Digital N 0310953/CA

incio e o fim de intervalos da LI de valor constante, identificados por eventos do


tipo IL_CTE_START e IL_CTE_END. Assim, quando o esforo crtico ocorrer
nesta situao, o que acontece freqentemente, teremos o valor exato do
esforo.
O nmero de avaliaes da funo aptido depende da configurao da

LI e do nmero de cargas concentradas que o trem-tipo possui. Sendo assim,


constante ao traar a envoltria de um determinado esforo para um mesmo
problema. Geralmente esse nmero praticamente desprezvel em relao ao
realizado pelos outros algoritmos implementados.
Este processo pode ser realizado como um complemento para refinamento
dos mtodos citados anteriormente. Para fins de comparao entre os mtodos
implementados, ele ser tratado como um mtodo independente, evitando assim
mascarar os resultados obtidos em cada mtodo.

6
Exemplos de Validao e Anlise de Resultados

6.1.
Introduo
A seguir sero apresentados exemplos de envoltrias de esforos de
pontes rodovirias e ferrovirias. Os primeiros exemplos foram concebidos com
dimenses usuais em projetos de pontes e submetidos aos trens-tipo da
NBR 7188 (1982) e NBR 7189 (1985) Tambm foi feito um exemplo para
testar o comportamento dos algoritmos implementados em estruturas com

PUC-Rio - Certificao Digital N 0310953/CA

dimenses menores que as usuais. Alm disso, so descritas


algumas particularidades notadas em diferentes testes realizados e faz-se
uma anlise do desempenho de cada mtodo em funo do nmero de
avaliaes da funo aptido e do tempo de processamento.

6.2.
Exemplo 1
Trata-se de uma ponte rodoviria que possui trs vos e dois balanos nas
extremidades (Figura 6.1). Embora seja mais comum encontrar casos de pontes
simtricas, neste exemplo optou-se por variar as dimenses dos vos e dos
balanos para tentar criar maior dificuldade na determinao da envoltria. Foi
utilizado o trem-tipo unidimensional (Figura 4.15) resultante da transformao
realizada na Seo 4.2.6 do trem-tipo bidimensional classe 45 da NBR-7188
(1982).
A

Figura 6.1 Exemplo 1.

A seguir sero traadas as envoltrias de esforo cortante e de momento


fletor utilizando os algoritmos implementados.

Exemplos de Validao e Anlise de Resultados

92

6.2.1.
Envoltria de Esforo Cortante
Utilizando qualquer um dos algoritmos a envoltria obtida apresentou a
mesma configurao, como mostra a Figura 6.2. Os resultados da envoltria de
esforos mximos e mnimos obtidos atravs de cada algoritmo nas sees dos
apoios e nas extremidades dos balanos, utilizando os parmetros citados na
Seo 4.6, esto apresentados nas Tabela 6.1. Foram calculados os erros
relativos utilizando como valores de referncia os melhores resultados obtidos
entre os algoritmos implementados em cada uma dessas sees, o que pode ser
visto na Tabela 6.2.

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.2 Envoltria de esforo cortante do Exemplo 1 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.
Tabela 6.1 Resultados obtidos na envoltria de esforo cortante do Exemplo 1.

A
B

esq

dir

esq

dir

esq

dir

D
E

esq

dir

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kN)

(kN)

(kN)

(kN)

mx

min

mx

min

mx

min

mx

min

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

-813,90

0,00

-812,13

0,00

-813,86

0,00

-813,90

1365,28

-368,00

1364,43

-367,98

1361,61

-367,98

1365,29

-367,98

193,95

-1760,76

193,61

-1760,85

193,45

-1757,26

193,94

-1760,98

2060,64

-243,43

2060,57

-243,39

2055,26

-243,39

2060,63

-243,39

123,99

-2090,89

123,98

-2090,88

123,97

-2090,43

123,98

-2091,06

2082,31

-208,75

2082,28

-208,10

2080,55

-207,00

2082,29

-208,75

212,66

-1666,78

212,64

-1667,06

212,63

-1658,70

212,63

-1667,06

1038,90

0,00

1038,86

0,00

1037,59

0,00

1038,90

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

Exemplos de Validao e Anlise de Resultados

93

Tabela 6.2 Erros relativos na envoltria de esforo cortante do Exemplo 1.

A
B

esq

dir

esq

dir

esq

dir

D
E

esq

dir

PUC-Rio - Certificao Digital N 0310953/CA

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,002

0,000

0,000

0,000

0,000

0,001

0,000

0,063

0,000

0,270

0,000

0,000

0,005

0,000

0,012

0,175

0,000

0,258

0,002

0,005

0,000

0,000

0,000

0,003

0,000

0,261

0,000

0,000

0,016

0,000

0,008

0,008

0,000

0,016

0,000

0,008

0,000

0,000

0,000

0,001

0,003

0,085

0,008

0,001

0,000

0,000

0,017

0,009

0,000

0,014

0,005

0,014

0,000

0,000

0,000

0,004

0,000

0,126

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

O nmero de avaliaes da funo aptido realizadas em cada estratgia


ao traar a envoltria de esforo cortante que apresentou os valores presentes
na Tabela 6.1, sendo nsec =197 , esto na Tabela 6.3 e foram obtidos da seguinte
maneira:
1 + EE

Nesta estratgia no exista um nmero fixo de avaliaes da funo


aptido, que varia a cada execuo do clculo da envoltria. Porm, observa-se
que este nmero extremamente dependente dos comprimentos l e lt .

+ EE
Os resultados apresentados na Tabela 6.1 foram obtidos utilizando a

seleo individual, embora a seleo global tambm tenha apresentado


resultados igualmente satisfatrios. Sendo o trem-tipo simtrico, n ger = 40,

= 7 e = 21, empregando as Equaes 5.2 e 5.3, temos:


na = 7+ 21 x 40 = 847

ntot = 847 x 197 = 166859


Caso fosse utilizado seleo global, n ger = 15, = 20 e = 60,
teramos:

Exemplos de Validao e Anlise de Resultados

94

na = 20+ 60 x 15 = 920

ntot = 920 x 197 = 181240


Nota-se que o nmero de avaliaes da funo aptido em uma seo
transversal ( na ) sempre constante para qualquer estrutura, independente de
suas caractersticas, inclusive o mesmo ao traar a envoltria dos outros
esforos, desde que sejam adotados os mesmos parmetros. Porm, os
resultados obtidos a cada execuo do algoritmo pode apresentar diferentes
valores e o nmero total de avaliaes ( ntot ) varia em funo do nmero de
sees transversais ( nsec ) que a estrutura foi discretizada.
Fora Bruta

Sendo l = 113 m e lt = 6 m, o nmero de avaliaes foi obtido aplicando

PUC-Rio - Certificao Digital N 0310953/CA

as Equaes 5.3, 5.4 e 5.5.


= 0,0025 x 113 = 0,2825

113 + 6
+ 1 422
0,2825

na =

ntot = 197 x 422 = 83134


Alm do nmero de avaliaes da funo aptido ser constante para
qualquer um dos esforos, os valores obtidos sero sempre os mesmos a cada
solicitao de clculo da envoltria.
Cargas-em-picos

O nmero de avaliaes depende do nmero de cargas concentradas do


trem-tipo e da configurao da LI em cada seo transversal, logo, varia em
cada seo transversal e para cada tipo de esforo.
Tabela 6.3 Nmero de avaliaes da funo aptido no traado da envoltria de
esforo cortante do Exemplo 1.

+ EE

1 + EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

422

422

ntot

149020

156642

166859

166859

83134

83134

1740

1758

Exemplos de Validao e Anlise de Resultados

95

Deve-se ressaltar que devido ao trem-tipo ser simtrico, o nmero de


avaliaes da funo aptido cai pela metade. Isso ocorre porque os esforos
causados pelo trem-tipo nos dois sentidos so iguais, no havendo necessidade
de realizar o processo de otimizao em ambos sentidos.
Com os parmetros adotados todas as estratgias apresentaram timos
resultados, apresentando variaes muito pequenas nos valores obtidos, como
se pode observar nas Tabelas 6.1 e 6.2. O processo Fora Bruta foi o que
apresentou os piores resultados, embora o maior erro tenha sido de apenas
0,27%. Ao longo do comprimento da estrutura no foram detectadas falhas
visveis dos algoritmos em repetidas solicitaes de clculo da envoltria .
Como os resultados obtidos aplicando apenas o processo Cargas-empicos correspondem realmente aos esforos crticos, conclui-se que para o caso
dessa estrutura e do trem-tipo em questo, os esforos cortantes limites
ocorreram sempre ao posicionar alguma das cargas concentradas em um dos
PUC-Rio - Certificao Digital N 0310953/CA

eventos da LI selecionados pelo processo.


Uma ferramenta importante disponvel para a conferncia dos resultados
a possibilidade de determinar o valor dos esforos limites ao traar a linha de
influncia de um esforo e visualizar o trem-tipo nas posies que causam esses
esforos. Por exemplo, podemos verificar a posio do trem-tipo que provocou o
valor do esforo mximo, que ocorreu na seo Ddir (Figura 6.3).

Figura 6.3

LI de Esforo Cortante da Seo Ddir do Exemplo 1 com o trem-tipo na

posio crtica.

Como os valores da envoltria so calculados apenas em algumas sees


e os valores entre estas sees so obtidos atravs de interpolao linear dos
resultados, s vezes a configurao da envoltria difere um pouco do que seria a
configurao real. Por exemplo, no balano AB o resultado obtido pode ser
visto na Figura 6.4a enquanto a Figura 6.4b mostra o que seria a envoltria real.

Exemplos de Validao e Anlise de Resultados

96

(a)

(b)

Figura 6.4 Diferena entre a envoltria obtida e a envoltria real.

6.2.1.1.
Variao dos Parmetros
A seguir ser analisado como a variao dos parmetros influencia os
resultados e estudados os valores timos para este problema.

PUC-Rio - Certificao Digital N 0310953/CA

1 + EE

Nessa estratgia a populao inicializada com um indivduo que


corresponde a maior carga concentrada posicionada no incio do trecho e, no fim
da busca por trecho, faz-se a verificao da maior carga posicionada no fim do
trecho. Observou-se que os esforos limites quase sempre ocorriam nessas
situaes e que, neste caso, os parmetros e adotados no influenciam a
qualidade dos resultados obtidos, influenciando apenas o nmero de avaliaes
da funo aptido.

+ EE
Foi mantida a relao / = 3 e variou-se o nmero de geraes, no caso

da seleo individual, e o tamanho da populao ( ) na seleo global. No


primeiro caso, ao diminuir o critrio de parada para trinta geraes, na grande
maioria das vezes no surgiram falhas na envoltria. Porm, ao diminuir mais o
nmero de geraes ( n ger ) comearam a surgir algumas falhas com maior
freqncia, principalmente nos balanos, como mostra a Figura 6.5.

J a

seleo global se mostrou bem sensvel a variao de , pois ao fazer = 15


a envoltria comeou a apresentar falhas com freqncia.

Exemplos de Validao e Anlise de Resultados

97

Figura 6.5 Surgimento de falhas na envoltria de esforos cortantes no balano.

Essas falhas acontecem por este mtodo ser probabilstico e precisar de


tempo e diversidade suficientes para encontrar uma soluo satisfatria. Neste
mtodo no se tem nenhuma informao adicional do problema, como acontece
na 1 + EE que utiliza a busca por trechos.

A Figura 6.6 mostra a variao do nmero de avaliaes da funo aptido


em uma seo transversal em funo da variao do .
2500
N de avaliaes da funo aptido

PUC-Rio - Certificao Digital N 0310953/CA

Fora Bruta

2000
1500
1000
500
0
0

0,5

1,5

2,5

Figura 6.6 Nmero de avaliaes da funo aptido no Exemplo 1 x .

Para avaliar a variao da qualidade da soluo em funo da variao do


, tomou-se como exemplo o esforo cortante mximo na seo B dir , como

mostra a Figura 6.7. Observa-se que no existe uma funo definida que
exprima essa variao, porm, percebe-se que a partir de um certo valor, o
aumento do diminui muito a probabilidade de obter bons resultados.

Exemplos de Validao e Anlise de Resultados

98

interessante observar que nem sempre o menor corresponde ao


melhor resultado. Vale lembrar que a sensibilidade dos resultados variao do
depende muito das caractersticas da estrutura e do trem-tipo.

Cortante mximo na seo B

dir

1370
1360
1350
1340
1330
1320
1310
1300
1290
1280
0

0,5

1,5

2,5

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.7 Variao do esforo cortante mximo na seo

B dir do Exemplo 1 em

funo de .

6.2.2.
Envoltria de Momento Fletor
Como ocorreu na envoltria de esforos cortantes, a envoltria de
momento fletor tambm apresentou a mesma configurao ao utilizar qualquer
um dos algoritmos implementados (Figura 6.8). Os resultados e os erros obtidos
nas sees onde ocorreram os valores mximos e mnimos da envoltria esto
apresentados na Tabela 6.4 e 6.5, respectivamente, e o nmero de avaliaes
da funo aptido esto na Tabela 6.6.

Figura 6.8 Envoltria de momento fletor do Exemplo 1 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.

Exemplos de Validao e Anlise de Resultados

99

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.4 Resultados obtidos na envoltria de momento fletor do Exemplo 1.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kNm)

(kNm)

(kNm)

(kNm)

mx

min

mx

min

mx

min

mx

min

0,06

-0,04

0,06

-0,04

0,06

-0,04

0,06

-0,04

0,00

-2524,31

0,00

-2510,62

0,00

-2514,03

0,00

-2524,31

7556,77

-4883,16

7557,06

-4883,16

7547,31

-4883,03

7557,06

-4883,15

2428,57

-11653,03

2428,57

-11653,04

2428,53

-11652,77

2428,56

-11653,02

11183,66

-3544,07

11183,87

-3544,07

11174,13

-3544,03

11183,93

-3544,06

2001,78

-13339,01

2002,21

-13339,02

1990,03

-13338,90

2002,44

-13339,00

11859,80

-5046,92

11860,94

-5047,16

11852,13

-5026,51

11861,37

-5047,72

0,00

-5302,22

0,00

-5294,70

0,00

-5254,63

0,00

-5303,47

0,11

-0,09

0,11

-0,09

0,11

-0,09

0,11

-0,09

Tabela 6.5 Erros relativos na envoltria de momento fletor do Exemplo 1.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,005

0,005

0,004

0,000

0,000

0,004

0,000

0,000

0,000

0,129

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,002

0,000

0,000

0,000

0,002

0,000

0,001

0,000

0,088

0,000

0,000

0,000

0,033

0,000

0,011

0,000

0,620

0,000

0,000

0,000

0,013

0,016

0,004

0,000

0,078

0,004

0,000

0,000

0,000

0,024

0,000

0,002

0,000

0,009

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

Tabela 6.6 Nmero de avaliaes da funo aptido no traado da envoltria de


momento fletor do Exemplo 1.

1 + EE
na

ntot

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

847

847

422

422

154921

152941

164318

164318

81868

81868

1494

1677

Exemplos de Validao e Anlise de Resultados

100

Os resultados obtidos foram muito satisfatrios, com pequenas variaes


nos valores. Similarmente a envoltria de esforos cortantes, os momentos
fletores limites ocorreram sempre ao se posicionar alguma carga concentrada
sobre os limites dos trechos da LI . Ao se utilizar a Estratgia + EE
algumas vezes surgiram falhas ao longo da envoltria, como a da Figura 6.9.

Figura 6.9 Falha na envoltria de momento fletor ao utilizar a Estratgia

+ .

Como j foi dito anteriormente, essas falhas ocorrem em conseqncia do


PUC-Rio - Certificao Digital N 0310953/CA

processo evolutivo. Por ser visivelmente detectada, esse tipo de falha no


desqualifica esse mtodo de determinao da envoltria. Ao detectar a falha o
usurio pode solicitar novo clculo da envoltria que provavelmente no ocorrer
a mesma falha.

6.3.
Exemplo 2
Este exemplo trata de uma ponte ferroviria (Figura 6.10) que, como no
Exemplo 1, possui vos no simtricos apenas no intuito de criar maior
dificuldade na determinao da envoltria. Foi utilizado o trem-tipo TB-360 da
NBR 7189 (1985).

Figura 6.10 Exemplo 2.

6.3.1.
Envoltria de Esforo Cortante
As configuraes das envoltrias de esforos cortantes so mostradas nas
Figuras 6.11 e 6.12. Os resultados e os erros obtidos esto na Tabela 6.7 e 6.8,

Exemplos de Validao e Anlise de Resultados

101

respectivamente, e o nmero de avaliaes da funo aptido est na Tabela


6.9.

Figura 6.11 Envoltria de esforo cortante do Exemplo 2 para 1 + EE , + EE


e Fora Bruta.

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.12 Envoltria de esforo cortante do Exemplo 2 para Cargas-em-picos.

Tabela 6.7 Resultados obtidos na envoltria de esforo cortante do Exemplo 2.

Fora Bruta

Cargas-em-picos

(kN)

(kN)

(kN)

(kN)

min

mx

min

mx

min

mx

min

2473,31

-388,66

2460,44

-388,67

2424,20

-388,68

2473,47

134,69

esq

134,15

-3309,97

134,15

-3310,10

134,15

-3271,83

0,00

-3310,14

dir

3547,62

-475,32

3528,21

-475,32

3480,38

-475,30

3547,41

-38,37

esq

241,60

-3673,03

241,60

-3672,15

241,60

-3655,50

0,00

-3674,66

dir

3901,68

-233,34

3901,23

-223,34

3882,57

-233,34

3901,49

0,00

esq

302,83

-3827,66

302,83

-3828,28

302,83

-3794,26

0,00

-3829,03

dir

3435,61

-395,72

3422,97

-395,68

3432,35

-395,72

3435,39

-75,21

esq

541,26

-3397,15

541,26

-3394,78

541,25

-3348,59

142,22

-3397,01

dir

3544,38

-108,25

3543,65

-108,25

3487,11

-108,25

3544,06

0,00

245,52

-2704,68

245,52

-2703,77

245,52

-2640,04

0,00

-2705,72

B
C

C
D

D
E

+ EE

mx
A
B

1 + EE

Exemplos de Validao e Anlise de Resultados

102

Tabela 6.8 Erros relativos na envoltria de esforo cortante do Exemplo 2.

A
B

esq

dir

esq

dir

esq

dir

D
E

esq

dir

PUC-Rio - Certificao Digital N 0310953/CA

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,006

0,005

0,527

0,003

1,992

0,000

0,000

134,653

0,000

0,005

0,000

0,000

0,000

0,012

100,000

0,000

0,000

0,000

0,547

0,000

1,895

0,000

0,006

91,928

0,000

0,044

0,000

0,001

0,000

0,005

100,000

0,000

0,000

0,000

0,012

0,043

0,490

0,000

0,005

100,000

0,000

0,036

0,000

0,000

0,000

0,009

100,000

0,000

0,000

0,000

0,368

0,000

0,095

0,000

0,006

80,994

0,000

0,000

0,000

0,001

0,002

0,014

73,724

0,004

0,000

0,000

0,021

0,000

1,616

0,000

0,009

100,000

0,000

0,038

0,000

0,001

0,000

0,024

100,000

0,000

Tabela 6.9 Nmero de avaliaes da funo aptido no traado da envoltria de


esforo cortante do Exemplo 2.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

1216

1216

ntot

424014

433362

167706

167706

240768

240768

3084

3080

Ao contrrio do que aconteceu no Exemplo 1, os esforos limites nem


sempre ocorreram com alguma carga concentrada nos picos da LI e, por isso, a
envoltria obtida utilizando Cargas-em-picos, Figura 6.12, no apresentou
resultados corretos em todas sees transversais.

6.3.2.
Envoltria de Momento Fletor
As Figuras 6.13 e 6.14 mostram as envoltrias de momento fletor, as
Tabelas 6.10 e 6.11 apresentam os resultados e os erros obtidos e a Tabela
6.12 exibe o nmero de avaliaes da funo aptido.

Exemplos de Validao e Anlise de Resultados

103

Figura 6.13 Envoltria de momento fletor do Exemplo 2 para 1 + EE , + EE e


Fora Bruta.

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.14 Envoltria de momento fletor do Exemplo 2 para Cargas-em-picos.

Tabela 6.10 Resultados obtidos na envoltria de momento fletor do Exemplo 2.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kNm)

(kNm)

(kNm)

(kNm)

mx

min

mx

min

mx

min

mx

min

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

18458,63

-5952,95

18475,34

-5952,95

18457,41

-5952,92

18482,17

-4411,44

4695,11

-24185,19

4695,11

-24184,78

4694,95

-24184,78

1561,62

-24179,69

20173,00

-7211,50

20174,03

-7211,50

20168,28

-7211,20

20177,86

-7211,32

2456,56

-30487,58

2456,55

-30487,58

2456,52

-30486,80

365,40

-30487,12

24951,07

-4399,80

24949,14

-4399,80

24938,45

-4399,90

24951,16

-4399,80

3441,87

-28242,70

3441,87

-28241,85

3441,72

-28242,69

2607,20

-28241,21

16962,02

-9872,65

16967,80

-9872,63

16965,98

9872,65

16969,65

-9872,07

4331,79

-24514,16

4331,78

-24514,30

4331,73

-24514,13

1145,57

-24509,32

22762,61

-4292,06

22762,13

4292,06

24514,13

4292,04

22763,83

-1951,11

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

Exemplos de Validao e Anlise de Resultados

104

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.11 Erros relativos na envoltria de momento fletor do Exemplo 2.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,127

0,000

0,037

0,000

0,134

0,000

0,000

25,895

0,000

0,000

0,000

0,000

0,003

0,000

66,739

0,023

0,024

0,000

0,019

0,000

0,047

0,000

0,000

0,002

0,000

0,000

0,000

0,000

0,002

0,000

85,126

0,002

0,000

0,002

0,008

0,000

0,051

0,000

0,000

0,002

0,000

0,000

0,000

0,000

0,004

0,000

24,250

0,005

0,045

0,000

0,011

0,000

0,022

2,000

0,000

0,006

0,000

0,001

0,000

0,000

0,001

0,000

73,554

0,020

7,145

0,000

7,147

2,000

0,000

2,000

7,140

54,541

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

Tabela 6.12 Nmero de avaliaes da funo aptido no traado da envoltria de


momento fletor do Exemplo 2.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

1216

1216

ntot

422604

422668

163471

163471

234688

234688

2776

2908

O mtodo Cargas-em-picos tambm no foi capaz de determinar os


esforos limites em todas sees, o que pode ser visto pela Tabela 6.10 e
Tabela 6.11 e na Figura 6.14. Os outros mtodos apresentaram apenas
pequenas variaes nos resultados obtidos.

6.4.
Exemplo 3
Este exemplo representa o prtico de um viaduto rodovirio (Figura 6.15) a
ser dimensionado pelo trem-tipo unidimensional (Figura 4.15) resultante da
transformao realizada na Seo 4.2.6 do trem-tipo bidimensional classe 45 da
NBR-7188 (1982).

Exemplos de Validao e Anlise de Resultados

105

Figura 6.15 Exemplo 3.

6.4.1.
Envoltria de Esforo Normal
Como pode ser visto na Figura 6.16, apenas as colunas dos prticos
possuem valores no nulos na envoltria de esforo normal. Alm disso, este
valor constante em todas as sees das colunas.

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.16 Envoltria de esforo normal do Exemplo 3 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.

A Tabela 6.13 mostra os valores encontrados ao utilizar cada um dos


algoritmos implementados. Os erros relativos esto apresentados na Tabela 6.14
e a Tabela 6.15 mostra o nmero de avaliaes da funo aptido.
Tabela 6.13 Resultados obtidos na envoltria de esforo normal na coluna do prtico
do Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kN)

(kN)

(kN)

(kN)

mx

min

mx

min

mx

min

mx

min

-2300,22

-2300,19

-2300,18

-2300,22

-2300,22

-2300,19

-2300,18

-2300,22

Exemplos de Validao e Anlise de Resultados

106

Tabela 6.14 Erros relativos na envoltria de esforo normal na coluna do prtico do


Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,001

0,000

0,002

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

Tabela 6.15 Nmero de avaliaes da funo aptido no traado da envoltria de


esforo normal do Exemplo 3.

+ EE

PUC-Rio - Certificao Digital N 0310953/CA

1 + EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

427

427

ntot

171664

162831

220220

220220

111020

111020

1560

1374

6.4.2.
Envoltria de Esforo Cortante
A envoltria de esforo cortante do prtico em questo pode ser vista na
Figura 6.17. As Tabelas 6.16, 6.17 e 6.18 mostram os resultados da envoltria,
o erro relativo e e o nmero de avaliaes da funo aptido, respectivamente.

Figura 6.17 Envoltria de esforo cortante do Exemplo 3 para 1 + EE ,

+ EE , Fora Bruta e Cargas-em-picos.

Exemplos de Validao e Anlise de Resultados

107

Tabela 6.16 Resultados obtidos na envoltria de esforos cortantes do Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kN)

(kN)

(kN)

(kN)

mx

min

mx

min

mx

min

mx

min

1269,53

-438,91

1269,50

-438,70

1261,53

-438,70

1269,54

-438,70

0,00

-2225,75

0,00

-2225,57

0,00

-2225,82

0,00

-2225,82

1603,84

-221,20

1603,80

-221,22

1600,87

-221,22

1603,85

-221,22

221,20

-1603,49

221,18

-1603,83

220,46

-1602,36

221,22

-1603,85

2225,86

0,00

2225,78

0,00

2225,82

0,00

2225,82

0,00

439,03

-1268,30

439,01

-1269,41

439,01

-1264,19

439,01

-1269,54

2300,11

0,00

2300,07

0,00

2300,07

0,00

2300,05

0,00

0,00

-2300,11

0,00

-2300,07

0,00

-2300,07

0,00

-2300,05

A
B

esq

dir

esq

dir

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.17 Erros relativos na envoltria de esforo cortante do Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,001

0,000

0,003

0,048

0,631

0,048

0,000

0,048

0,000

0,003

0,000

0,000

0,000

0,000

0,000

0,000

0,001

0,009

0,003

0,000

0,186

0,000

0,000

0,000

0,009

0,022

0,018

0,000

0,344

0,001

0,000

0,000

0,000

0,000

0,004

0,000

0,002

0,000

0,002

0,000

0,000

0,098

0,005

0,000

0,005

0,004

0,005

0,000

0,000

0,000

0,002

0,000

0,002

0,000

0,003

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,003

A
B

esq

dir

esq

dir

Tabela 6.18 Nmero de avaliaes da funo aptido no traado da envoltria de


esforo cortante do Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

427

427

ntot

136076

143456

220220

220220

111020

111020

1662

1659

Exemplos de Validao e Anlise de Resultados

108

6.4.3.
Envoltria de Momento Fletor
A envoltria de momento fletor tem a configurao da Figura 6.18. Os
resultados, os erros relativos e o o nmero de avaliaes da funo aptido
esto na Tabela 6.19, 6.20 e 6.21.

Figura 6.18 Envoltria momento fletor do Exemplo 3 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.19 Resultados obtidos na envoltria de momento fletor do Exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kNm)

(kNm)

(kNm)

(kNm)

mx

min

mx

min

mx

min

mx

min

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

-21429,04

0,00

-21429,05

0,00

-21429,01

0,00

-21429,04

12252,63

-77,56

12252,69

-77,56

12248,40

-77,56

12252,70

-77,54

21868,54

0,00

21868,20

0,00

21862,36

0,00

21868,60

0,00

12252,67

-77,64

12252,65

-77,64

12252,67

-77,64

12252,67

-77,62

0,00

-21429,04

0,00

-21429,05

0,00

-21429,02

0,00

-21429,04

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

32529,23

0,00

32529,24

0,00

32529,24

0,00

32528,90

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

32529,23

0,00

32529,24

0,00

32529,13

0,00

32528,90

0,00

A
B

esq

dir

C
esq

dir

Exemplos de Validao e Anlise de Resultados

109

Tabela 6.20 Erros relativos na envoltria de momento fletor do Exemplo 3.

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,001

0,000

0,000

0,000

0,035

0,000

0,000

0,026

0,000

0,000

0,002

0,000

0,029

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,026

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,001

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,001

0,000

A
B

esq

dir

C
esq

dir

PUC-Rio - Certificao Digital N 0310953/CA

1 + EE

Tabela 6.21 Nmero de avaliaes da funo aptido no traado da envoltria de


momento fletor do exemplo 3.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

427

427

ntot

140441

155780

220220

220220

111020

111020

1368

1560

Os resultados obtidos neste exemplo tambm foram satisfatrios, inclusive


na envoltria de esforo normal, apresentando apenas pequenas variaes nos
resultados.

6.5.
Exemplo 4
Para avaliar o comportamento dos algoritmos implementados ao lidar com
estruturas com dimenses relativamente pequenas, foi feito um exemplo com a
estrutura da Figura 6.19 e o trem-tipo unidimensional (Figura 4.15) resultante da
transformao realizada na Seo 4.2.6 do trem-tipo bidimensional classe 45 da
NBR-7188 (1982).

Exemplos de Validao e Anlise de Resultados

110

Figura 6.19 Exemplo 4.

6.5.1.
Envoltria de Esforo Cortante
A Figura 6.20 mostra a configurao da envoltria de esforo cortante e os
resultados esto apresentados na Tabela 6.22. Na Tabela 6.23 so mostrados
os erros relativos e na Tabela 6.24 pode-se observar o nmero de avaliaes da
funo aptido.

PUC-Rio - Certificao Digital N 0310953/CA

Figura 6.20 Envoltria de esforo cortante do Exemplo 4 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.

Tabela 6.22 Resultados obtidos na envoltria de esforo cortante do Exemplo 4.

A
B

esq

dir

esq

dir

esq

dir

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kN)

(kN)

(kN)

(kN)

mx

min

mx

min

mx

min

mx

min

612,33

-89,55

611,96

-89,55

612,33

-89,55

612,33

-89,53

7,00

-767,59

7,00

-769,66

7,00

-769,88

6,96

-769,88

789,98

-25,76

789,51

-25,77

789,98

-25,76

789,98

-25,59

81,13

-789,65

81,13

-790,08

81,13

-790,09

81,10

-790,08

637,83

-146,79

637,77

-147,71

637,83

147,00

637,83

-147,00

183,07

-526,06

183,07

-526,18

183,06

-527,27

182,88

-527,27

457,60

0,00

457,60

0,00

457,60

0,00

457,60

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

Exemplos de Validao e Anlise de Resultados

111

Tabela 6.23 Erros relativos na envoltria de esforo cortante do Exemplo 4.

A
B

esq

dir

esq

dir

esq

dir

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,060

0,000

0,000

0,000

0,000

0,022

0,000

0,297

0,000

0,000

0,000

0,000

0,571

0,000

0,000

0,039

0,059

0,000

0,000

0,000

0,000

0,698

0,000

0,056

0,000

0,000

0,000

0,000

0,037

0,001

0,000

0,623

0,009

0,000

0,000

1,995

0,000

0,481

0,000

0,229

0,000

0,002

0,005

0,000

0,104

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.24 Nmero de avaliaes da funo aptido no traado da envoltria de


esforo cortante do Exemplo 4.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

497

497

ntot

118456

123847

169400

169400

99400

99400

1845

1830

6.5.2.
Envoltria de Momento Fletor
A Figura 6.21 mostra a configurao da envoltria de esforo cortante e os
resultados esto apresentados na Tabela 6.17. As Tabelas seguintes, 6.26 6.27,
mostram o erro relativo e o nmero de avaliaes da funo aptido.

Figura 6.21 Envoltria de momento fletor do Exemplo 4 para 1 + EE , + EE ,


Fora Bruta e Cargas-em-picos.

Exemplos de Validao e Anlise de Resultados

112

Tabela 6.25 Resultados obtidos na envoltria de momento fletor do Exemplo 4.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(kNm)

(kNm)

(kNm)

(kNm)

mx

min

mx

min

mx

min

mx

min

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

985,48

-316,94

989,08

-317,01

987,37

-316,99

989,09

-316,91

55,97

-1009,96

56,01

-1010,19

56,01

-1010,14

55,59

-1009,90

1014,73

-236,97

1015,08

-237,04

1014,47

-237,04

1015,22

-236,94

221,51

-1001,41

221,57

-1001,53

221,56

-1001,53

221,49

-1000,44

513,98

-508,59

516,12

-508,64

515,95

-508,64

516,60

-508,13

0,00

-541,07

0,00

-540,18

0,00

-542,00

0,00

-542,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

PUC-Rio - Certificao Digital N 0310953/CA

Tabela 6.26 Erros relativos na envoltria de momento fletor do Exemplo 4.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

(%)

(%)

(%)

(%)

mx

min

mx

min

mx

min

mx

min

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,365

0,022

0,001

0,000

0,174

0,000

0,000

0,032

0,071

0,023

0,000

0,000

0,000

0,000

0,750

0,029

0,048

0,030

0,014

0,000

0,074

0,000

0,000

0,042

0,027

0,012

0,000

0,000

0,005

0,000

0,036

0,109

0,507

0,010

0,093

0,000

0,126

0,000

0,000

0,100

0,000

0,172

0,000

0,003

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

0,000

Tabela 6.27 Nmero de avaliaes da funo aptido no traado da envoltria de


momento fletor do Exemplo 4.

1 + EE

+ EE

Fora Bruta

Cargas-em-picos

mx

min

mx

min

mx

min

mx

min

na

847

847

497

497

ntot

122968

125004

166859

166859

97909

97909

1485

1644

Tanto na envoltria de esforo cortante quanto na de momento fletor, o


Cargas-em-picos apresentou valores corretos e portanto os esforos limites

Exemplos de Validao e Anlise de Resultados

113

ocorreram sempre em uma posio correspondente a alguma carga concentrada


sobre picos da LI .
Baseando-se nos bons resultados obtidos, tanto na envoltria de momento
fletor quanto na de esforo cortante, pode-se concluir que os algoritmos
implementados apresentam bom funcionamento tanto em estruturas de
pequenas dimenses quanto nas de grandes dimenses quando so utilizados
os trens-tipo da norma brasileira.

6.6.
Testes Realizados
Alm dos exemplos que foram mostrados acima, foram realizados diversos
testes adicionais para diferentes casos de estruturas e trens-tipo. Os resultados
obtidos foram sempre positivos.

PUC-Rio - Certificao Digital N 0310953/CA

Observou-se que nos casos de trens-tipo formados apenas por cargas


distribudas nunca surgiram falhas. Alm disso, estruturas com menores
dimenses apresentaram maior probabilidade do surgimento de falhas nos
processos 1 + EE e + EE . Provavelmente isso ocorra porque as
variaes da LI so mais bruscas neste caso.
Porm, a partir destes testes pode-se observar algumas particularidades,
que esto mostradas a seguir.

6.6.1.
Caso 1
Uma situao particular ocorre no balano do Exemplo 4 ao traar a
envoltria de esforo cortante utilizando o trem-tipo da Figura 6.22. O resultado
obtido quando foi utilizado apenas o Cargas-em-picos est na Figura 6.23a. Para
os demais mtodos, a Figura 6.23b mostra o resultado.

Figura 6.22 Trem-tipo do Caso 1.

Exemplos de Validao e Anlise de Resultados

114

(a)

(b)

Figura 6.23 Envoltria de esforo cortante no balano da estrutura do Exemplo 4


utilizando o trem-tipo do Caso 1 .

Em uma primeira anlise dira-se que o pico na envoltria da Figura 6.23a


aparenta ser algum tipo de falha. Porm, ao analisar a LI nesta seo (Figura
6.24), v-se que este o resultado correto. Isso ocorre porque em qualquer
outra seo do balano possvel posicionar apenas uma das cargas

PUC-Rio - Certificao Digital N 0310953/CA

concentradas sobre valores no nulos da LI . Apenas nesta seo onde surge o


pico que se consegue posicionar duas cargas sobre valores no nulos da LI ,
causando um salto no valor da envoltria.

Figura 6.24 LI de esforo cortante da seo B dir do Exemplo 3 com trem-tipo nas
posies crticas.

Apenas o Cargas-em-picos capaz de sempre detectar quando h esse


tipo de pico na envoltria, que acontece quando duas cargas concentradas esto
posicionadas no incio e no fim de um trecho de valor constante da LI .
Nos mtodos evolutivos a posio crtica do trem-tipo encontrada porque
durante o processo so geradas posies prximas critica, as quais
geralmente possuem uma alta aptido, que ajudam na evoluo da populao.
Neste caso isso no ocorre, pois nenhuma posio, por mais prxima que seja

Exemplos de Validao e Anlise de Resultados

da posio crtica, causa um

115

valor da envoltria prximo ao que ocorre na

posio crtica. Sendo assim, muito pequena a probabilidade de gerar


aleatoriamente indivduos que correspondam exatamente a esta posio crtica.
No Fora Bruta ocorre o mesmo problema, pois tambm muito pequena
a probabilidade de se posicionar o trem-tipo exatamente na posio crtica a
partir do utilizado.

6.6.2.
Caso 2
Ao utilizar o trem-tipo da Figura 6.25 para traar a envoltria de esforo
cortante da estrutura do Exemplo 4 utilizando 1 + EE , apareceram algumas
falhas, mais freqentes que o normal, conforme Figura 6.26. Porm, ao utilizar o

PUC-Rio - Certificao Digital N 0310953/CA

processo Cargas-em-picos, estas falhas no aparecem (Figura 6.27).

Figura 6.25 Trem-tipo caso 2.

Figura 6.26 Envoltria de esforo cortante da estrutura do Exemplo 4 para o trem-tipo


do Caso 2 utilizando 1 + EE .

Exemplos de Validao e Anlise de Resultados

116

Figura 6.27 Envoltria de esforo cortante da estrutura do Exemplo 4 para o trem-tipo


do Caso 2 utilizando Cargas-em-picos.

Essas falhas surgem devido a um efeito de escala, ou seja, a intensidade


das cargas muito menor que a de trens-tipo usuais e, em conseqncia, os
valores das envoltrias tambm so muito menores, tornando as variaes dos
Uma soluo para evitar essas falhas seria a combinao dos processos

1 + EE e Cargas-em-picos.

6.7.
Anlise do nmero de avaliaes da funo aptido
Para analisar a variao do nmero de avaliaes da funo aptido, fezse um grfico (Figura 6.28) que mostra o nmero de avaliaes da funo
aptido realizadas para traar a envoltria de esforo cortante mximo em cada
exemplo.
450000
400000
350000
300000
ntot

PUC-Rio - Certificao Digital N 0310953/CA

resultados mais perceptveis visualmente.

250000
200000
150000
100000
50000
0
1

Exemplo

Figura 6.28 Nmero de avaliaes da funo aptido na envoltria de esforo cortante


mximo.

Exemplos de Validao e Anlise de Resultados

117

Pode-se perceber que ntot sofre maior variao na 1 + EE , pois


depende das dimenses l e l t . No Fora Bruta a variao tambm grande,
porm menor do que na 1 + EE pois depende apenas da dimenso l . J
na + EE a variao muito pequena de um exemplo para o outro, pois o
nmero de avaliaes da funo aptido em uma seo transversal ( na )
sempre o mesmo para qualquer problema. A nica coisa que influencia essa
variao o nmero de sees ( nsec ) que o problema ser discretizado. O
Cargas-em-picos no varia muito e ntot sempre muito pequeno em relao aos
outros mtodos.

6.8.
Anlise do tempo de processamento

da envoltria de esforos em cada um dos exemplos anteriores, incluindo o


tempo necessrio para o clculo da LI . Foi utilizado um computador com
processador Pentium III de 1,1 GHz e 512 Mb de memria RAM.

12
10
8
Tempo (s)

PUC-Rio - Certificao Digital N 0310953/CA

A Figura 6.29 mostra a variao tempo de processamento gasto no clculo

6
4
2
0
1

Exemplo

Figura 6.29 Tempo de processamento do programa para clculo da envoltria de


esforo cortante mximo.

Observa-se que o tempo gasto pelo processo Cargas-em-picos equivale


praticamente ao tempo necessrio para calcular apenas a LI em cada seo da
estrutura. Sendo assim, desprezvel o tempo adicional devido a utilizao do

Exemplos de Validao e Anlise de Resultados

118

processo Cargas-em-picos como refinamento dos outros mtodos, visto que


todos j consideram o tempo gasto com o clculo da LI .
Na maioria dos casos, o tempo gasto pelo 1 + EE prximo ao tempo

PUC-Rio - Certificao Digital N 0310953/CA

consumido pelo Fora Bruta.

7
Concluso

Nos exemplos analisados, tanto com pequenas ou grandes dimenses,


todos os algoritmos tiveram timos resultados. Por ser um mtodo que no
utilizou informaes adicionais relacionadas ao problema de envoltria de
esforos, o mtodo de + EE foi o que apresentou maiores variaes nos
resultados, embora essas variaes sejam muito pequenas.
No Fora Bruta no aparecem falhas visveis, embora muitas vezes no se
consiga determinar os resultados corretos. Sua desvantagem que toda vez que
se faz a determinao da envoltria de um esforo usando um certo , sempre
PUC-Rio - Certificao Digital N 0310953/CA

se encontra o mesmo resultado. Sendo assim, mesmo quando o resultado obtido


no seja o correto, ele se repetir toda vez que calcular a envoltria. Embora os
mtodos 1 + EE e + EE estejam sujeitos ao surgimento de falhas
visveis, elas raramente repetem-se numa nova solicitao de clculo da
envoltria.
O Cargas-em-picos justificou seu uso para refinamento dos resultados,
pois na maioria dos casos o esforo limite ocorre com alguma carga concentrada
posicionada nos picos da LI e em certas situaes o nico mtodo capaz de
determinar o valor exato do esforo. Alm disso, apresentou um custo
computacional muito baixo, pois seu tempo de processamento praticamente
desprezvel em relao aos outros mtodos.
A partir dessas observaes, optou-se por usar o mtodo 1 + EE em
conjunto com o Cargas-em-picos como o processo padro de determinao de
envoltrias no FTOOL.
A maior dificuldade encontrada em todos os mtodos foi estimar os
parmetros a serem utilizados, tais como desvio padro ( ), tamanho da
populao ( ), nmero de descendentes ( ) a serem gerados e o valor de .
Para a grande maioria dos casos, os resultados obtidos foram exatos, porm, em
alguns casos mais crticos, o valor exato da envoltria no encontrado em
algumas sees da estrutura, embora se encontre um valor muito prximo a ele.

Concluso

120

Com as implementaes realizadas, o FTOOL ganhou uma importante


ferramenta para o ensino de envoltrias de esforos, pr-dimensionamento e
verificao de estruturas sujeitas ao de cargas mveis.

7.1.
Sugesto para trabalhos futuros
Como sugesto para trabalhos futuros, pode-se citar:
Implementao de envoltrias de esforos devido combinao de

carregamentos;
Aplicao dos algoritmos desenvolvidos em problemas bidimensionais

para envoltria de esforos em placas flexo, ou seja, com aplicao em


lajes de pontes ou de pavimentos de prdios.

PUC-Rio - Certificao Digital N 0310953/CA

Implementao do clculo da rea da LI atravs de integrao numrica.

Referncia Bibliogrfica

1.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT) NBR


7188 Carga mvel em ponte rodoviria e passarela de pedestre. Rio
de Janeiro, 1982.

2.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT) NBR


7189 Carga mveis para projeto estrutural de obras ferrovirias. Rio
de Janeiro, 1985.

3.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS (ABNT) NBR


8681 Aes e segurana nas estruturas. Rio de Janeiro, 1984.

PUC-Rio - Certificao Digital N 0310953/CA

4.

ATIR Engeneering Software. STRAP Structural Analysis Programs.


Disponvel

em:

<http://www.atirsoft.com/atirnew/strap_bridge.htm>

Acesso em: 31 mar. 2005.


5.

BCK, T. Evolutionary Algorithms. ACM SIGBIO Newsletter, jun. 1992,


v. 12, n. 2.

6.

BCK, T.; HAMMEL, U. Evolution Strategies Applied to Perturbed


Objective Functions. Congress on Evolutionary Computation, 1994, p. 40-

45.
7.

BCK, T.; HAMMEL, U.; SCHWEFEL, H.-P. Evolutionary Computation:


Comments on the History and Current State. IEEE Transaction on

Evolutionary Computation, abr. 1997, v. 1, n. 2,


8.

BARBOSA, H. J. C., Algoritmos Genticos para Otimizao em


Engenharia: Uma Introduo aos Algoritmos Genticos. 2a Escola de

Vero em Computao Cientfica, LNCC, Rio de Janeiro, Brasil, 1977.


9.

BASTOS, E. A. Otimizaao de Sees Retangulares de Concreto


Armado

Submetidas

Flexo-Compressao

Oblqua

Utilizando

Algoritmos Genticos. Rio de Janeiro, 2004. Dissertao de Mestrado

Universidade Federal do Rio de Janeiro, 168 p.


10.

BEYER, H.-G.; SCHWEFEL, H.-P; WEGENER, I. How to Analyse


Evolutionary Algorithms. Theoretical Computer Science, set. 2002,

v.287, p. 101-130.
11.

BORGES, L. A. C. ; LIMA, L. R. O.; SILVA, L. A. P. S. ; VELLASCO, P. C.


G. S. Evaluation of the Post-Limit Stiffness of Beam-to-Column Semi-

Referncias Bibliogrficas

122

Rigid Joints Using Genetic Algorithms. Proceedings of the 9th

International Conference on Civil and Structural Engineering Computing.


Civil-Comp Press, Edinburgo, 2003, v. 1, p. 1-12.
12.

BUSSAB, W. O.; MORETTIN, P. A. Estatstica Bsica. 5. ed. So Paulo:


Saraiva, 2004. 526 p.

13.

CORTES, O. A. C.; SAAVEDRA, O. R. Estratgias Evolutivas Paralelas


em Otimizao Multimodal.

INFOCOMP Revista de Cincia da

Computao Anais da III SECICOM, nov. 2000, v. 2, n. 1, p. 63-68.


14.

COSTA, L.; OLIVEIRA, P. An Evolution Strategy for Multiobjective


Optimization. Proceedings of the CEC 2002 - Congress on Evolutionary

Computation, Honolulu, USA, 2002.


15.

DARWIN, C. A Origem das Espcies. Hemus Livraria Editora Ltda, So


Paulo, SP.

16.

DAVIS, L. Handbook of Genetic Algorithms. Van Nostrand Reinhold,

PUC-Rio - Certificao Digital N 0310953/CA

New York ,1991. ISBN: 0442001738.


17.

DEL SAVIO, A. A.; VELLASCO, P. C. G. S.; ANDRADE, S. A. L.;


MARTHA, L. F. Genetic Algorithm Optimization of Semi-Rigid Steel
Structures. Proceedings of the The Eighth International Conference on the

Application of Artificial Intelligence to Civil, Structural and Environmental


Engineering - AICC2005. Civil-Comp Press, Rome, Italy, 2005, v. 1, p. 1-6.
18.

Dr.

SOFTWARE,

LLC.

Seattle,

WA.

Disponvel

em:

<

http://www.drsoftware-home.com/index.html > . Acesso em: 03 abr. 2005.


19.

EIBEN, A. E.; SMITH, J. E. Introduction to Evolutionary Computing.


Springer, Cap. 2, p. 15-35, 2003. ISBN: 3-540-40184-9. Disponvel em: <
http://www.cs.vu.nl/%7Egusz/ecbook/Eiben-Smith-Intro2EC-Ch2.pdf

>.

Acesso em: 03 abr. 2005.


20.

HADLEY, G. Programao linear. Rio de Janeiro: Ed. Guanabara Dois,


1982. 460 p.

21.

HAFTKA, R. T.; GURDAL, Z. Elements of structural optimization. 3rd.


rev. and expanded ed., with corrections. - Dordrecht : Kluwer Academic,
1993. 481p. : ISBN 0792315057 (broch.)

22.

KOZA, J. R. Genetic Programming: On the Programming of Computers


by Means of Natural Selection. Cambridge, MA, MIT Press, 1992.

23.

MARTHA, L. F. Mtodos Bsicos da Anlise de Estruturas. Disponvel


em: < http://www.tecgraf.puc-rio.br/~lfm >. Acesso em: 03 abr. 2005.

24.

MARTHA, L. F. Ftool: A Structural Analysis Educational Interactive


Tool. Proceedings of Workshop in Multimedia Computer Techniques in

Referncias Bibliogrficas

123

Engineering Education. Graz, Astria: Institute for Structural Analysis,


Technical University of Graz, 1999, p. 51-65.
25.

MICHALEWICZ,

Z.

Evolutionary

Computation:

Practical

Issues.

Proceedings of 1996 IEEE International Conference on Evolutionary


Computation, IEEE Press, Florida, 1996, p. 57-62
26.

OLIVIERI, B. P. Otimizao do Projeto de Pontes Protendidas Prmoldadas pelo mtodo dos Algoritmos Genticos. Rio de Janeiro,

2004. Dissertao de Mestrado Universidade Federal do Rio de Janeiro,


145 p.
27.

RAMIRES, F. B.; LIMA, L. R. O.; ANDRADE, S. A. L.; VELLASCO, P. C. G.


S.; SILVA, J. G. S. Genetic Algorithms Structural Optimisation of
Beam-to-Column Semi-Rigid Joints. Proceedings of the The Seventh

International Conference on Computational Structures Technology CST2004. Stirling : Civil-Comp Press, Lisboa, 2004, v. 1, p. 1-13,.
PUC-Rio - Certificao Digital N 0310953/CA

28.

RODRIGUES, E. L. M. Evoluo de Funes em Programao


Gentica orientada a gramticas. Curitiba, 2002.

Dissertao de

Mestrado Universidade Federal do Paran, 116 p.


29.

SOUSA, L; ANDRADE, J. Programao Evolutiva e AGs. Disponvel em:


< http://laseeb.isr.ist.utl.pt/publications/tfc/sisapr/pg.html >. Acesso em: 03
abr. 2005.

30.

SSSEKIND, J. C. Curso de Anlise Estrutural: Estruturas Isostticas.


Porto Alegre: Editora Globo, 1997. v. 2.