Dissertação DE M ESTRADO

No 0041

OTIMIZAÇÃO E DIMENSIONAMENTO DE
TRELIÇAS PLANAS DE MADEIRA EMPREGANDO
O MÉTODO DOS ALGORITMOS GENÉTICOS

LÍVIA MARIA PALÁCIO RIBEIRO

 UNIVERSIDADE FEDERAL DE UBERLÂNDIA
FACULDADE DE ENGENHARIA CIVIL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL

Lívia Maria Palácio Ribeiro

OTIMIZAÇÃO E DIMENSIONAMENTO DE TRELIÇAS

PLANAS DE MADEIRA EMPREGANDO O MÉTODO DOS
ALGORITMOS GENÉTICOS

Dissertação apresentada à Faculdade de Engenharia Civil da

Universidade Federal de Uberlândia, como parte dos
requisitos para a obtenção do título de Mestre em
Engenharia Civil.

Orientador: Prof. Dr. Francisco Antonio Romero Gesualdo

Co-orientador: Prof. Dr. Dogmar Antonio de Souza Junior

Uberlândia, 15 de fevereiro de 2008

FICHA CATALOGRÁFICA

R484o Ribeiro, Lívia Maria Palácio, 1980-

Otimização e dimensionamento de treliças planas de madeira empre-
gando o método dos algoritmos genéticos / Lívia Maria Palácio Ribeiro. -
2008.
103 f. : il.

Orientador: Francisco Antonio Romero Gesualdo.

Co-orientador: Dogmar Antonio de Souza Junior.

Dissertação (mestrado) – Universidade Federal de Uberlândia, Progra-

ma de Pós-Graduação em Engenharia Civil.
Inclui bibliografia.

1. Estruturas de madeira (Construção civil) - Teses. 2. Algoritmos ge-

néticos - Teses. I. Gesualdo, Francisco Antonio Romero. II. Souza Junior,
Dogmar Antonio de. III. Universidade Federal de Uberlândia. Programa de
Pós-Graduação em Engenharia Civil. III. Título.

CDU: 624.011.1
.
Aos meus pais, Ildeu e Maria do Carmo (Cuca) que me
ensinaram a confiar num Deus que eu não podia ver e
a viver para um Salvador que nunca havia encontrado
antes, crendo que meu futuro já preparou da melhor
maneira. Aos meus irmãos Kátia e Kleber pelo carinho
constante neste período importante da minha vida.
 AGRADECIMENTOS
Agradeço a Deus que nunca me desamparou permitindo a conclusão de mais esse sonho.
Mesmo quando pensei em desistir, sabia que poderia contar com sua presença constante
me abençoando.

Ao meu orientador Prof. Dr. Francisco Antonio Romero Gesualdo pela dedicada
orientação durante esses dois anos, e enorme carinho e atenção dispensados durante esse
período.

Ao Prof. Dr. Dogmar Antonio de Souza Junior que contribuiu de maneira especial me co-
orientando para o desenvolvimento deste trabalho

À Universidade Federal de Uberlândia e à Faculdade de Engenharia Civil, que forneceram

o apoio necessário à realização da pesquisa.

À minha tia Mércia que me acolheu esses dois anos em sua casa, dispensado carinho em
todos os momentos difíceis me incentivando e apoiando. Amo muito a senhora.

À minha grande amiga Anne Danielle e seu esposo Gilberto que compartilharam comigo
as alegrias e vitórias conquistadas, e pelo incentivo sempre presente.

Aos meus amigos e colegas do mestrado, em especial ao Ricardo Cruvinel, Kênia e

Wanderli.

E ao Marcos que me suportou com paciência ajudando-me a superar meus medos, e me

apoiando nos momentos decisivos.
Ribeiro, L. M P. Otimização e dimensionamento de treliças planas de madeira empregando
o método dos algoritmos genéticos. 120p Dissertação de Mestrado, Faculdade de
Engenharia Civil, Universidade Federal de Uberlândia. 2008.

RESUMO

O objetivo deste trabalho é apresentar informações sobre a otimização de estruturas planas

de madeira do tipo treliçado utilizando o método dos algoritmos genéticos. Todas as
avaliações são feitas por meio do programa computacional denominado Otimização de
Estruturas Planas (OTP). Também foi usado o programa computacional GESTRUT para a
determinação de esforços e deslocamentos em estruturas. São avaliadas estruturas do tipo
telhado duas águas, com o objetivo de encontrar a melhor configuração geométrica em
termos da distribuição de barras e a inclinação entre banzos. Foram avaliados três casos de
estruturas treliçadas com diferentes configurações em relação ao comprimento/largura da
área coberta.

Palavras-chave: Algoritmo genético, Estruturas de madeira, Otimização, Tesouras duas

águas.
Ribeiro, L. M P. Optimation and dimensional of plane trusses of Wood, applying the
genetic algorithms method. 120p Master dissertation, Faculdade de Engenharia Civil,
Universidade Federal de Uberlandia. 2008

ABSTRACT

The objective of this study is to present information on the optimization of plane truss
wooden structure using the method of genetic algorithms. All assessments are made by the
computer program called Optimization Structures Plane (OTP). It was also used the
computer program GESTRUT for determining forces and displacement. It was evaluated
pitched trusses, with the goal of finding the best geometrical configuration in terms of the
distribution of members and inclination between chords. It was evaluated three study cases
of trusses with different configurations in relation to the length/width of the area covered.

Keywords: Genetic algorithms, Wooden structure, Optimization, Pitched trusses

 SÍMBOLOS, ABREVIATURAS E SIGLAS
SÍMBOLOS

A - Área da seção transversal

b - Largura da seção transversal
C - Comprimento da cobertura
E - Módulo de elasticidade
F(x) - Função aptidão
Fi - Função aptidão do indivíduo
f(x) - Função objetivo
fc0k - Resistência característica à compressão paralela às fibras
fv0k - Resistência característica ao cisalhamento na presença de tensões tangenciais
paralelas às fibras
H - Altura dos pilares
h - Altura da seção transversal
L - Largura da cobertura
li - Comprimento entre montantes
Mz - Momento em torno da direção Z
m - Número de módulos na direção X
N - Esforço normal de compressão
Npop - Tamanho da população
Pi - Probabilidade de seleção do indivíduo
Pc - Probabilidade de crossover
Pm - Probabilidade de mutação
Pp - Peso próprio
pen(x) - Função penalidade
qi - Probabilidade acumulada
rα - valor no rank
S
- Fator topográfico

S - Fator associado a edificação e seu entorno

S - Fator estatístico
sc - Sobrecarga
Vi - Volume de madeira consumido em cada modelo

V
- Volume de madeira consumido no modelo 1

W - Carregamento devido a ação do vento
θ - Ângulo de inclinação da treliça

ABREVIATURAS

a.C Antes de Cristo

d.C Depois de Cristo
IND Índice de decodificação

SIGLAS

AG - Algoritmo Genético
CE - Computação Evolucionista
EE - Estratégia Evolucionista
PE - Programação Evolucionista
OTP - Otimização de Estruturas Planas
OTR - Otimização de Estruturas Reticuladas
 LISTA DE FIGURAS
Figura 1-1 – Esquema comparativo entre projeto convencional e projeto ótimo. ................. 2
Figura 1-2 – Trajetória das formigas em linha reta entre o ninho e o alimento..................... 4
Figura 1-3 – Introdução do obstáculo no caminho original. .................................................. 4
Figura 1-4 – Divisão mediana das formigas nos dois sentidos. ............................................. 5
Figura 1-5 – O menor percurso é escolhido (ótimo) no decorrer do tempo. ......................... 5
Figura 2-1 − Habitação com cobertura em troncos de madeira. .......................................... 11
Figura 2-2 − Habitação com cobertura em pranchas de madeira. ....................................... 12
Figura 2-3 − Habitações com coberturas côncavas. ............................................................ 12
Figura 2-4 − Seção transversal composta de madeira.......................................................... 13
Figura 2-5 − Estruturas de coberturas com barras encaixadas............................................. 14
Figura 2-6 − Estrutura de cobertura com barras inclinadas. ................................................ 14
Figura 2-7 − Estrutura de cobertura posterior ao século IV d.C. ......................................... 15
Figura 2-8 − Estrutura de cobertura da Arquitetura Românica do séc. XV......................... 16
Figura 3-1 − Procedimento de Algoritmos Evolucionistas. ................................................. 22
Figura 3-2 – Seleção pelo Método da Roleta ....................................................................... 31
Figura 3-3 – Cruzamento de um ponto ................................................................................ 32
Figura 3-4 – Cruzamento de multipontos ............................................................................ 32
Figura 3-5 – Cruzamento de multipontos. ........................................................................... 33
Figura 3-6 – Exemplo de mutação. ...................................................................................... 33
Figura 4-1 – Exemplo de treliça com suas constantes e variáveis ....................................... 41
Figura 4-2 – Tela principal do programa de otimização computacional – OTP .................. 42
Figura 4-3 – Tela de entrada para a definição da ação do vento.......................................... 45
Figura 4-4 – Tela de entrada do peso próprio das telhas e posição das terças..................... 46
Figura 4-5 – Ilustração da tela “duas faces igualmente permeáveis”. ................................. 46
Figura 4-6 – Ilustração da tela de propriedades físicas da madeira. .................................... 47
Figura 4-7 – Carregamento da estrutura pela ação do peso próprio (pp) e sobrecarga (sc) 48
Figura 4-8 – Carregamento da estrutura pela ação do vento. .............................................. 48
Figura 4-9 – Ilustração dos esforços. ................................................................................... 48
Figura 4-10 – Fluxograma do algoritmo genético implementado. ...................................... 53
Figura 5-1 – Primeiro caso – treliça Howe .......................................................................... 57
Figura 5-2 – Segundo caso – treliça Pratt ............................................................................ 57
Figura 5-3 – Terceiro caso – treliça Belga ........................................................................... 58
Figura 5-4 – Resultados do aumento do volume de madeira (%) – Modelo 10×20 ............ 60
Figura 5-5 – Resultado do aumento do volume de madeira (%) – Modelo 12×20.............. 61
Figura 5-6 – Resultado do aumento do volume de madeira (%) – Modelo 14×20.............. 61
Figura 5-7 – Resultado do aumento do volume de madeira (%) – Modelo 15×20.............. 61
Figura 5-8 – Índice de aproveitamento – Resistência. ......................................................... 62
Figura 5-9 – Índice de aproveitamento – Estabilidade X. ................................................... 63
Figura 5-10 – Índice de aproveitamento – Estabilidade Y. ................................................. 63
Figura 5-11 – Aumento do volume de madeira (%) – Modelo 10×20. ............................... 65
Figura 5-12 – Aumento do volume de madeira (%) – Modelo 12×20. ............................... 66
Figura 5-13 – Aumento do volume de madeira (%) – Modelo 14×20. ............................... 66
Figura 5-14 – Aumento do volume de madeira (%) – Modelo 15×20. ............................... 66
Figura 5-15 – Índice de aproveitamento – Resistência. ....................................................... 67
Figura 5-16 – Índice de aproveitamento – Estabilidade X. ................................................. 68
Figura 5-17 – Índice de aproveitamento – Estabilidade Y. ................................................. 68
Figura 5-18 – Aumento do volume de madeira (%) – Modelo 10×20. ............................... 71
Figura 5-19 – Aumento do volume de madeira (%) – Modelo 12×20. ............................... 71
Figura 5-20 – Aumento do volume de madeira (%) – Modelo 14×20. ............................... 71
Figura 5-21 – Aumento do volume de madeira (%) – Modelo 15×20. ............................... 72
Figura 5-22 – Índice de aproveitamento – Resistência ........................................................ 73
Figura 5-23 – Índice de aproveitamento – Estabilidade X .................................................. 73
Figura 5-24 – Índice de aproveitamento – Estabilidade Y .................................................. 74
Figura 5-25 – Variação do volume de madeira (%) – Modelo 10×20 ................................. 76
Figura 5-26 – Variação do volume de madeira (%) – Modelo 12×20 ................................. 78
Figura 5-27 – Variação do volume de madeira (%) – Modelo 14×20 ................................. 79
Figura 5-28 – Variação do volume de madeira (%) – Modelo 15×20 ................................. 80
Figura 5-29 – Índice de aproveitamento da resistência – Treliça Howe ............................. 81
Figura 5-30 – Índice de aproveitamento da resistência – Treliça Pratt ............................... 82
Figura 5-31 – Índice de aproveitamento da resistência – Treliça Belga .............................. 82
Figura 5-32 – Índice de aproveitamento da estabilidade X – Treliça Howe ....................... 83
Figura 5-33 – Índice de aproveitamento da estabilidade X – Treliça Pratt ......................... 83
Figura 5-34 – Índice de aproveitamento da estabilidade X – Treliça Belga ........................ 83
Figura 5-35 – Índice de aproveitamento da estabilidade Y – Treliça Howe ....................... 84
Figura 5-36 – Índice de aproveitamento da estabilidade Y – Treliça Pratt ......................... 84
Figura 5-37 – Índice de aproveitamento da estabilidade Y – Treliça Belga ........................ 84
Figura 5-38 – Disposição do valor do volume no modelo 10×20 ....................................... 86
Figura 5-39 – Disposição do valor do volume no modelo 12×20 ....................................... 86
Figura 5-40 – Disposição do valor do volume no modelo 14×20 ....................................... 87
Figura 5-41 – Disposição do valor do volume no modelo 15×20 ....................................... 88
Figura 5-42 – Deslocamento da estrutura – m=4 ................................................................. 89
Figura 5-43 – Deslocamento da estrutura – m=5 ................................................................. 89
Figura 5-44 – Deslocamento da estrutura quando as terças são definidas – m=4 ............... 89
Figura 5-45 – Deslocamento da estrutura quando as terças são definidas – m=5 ............... 89
Figura 5-46 – Estrutura real analisada ................................................................................. 91
Figura 5-47 – Variação do volume de madeira. ................................................................... 92
Figura 5-48 – Distribuição da função custo X geração ....................................................... 93
Figura 5-49 – Índice de aproveitamento da seção transversal ............................................. 94
Figura 5-50 – Estrutura otimizada gerada pelo programa de otimização com m=6 ............ 95
Figura 5-51 − Estrutura otimizada com m=4 ....................................................................... 95
 LISTA DE TABELAS
Tabela 1-1 – Trabalhos relevantes que utilizam o algoritmo genético na área de estruturas 5
Tabela 3-1 – Seleção Roleta. ............................................................................................... 30
Tabela 5-1 – Parâmetros geométricos e propriedades mecânicas dos materiais ................. 55
Tabela 5-2 – Valores definidos para o carregamento da estrutura....................................... 56
Tabela 5-3 – Valores adotados para os parâmetros do AG.................................................. 56
Tabela 5-4 – Resultados obtidos na otimização da Treliça Howe ....................................... 59
Tabela 5-5 – Resultados obtidos na otimização da Treliça Howe ....................................... 59
Tabela 5-6 – Resultados obtidos na otimização da Treliça Howe ....................................... 59
Tabela 5-7 – Resultados obtidos na otimização da Treliça Howe ....................................... 60
Tabela 5-8 – Resultados obtidos na otimização da Treliça Pratt ......................................... 64
Tabela 5-9 – Resultados obtidos na otimização da Treliça Pratt ......................................... 64
Tabela 5-10 – Resultados obtidos na otimização da Treliça Pratt ....................................... 64
Tabela 5-11 – Resultados obtidos na otimização da Treliça Pratt ....................................... 65
Tabela 5-12 – Resultados obtidos na otimização da Treliça Belga ..................................... 69
Tabela 5-13 – Resultados obtidos na otimização da Treliça Belga ..................................... 69
Tabela 5-14 – Resultados obtidos na otimização da Treliça Belga ..................................... 70
Tabela 5-15 – Resultados obtidos na otimização da Treliça Belga ..................................... 70
Tabela 5-16 – Posição no eixo x das terças definidas pelo usuário ..................................... 75
Tabela 5-17 – Resultados da otimização de estruturas – Treliça Howe .............................. 75
Tabela 5-18 – Resultados da otimização de estruturas – Treliça Pratt ................................ 76
Tabela 5-19 – Resultados da otimização de estruturas – Treliça Belga .............................. 76
Tabela 5-20 – Resultados da otimização de estruturas – Treliça Howe .............................. 77
Tabela 5-21 – Resultados da otimização de estruturas – Treliça Pratt ................................ 77
Tabela 5-22 – Resultados da otimização de estruturas – Treliça Belga .............................. 77
Tabela 5-23 – Resultados da otimização de estruturas – Treliça Howe .............................. 78
Tabela 5-24 – Resultados da otimização de estruturas – Treliça Pratt ................................ 78
Tabela 5-25 – Resultados da otimização de estruturas – Treliça Belga .............................. 79
Tabela 5-26 – Resultados da otimização de estruturas – Treliça Howe .............................. 79
Tabela 5-27 – Resultados da otimização de estruturas – Treliça Pratt ................................ 80
Tabela 5-28 – Resultados da otimização de estruturas – Treliça Belga .............................. 80
Tabela 5-29 – Volume de madeira (m3) para o modelo 10×20 ........................................... 85
Tabela 5-30 – Volume de madeira (m3) para o modelo 12×20 ........................................... 86
Tabela 5-31 – Volume de madeira (m3) para o modelo 14×20 ........................................... 87
Tabela 5-32 – Volume de madeira (m3) para o modelo 15×20 ........................................... 87
Tabela 5-33 – Valores dos deslocamentos nodais (cm) – direção Y ................................... 90
Tabela 5-34 – Posição no eixo X das terças definidas na estrutura real. ............................. 92
Tabela 5-35 – Resultados obtidos na otimização do modelo 18×20 ................................... 92
Tabela 5-36 – Comparação de resultados entre a estrutura real e otimizada. ...................... 96
 SUMÁRIO
CAPÍTULO 1 – INTRODUÇÃO .................................................................................................................... 1

1.1 PRELIMINARES ..................................................................................................................................... 1

1.2 OBJETIVO .............................................................................................................................................. 6
1.3 JUSTIFICATIVA ..................................................................................................................................... 6
1.4 ORGANIZAÇÃO DO TEXTO ................................................................................................................. 7

CAPÍTULO 2 – REVISÃO BIBLIOGRÁFICA............................................................................................ 8

2.1 ASPECTOS HISTÓRICOS DO EMPREGO DAS ESTRUTURAS DE MADEIRA PARA COBERTURA 8

2.1.1 Preliminares ..................................................................................................................................... 8
2.1.2 Resumo histórico da aplicação da madeira em estruturas para cobertura de edificações .............. 10
2.2 OTIMIZAÇÃO DE ESTRUTURAS ........................................................................................................ 16
2.3 MÉTODOS DE OTIMIZAÇÃO ............................................................................................................. 18

CAPÍTULO 3 – FUNDAMENTOS DO ALGORITMO GENÉTICO ...................................................... 21

3.1 PRELIMINARES ................................................................................................................................... 21

3.2 ALGORITMO GENÉTICO.................................................................................................................... 23
3.3 TERMINOLOGIA.................................................................................................................................. 24
3.4 REPRESENTAÇÃO OU CODIFICAÇÃO............................................................................................. 25
3.4.1 Representação binária e real .......................................................................................................... 25
3.5 POPULAÇÃO INCIAL .......................................................................................................................... 27
3.6 FUNÇÃO APTIDÃO ............................................................................................................................. 28
3.7 SELEÇÃO ............................................................................................................................................. 29
3.8 OPERADORES GENÉTICOS ............................................................................................................... 31
3.8.1 Operador Cruzamento (crossover) ................................................................................................ 31
3.8.2 Operador mutação ......................................................................................................................... 33
3.9 CRITÉRIOS DE PARADA..................................................................................................................... 34
3.10 PARÂMETROS QUE INFLUENCIAM OS AGs.................................................................................. 34
3.11 TRATAMENTO DAS RESTRIÇÕES ................................................................................................... 35
3.12 FUNÇÃO PENALIDADE.................................................................................................................... 36
3.13 VANTAGENS DO AGs ........................................................................................................................ 37
3.14 DESVANTAGENS DOS AGs ............................................................................................................... 38

CAPÍTULO 4 – ALGORITMO GENÉTICO APLICADO A ESTRUTURAS PLANAS DE MADEIRA

......................................................................................................................................................................... 39
 4.1 VARIÁVEIS DE PROJETO ................................................................................................................... 39
4.2 FUNÇÃO OBJETIVO ........................................................................................................................... 40
4.3 FUNCIONAMENTO DO ALGORITMO GENÉTICO........................................................................... 41

CAPÍTULO 5 – ANÁLISE DA EFICIÊNCIA DE MODELOS ESTRUTURAIS PARA O

DIMENSIONAMENTO DE TRELIÇAS DE MADEIRA ......................................................................... 54

5.1 PRELIMINARES ................................................................................................................................... 54

5.2 VERIFICAÇÃO DO CONSUMO DE MADEIRA E ÍNDICE DE APROVEITAMENTO DA SEÇÃO
TRANSVERSAL DAS ESTRUTURAS SEM DEFINIR A POSIÇÃO DAS TERÇAS .................................... 57
5.2.1 Treliça Howe – verificação da análise dos resultados do aumento do volume de madeira ........... 59
5.2.2 Verificação dos resultados do índice de aproveitamento das barras mais solicitadas fornecida pela
iteração de n gerações – Treliça Howe ................................................................................................... 62
5.2.3 Treliça Pratt – verificação dos resultados do aumento do volume de madeira .............................. 64
5.2.4 Verificação dos resultados do índice de aproveitamento das barras mais solicitadas fornecida pela
iteração de n gerações – Treliça Pratt ..................................................................................................... 67
5.2.5 Treliça Belga – verificação dos resultados do aumento do volume de madeira ............................ 69
5.2.6 Verificação dos resultados do índice de aproveitamento das barras mais solicitadas fornecida pela
iteração de n gerações – Treliça Belga ................................................................................................... 72
5.3 VERIFICAÇÃO DO CONSUMO DE MADEIRA E ÍNDICE DE APROVEITAMENTO DA SEÇÃO
TRANSVERSAL DAS ESTRUTURAS COM DEFINIÇÕES PARA POSIÇÕES DAS TERÇAS .................. 74
5.3.1 Verificação dos resultados do aumento do volume de madeira para as três formas de treliça ...... 75
5.3.2 Verificação dos índices de aproveitamento das barras mais solicitadas fornecida pela iteração de n
gerações nas três formas de estrutura de treliça ..................................................................................... 81
5.4 AVALIAÇÃO DA COMPARAÇÃO DO COMPORTAMENTO DOS MODELOS ESTRUTURAIS
ANALISADOS ............................................................................................................................................. 85
5.4.1 Verificação dos resultados do deslocamento ................................................................................. 88
5.5 AVALIAÇÃO E VERIFICAÇÃO DE CASO REAL DE TRELIÇA HOWE ............................................ 91
5.5.1 Verificação dos resultados............................................................................................................. 91

CAPÍTULO 6 – CONCLUSÃO E PROPOSTAS PARA TRABALHOS FUTUROS.............................. 97

REFERÊNCIAS ........................................................................................................................................... 100

Capítulo 1 - Introdução 1

CAPÍTULO 1

INTRODUÇÃO

1.1 PRELIMINARES

A madeira tem sido utilizada como elemento estrutural na construção civil há milhares de
anos, portanto, têm-se observado o surgimento de muitas variedades de sistemas estruturais
devido à evolução dos diversos produtos provindos da madeira. Dentre os sistemas
estruturais mais utilizados, o treliçado é tradicionalmente o mais empregado para estruturas
de coberturas. O seu uso segue procedimentos convencionais baseados em hipóteses e
considerações padronizadas estabelecidas no passado, quando as ferramentas de cálculo
eram diferentes das atuais. O cálculo era totalmente manual, sem o uso de computadores.
Essas condutas foram se consagrando com o passar do tempo. No entanto, hoje se têm
muitos recursos facilitadores que exigem adaptações e redirecionamentos.

As análises de estruturas são feitas a partir do emprego dos métodos numéricos aliados ao
crescente avanço dos processos utilizados em computadores e à enorme competitividade
criada nas empresas para buscar uma redução nos custos de seus projetos, tendo se tornado,
atualmente indispensável para qualquer especialista na área de engenharia das estruturas.

Os projetos são desenvolvidos para se obter estruturas que satisfaçam aos requisitos
funcionais e que atendam as especificações da norma. Contudo, a maioria dos problemas
de engenharia, tem mais que uma configuração possível para atender a essas exigências.
Capítulo 1 - Introdução 2

Projetar estruturas otimizadas é a função clássica do engenheiro. Ao idealizar projetos que

sejam eficientes e econômicos são requeridos métodos computacionais de otimização que
representem o problema analisado em função de suas variáveis de projeto simultaneamente
e uma busca das melhores soluções, ou seja, soluções ótimas.

Rigo (1999) associa esse fato à evolução muito rápida dos computadores pessoais que tem
servido de motivação para pesquisas de novas metodologias empregadas em projetos
estruturais e, em particular, o emprego e desenvolvimento de algoritmos numéricos mais
robustos e eficientes com vistas à obtenção de esforços em uma estrutura.

Baseando-se nas facilidades computacionais atuais, uma das técnicas importantes no

cálculo e dimensionamento é a da otimização de parâmetros elásticos e geométricos. Para
se ter um melhor entendimento sobre otimização de estruturas, deve-se ressaltar as
diferenças básicas entre um projeto convencional e um projeto ótimo. A Figura 1-1 mostra
de forma esquemática essas diferenças.

Projeto Convencional Projeto Ótimo

Identificação das Variáveis e Restrições
de Projeto da Função Objetivo

Coleta de dados para Dados para a

descrição do sistema descrição do sistema

Estima-se uma configuração Estima-se uma configuração

inicial tendo-se por base inicial tendo-se por base
experiências/heurísticas experiências/heurísticas

Busca da melhor solução (que

atenda aos requisitos de projeto)
A estrutura atende aos através de um método de
requisitos de projeto? otimização

Não
A estrutura atende
Modifica-se a configuração aos requisitos de
inicial tendo-se por base a Sim convergência?
experiência/heurística

Não Sim

Projeto Concluído Projeto Concluído

Figura 1-1 – Esquema comparativo entre projeto convencional e projeto ótimo.

Fonte: ARGOLO (2000)
Capítulo 1 - Introdução 3

Quando se executa um projeto convencional de estruturas, visa-se obter uma configuração

aceitável e adequada aos requisitos de sua funcionalidade, regidos normalmente por uma
regulamentação que se caracteriza por sofrer influência direta do projetista, dependendo de
sua habilidade, experiência e intuição. Esse processo nem sempre é o mais satisfatório.
Primeiramente, devido às falhas humanas e, conseqüentemente, por não apresentar
garantias de que a solução encontrada seja a melhor do ponto de vista econômico.

De modo geral, problemas de otimização têm a necessidade de identificar as variáveis de

projeto, por situações em que se deseja maximizar ou minimizar uma função numérica de
muitas variáveis, de modo a resolvê-las com o objetivo de representar seus problemas e
suas restrições na busca da solução. Portanto, o emprego de sistemas de otimização conduz
a um melhor entendimento no dimensionamento das estruturas, pois transforma o aspecto
físico da estrutura em aspecto matemático, através de uma modelagem matemática da
estrutura analisada. Além disto, as técnicas clássicas de otimização são confiáveis e
possuem aplicações nas mais diferentes áreas da engenharia e outras ciências.

Pode-se então definir de forma objetiva a otimização como sendo uma maneira inteligente
de se alcançar uma melhor solução dentre as inúmeras possíveis de um problema.

Como existe uma necessidade de identificar as variáveis envolvidas e seus domínios, bem
como as constantes relevantes do problema, faz-se o equacionamento objetivando
determinar a representação do problema e suas restrições na busca da solução ótima. Isso
já vem sendo empregado em várias áreas da engenharia civil, como em projetos de redes
de abastecimento de água, na dosagem de materiais, no gerenciamento de itinerários de
linhas de transporte, bem como na otimização de projetos de estruturas, focalizando
principalmente a minimização de custos (OLIVEIRA, 2004).

A utilização de técnicas de otimização teve início depois da Segunda Guerra Mundial, fase
em que ocorreu o crescente desenvolvimento computacional. Uma das técnicas
empregadas é a do Algoritmo Genético (AG), que se iniciou na década de 70 com o
pesquisador John Holland, da Universidade de Michigan. Sua pesquisa é baseada no
processo de seleção natural das espécies, de Charles Darwin que, segundo sua teoria da
evolução, os indivíduos competem entre si, de maneira que os mais aptos têm maiores
Capítulo 1 - Introdução 4

chances de sobrevivência, enquanto os indivíduos menos aptos desaparecem durante o

processo evolutivo (BASTOS 2004; LEMONGE, 1999; PIZZIRANI, 2003).

O motivo pelo qual muitos pesquisadores trabalham com a otimização de estruturas

empregando o método dos AGs, é devido aos conhecimentos dos fatos que ocorrem na
natureza de forma perfeita. A seguir estão relacionadas algumas dessas inspirações:

• Pássaros → Aviões
• Morcegos → Sonares
• Peixes → Submarinos

Outro exemplo também encontrado na natureza é o comportamento das formigas, que

mesmo sendo elas tão simples e irracionais possuem um mecanismo de otimização natural,
ou seja, são capazes de encontrar um caminho mais curto que vai do ninho até o local do
alimento, mesmo quando lhe é imposto algum obstáculo no trajeto original. As Figuras 1.2,
1.3, 1.4 e 1.5 bem esse processo. Isso ocorre porque as formigas vão depositando ao longo
de sua caminhada certa quantia de feromônio e dessa forma preferem seguir o caminho
onde essa substância seja mais elevada (CASTRO, 2000; DORIGO, 2006).

Quando se introduz um obstáculo no caminho, as formigas se dividem e no decorrer do

tempo escolhem o menor caminho onde passaram mais vezes e onde há uma concentração
maior de feromônio, então dessa forma o caminho adotado será o chamado caminho ótimo
ou novo trajeto.

Figura 1-2 – Trajetória das formigas em linha reta entre o ninho e o alimento.
Fonte: [Link] (2006)

Figura 1-3 – Introdução do obstáculo no caminho original.

Fonte: [Link] (2006)
Capítulo 1 - Introdução 5

Figura 1-4 – Divisão mediana das formigas nos dois sentidos.

Fonte: [Link] (2006)

Figura 1-5 – O menor percurso é escolhido (ótimo) no decorrer do tempo.

Fonte: [Link] (2006)

Outros trabalhos ainda foram desenvolvidos por muitos pesquisadores utilizando as

técnicas de otimização, empregando o método dos AGs. A Tabela 1-1 mostra alguns
trabalhos relevantes em engenharia estrutural realizados em otimização.

Tabela 1-1 – Trabalhos relevantes que utilizam o algoritmo genético na área de estruturas
ADELI e CHENG (1993) Apresentaram a otimização de estruturas espaciais utilizando
três diferentes tipos de treliças empregando a elas o método
da função penalidade através do uso da integração do
algoritmo genético.
ADELI e CHENG (1994) Os autores apresentam um Algoritmo Genético Langrageano
para otimização de grandes estruturas, tais como altos
edifícios e estações espaciais.
COHN e LOUNIS (1994) Apresentam superestruturas de pequenas e médias extensões
de sistemas de pontes que pode ser concebido como
otimização de multinívies e multiobjetivos para projetos
ótimos.
KOUMOUSIS e GEORGIOU (1994) Mostra a utilização do algoritmo genético para a otimização
de estruturas treliçadas de aço para telhados.
KOSKISTO e ELLINGWOOD Apresenta um modelo para a minimização do custo do ciclo
(1997) de vida de elementos e estruturas de concreto pré-fabricado.
CAMP e BICHON (2004) Utiliza a técnica da otimização colônia de formiga para
avaliar projetos de treliças espaciais, considerando o custo e
o desempenho das restrições dos limites de tensões e
deslocamentos.
Capítulo 1 - Introdução 6

Outros trabalhos foram ainda desenvolvidos usando o método dos AGs, tendo em vista
suas facilidades de implementação quanto aos resultados encontrados na literatura. Muitos
desses trabalhos agem no domínio da Engenharia Estrutural, mais especificamente em
estruturas de aço e concreto, contudo poucos trabalhos estão relacionados à área das
estruturas de madeira.

1.2 OBJETIVO

Este trabalho tem por objetivo avaliar por meio do método dos algoritmos genéticos,
formatos otimizados de estruturas planas de madeira para cobertura do tipo treliçado. Foi
usado o programa computacional chamado de OTP (Otimização de Estruturas Planas). Ele
é uma adaptação do programa computacional OTR (Otimização de Estruturas Reticuladas)
desenvolvido para o estudo de estruturas reticuladas espaciais formadas por barras
cruzadas. Também foi usado o programa para cálculo de estruturas denominado
GESTRUT que determina esforços e deslocamentos de estruturas. Os programas OTP e o
GESTRUT foram desenvolvidos na Universidade Federal de Uberlândia. Enfim, este
trabalho é uma proposta do uso de métodos de otimização, no caso, algoritmo genético, à
criação de estruturas eficientes que satisfaçam as necessidades de maneira a se obter o
menor custo.

1.3 JUSTIFICATIVA

As obras de engenharia são projetadas com uma preocupação muito grande em relação ao
custo final na execução dos projetos. Assim, as estruturas de coberturas de galpões
industriais, ginásios, depósitos etc., ou como parte de uma construção genérica merecem
um tratamento otimizado para garantir sua eficiência ao longo de sua vida útil e economia
na sua implantação.

Em um projeto estrutural é necessário se obter uma maneira adequada para a disposição

das peças de tal forma que a estrutura seja capaz de suportar o carregamento imposto com
segurança. Escolhida a disposição estrutural busca-se qual a melhor distribuição de
material que será empregado à estrutura para que lhe seja garantido as condições de
segurança ao projeto e o menor custo na execução. Para tanto são necessárias informações
Capítulo 1 - Introdução 7

sobre topologia, forma e dimensões da estrutura (tamanho das peças estruturais)

(LEMONGE, 1999).

A diminuição dos custos das estruturas nas construções torna-se cada vez mais importante
com a globalização da economia. No caso das treliças, que são estruturas leves, de rápida e
fácil execução, o menor custo será em função do menor peso da estrutura, visando projetos
de estruturas que cumpram com segurança a sua finalidade.

A utilização do algoritmo genético tem a vantagem de ser aplicado a qualquer tipo de

problema complexo com um número muito grande de variáveis, onde os métodos
tradicionais possuem deficiência. Portanto, o desenvolvimento deste trabalho é justificado
pela busca da qualidade das estruturas e da economia, que são parâmetros importantes em
qualquer atividade.

1.4 ORGANIZAÇÃO DO TEXTO

No Capítulo 2 será apresentada uma revisão bibliográfica sobre treliças de madeira, bem
como uma introdução geral à otimização de estruturas, mostrando os métodos de
otimização mais utilizados.

No Capítulo 3 serão mostrados os principais conceitos relativos aos Algoritmos Genéticos

(AGs), abordados como técnicas de otimização, que são relevantes neste trabalho. Serão
detalhados também os operadores genéticos mais comuns.

O Capítulo 4 mostrará a aplicação do Algoritmo Genético na otimização de estruturas

planas de madeira para cobertura do tipo treliçado.

No Capítulo 5 será feita uma análise dos comportamentos globais das estruturas planas de
madeira do tipo treliçado através de resultados que serão obtidos da otimização de três
modelos de treliças utilizando o programa computacional OTP, e a comparação dos
resultados entre um modelo real e um otimizado.

Finalmente, o Capítulo 6 apresentará as principais conclusões e propostas para trabalhos

futuros.
Capítulo 2 - Revisão Bibliográfica 8

CAPÍTULO 2

REVISÃO BIBLIOGRÁFICA

2.1 ASPECTOS HISTÓRICOS DO EMPREGO DAS ESTRUTURAS DE

MADEIRA PARA COBERTURA

2.1.1 Preliminares

Com a possibilidade de um aproveitamento mais direto dos recursos existentes na natureza,

a madeira como recurso natural, vem sendo utilizada há muito tempo para fins estruturais.

Sendo a madeira um recurso natural sempre presente no dia-a-dia do ser humano, seu
emprego ao longo do desenvolvimento histórico mostra que é um material pioneiro na
engenharia estrutural. Possuindo uma diversidade em suas características observa-se o seu
emprego para as mais diversas finalidades, tais como pontes, coberturas, silos,
escoramentos, bem como na fabricação de móveis, peças de artesanato, brinquedos,
lambris e pisos, instrumentos musicais, embalagens (caixas), implementos agrícolas,
divisórias, produtos de papel e chapas de madeira em geral.

Contudo, o desenvolvimento atingido com a tecnologia da utilização da madeira vem

alcançando níveis variados. Porém, no Brasil, existem grandes deficiências em alguns
setores ligados ao seu emprego na construção civil, principalmente, no que se refere à sua
aplicabilidade estrutural.
Capítulo 2 - Revisão Bibliográfica 9

Dentre todos os sistemas estruturais encontrados tradicionalmente em estruturas de

madeira para cobertura, o sistema estrutural mais difundido é o sistema treliçado.

Nota-se que tal fato está ligado aos aspectos históricos da utilização da madeira nas
estruturas de cobertura, visto que toda a tradição de seu uso se traduz em vários pontos,
desde as formas geométricas envolvidas até as técnicas construtivas utilizadas usualmente
pelos carpinteiros. Entretanto, o comportamento e as características intrínsecas da madeira
não alcançaram ainda um conhecimento pleno, fato que não pode ser ignorado.

Desde a sua existência, o homem tende a melhorar sua própria situação humana,
propiciando um desenvolvimento gradativo de suprir suas necessidades. Dessa maneira, o
homem tem se preocupado em oferecer a si mesmo, à sua família e à sociedade na qual
está inserido, condição necessária de um ambiente, onde além de proteger das intempéries
da natureza, possa exercer suas atividades com tranqüilidade e segurança.

Para tanto, aos poucos foram surgindo as primeiras edificações, construídas com os
materiais disponíveis da época, ou seja, a pedra, a argila e a madeira. No começo a pedra e
a argila constituíam a moradia, destinando a madeira somente para a construção de estacas
de defesas.

Sendo assim, no decorrer dos anos, foram surgindo novas técnicas para a aplicação dos
materiais mais comuns, em contrapartida novos materiais eram descobertos, possibilitando
uma crescente aplicação dos mesmos. Inicialmente, o grande interesse nas descobertas dos
novos materiais relacionava-se ao melhoramento das habitações. Contudo, havia-se a
preocupação em desenvolver técnicas construtivas para as edificações, bem como a
estabilidade e a durabilidade das estruturas.

Pensando-se em aproveitar melhor o espaço, ou seja, aperfeiçoar as formas e os contornos,

criando-se estilos e padrões, as funções dos elementos passaram a ser mais definidas
proporcionando o aparecimento de edificações mais altas, amplas e esbeltas.

Segundo Lahr (1983), da interação engenharia-arquitetura, o problema da construção de

edifícios para moradia, comércio, indústria, lazer, etc., vem sendo resolvido com técnicas
Capítulo 2 - Revisão Bibliográfica 10

sempre mais aperfeiçoadas, com melhor utilização dos materiais, ao lado de configuração
estético-funcional mais desenvolvida.

Desta forma, dentro de um contexto geral das edificações, cada elemento arquitetônico e
estrutural inserido na construção, tem importância significativa, pois deve-se apresentar
como todo, completo e homogêneo entre si. Para tanto, cada elemento deve ser
cuidadosamente projetado e construído para atingir a homogeneidade desejada, sob todos
os pontos de vista.

Contudo, os critérios de utilização da madeira vêm passando por um processo de

reformulação profunda, que resgata a madeira como um material estrutural competitivo
com o concreto e o aço.

Portanto, sendo a cobertura uma etapa de importância significativa em uma edificação, ela
deve ser tratada, reconhecida e estudada de forma mais abrangente.

A realização de um resumo histórico do emprego do sistema treliçado de madeira para

coberturas, tem o objetivo de mostrar as razões básicas do desenvolvimento atual nesta
área da engenharia e da arquitetura, fornecendo elementos que contribuam para a
elaboração deste trabalho.

2.1.2 Resumo histórico da aplicação da madeira em estruturas para cobertura de

edificações

[Link] De 3000 a.C a 500 a. C no Ocidente

A aplicação da madeira como um dos primeiros materiais a serem utilizados na construção

civil, foi empregado praticamente de maneira experimental, ou seja, as previsões de seu
comportamento estrutural se davam da observação no dia-a-dia e intuitiva das propriedades
naturais de sua origem viva.

Com o decorrer do tempo, a história tem apontado alguns períodos arquitetônicos

definindo suas características próprias.
Capítulo 2 - Revisão Bibliográfica 11

Tem-se no período neolítico, uma associação da madeira com a argila, sendo ambos os
materiais abundantes e de fácil manipulação. Com respeito às primeiras evidências do
emprego da madeira, destacam-se as estruturas feitas pelos egípcios, por volta do ano 3000
a.C, construídas ao logo do Rio Nilo. Estas construções eram feitas de elementos
estruturais treliçados de madeira com argila, e tinham como função a vedação. A fundação
era feita de pedra. Sendo a pedra e a madeira material de maior predominância na
paisagem egípcia, começava-se a se definir as funções do emprego da madeira.

O uso de cobertura de madeira para a sustentação de telhados, foi uma evidência para os
antepassados, pois era necessário cobrir certo espaço para se proteger dos intemperismos
da natureza, e que também permitisse o escoamento da água da chuva, e para tanto era
preciso um plano inclinado.

Por volta de 1000 a.C, esse processo já era executado na Mesopotâmia, em que a madeira
era empregada na cobertura, usando-se troncos de palmeiras estendidos horizontalmente,
apoiados uns nos outros e sustentados por troncos dispostos na vertical (Figura 2-1).

Figura 2-1 − Habitação com cobertura em troncos de madeira.

Fonte: LAHR, (1983).

Portanto, no que se refere às ligações feitas entre esses troncos não foram encontrados
nenhuma referência. Contudo, a partir do século VII a.C na Pérsia, a madeira já era usada
para coberturas em estruturas planas (Figura 2-2), sendo que seu madeiramento era feito
em três níveis possibilitando o apoio dos elementos.
Capítulo 2 - Revisão Bibliográfica 12

Pranchas (madeira)
Vigas Secundárias (madeira)

Vigas Primárias (madeira)

Esteios (pedras)

Figura 2-2 − Habitação com cobertura em pranchas de madeira.

Fonte:LAHR, (1983)

Para tanto a ausência de ferramentas adequadas na execução do corte da madeira,

dificultava o trabalho. Outros exemplos da aplicação da madeira para cobertura são o
Tabernáculo Móvel e o Templo de Jerusalém, feitos pelos Hebreus, usando o cedro do
Líbano.

[Link] De 1000 a.C a 500 a. C no Oriente

Sendo o Oriente uma região mais rica em florestas naturais que o Ocidente, o emprego da
madeira nessa região ocorreu de forma mais abrangente. Na Índia, as coberturas em formas
de abóbadas ou arcos já eram empregadas em sua arquitetura, assim como as coberturas de
forma piramidal.

A madeira sempre esteve presente na arquitetura chinesa, onde era empregada comumente
nas estruturas de coberturas. Os conjuntos das peças que compunham as estruturas de
cobertura se distribuíam em forma de retângulos rígidos superpostos. Foi desenvolvido
para as regiões onde o índice pluviométrico é alto, um telhado com uma determinada
concavidade que facilitava o escoamento das águas das chuvas, e possuindo beirais mais
largos para a proteção das paredes (Figura 2-3).

Figura 2-3 − Habitações com coberturas côncavas.

Fonte: LAHR, (1983)
Capítulo 2 - Revisão Bibliográfica 13

Com o avanço do desenvolvimento das ferramentas, ainda no século V a.C, houve uma
evolução das coberturas num processo de se ampliar as dimensões dos elementos,
deixando as configurações geométricas mais complexas, possibilitando o vencimento de
grandes vãos livres.

Bem mais simples que as estruturas chinesas, a geometria das estruturas japonesas
empregava a madeira como uma forma típica de cobertura, além de utilizá-la como
estrutura de vedação pintada com uma tinta especial aumentando a sua durabilidade
natural.

[Link] Arquitetura grega e arquitetura romana

A clássica arquitetura grega já se baseava em muitas técnicas, em que seus arquitetos e

construtores souberam aproveitar de forma satisfatória os materiais colocados à sua
disposição pela natureza. Apesar de manterem uma obediência a algumas técnicas antigas,
desenvolveram ferramentas aperfeiçoadas para facilitar o manuseio da madeira,
trabalhando com o bronze e o ferro.

Quando não era possível obter peças de seções transversais suficientes para a estrutura
projetada, fazia-se a união de dois ou mais elementos por meio de travessas, ou seja, as
precursoras das cavilhas (Figura 2-4).

Figura 2-4 − Seção transversal composta de madeira

Fonte: PINHEIRO, (1996)

As primeiras coberturas de madeira eram bem simples e tinham o telhado construído de

uma viga horizontal e duas vigas inclinadas, denominadas de banzo superior, e um esteio
central, posicionado no ponto médio, que servia de sustentação para as vigas do telhado.
Capítulo 2 - Revisão Bibliográfica 14

Os elementos que compunham essa estrutura, por serem apenas encaixados ou

simplesmente apoiados, trabalhavam somente a esforços de flexão ou de compressão
paralela às fibras, como pode ser observado na Figura 2-5.

Figura 2-5 − Estruturas de coberturas com barras encaixadas.

Fonte: PINHEIRO, (1996)

Considerando o fato da viga horizontal da cobertura trabalhar somente à flexão as

dimensões dos vãos livres ficavam limitadas devido às deformações excessivas. Dessa
maneira surgiu a necessidade de se dispor as peças da estrutura de madeira de forma que a
cobertura pudesse ter vãos livres maiores, ou seja, as peças começaram a trabalhar de
modo semelhante às tesouras dos dias atuais, submetidas a esforços de tração e compressão
paralela às fibras (Figura 2-6).

Figura 2-6 − Estrutura de cobertura com barras inclinadas.

Fonte: PINHEIRO, (1996)

Diante disso ficou mais fácil vencer grandes vãos sem que fosse necessário a utilização dos
apoios intermediários, característica das coberturas gregas. É importante ressaltar que a
arquitetura romana foi uma das primeiras a apresentar tesouras que tivessem banzos
superiores e inferiores compostas por montantes e diagonais. Esse tipo de estrutura foi
muito difundida nas regiões de domínio romano devido à expansão do Império Romano.
Capítulo 2 - Revisão Bibliográfica 15

[Link] Arquitetura dos séculos d.C

Continuando com os romanos e posteriormente com os bizantinos, a partir do século IV

d.C, houve uma evolução das tesouras no que diz respeito aos aspectos geométricos,
adquirindo aspectos muito semelhantes ao visto nos dias atuais (Figura 2-7). Com o
desenvolvimento das ferramentas disponíveis, a madeira passou a ser de fácil
trabalhabilidade, tornando-se própria para a confecção de elementos decorativos e
principalmente para o emprego de estruturas de cobertura.

Figura 2-7 − Estrutura de cobertura posterior ao século IV d.C.

Fonte: PINHEIRO, (1996)

Essa forma de telhado foi mantida em grande parte das edificações. Nesse mesmo período
surgiram as primeiras medidas contra incêndio, passando a utilizar folhas metálicas de
maneira convenientemente associada à madeira, na estruturas de cobertura.

A Arquitetura Muçulmana a partir do final do século X d.C, em virtude das condições

climáticas, se caracterizou por apresentar edificações com estruturas de vigas de madeira
com pranchas sobrepostas que recebiam uma capa de material isolante e
impermeabilizante, e revestidas de placas cerâmicas.

Já a Arquitetura Românica, por volta do século XV d.C, conservou os telhados de duas

águas, implantados pelos bizantinos, para a cobertura dos templos. Outra forma bastante
difundida foi a aplicação de telhados de uma água. Esta forma de telhado apresentava
algumas particularidades: fácil execução e ótimo escoamento das águas pluviais, pela
ausência da interseção dos banzos superiores (Figura 2-8).
Capítulo 2 - Revisão Bibliográfica 16

Figura 2-8 − Estrutura de cobertura da Arquitetura Românica do séc. XV.

Fonte: PINHEIRO, (1996)

Nesse mesmo período surgiram estruturas de coberturas com sistema estrutural

contraventado, fato historicamente inusitado. Ocorreu também, no sentido de se utilizar
também peças fletidas, permitindo o aparecimento de disposições geométricas que
contribuiam para o melhoramento estético do conjunto.

Novamente é encontrado na Arquitetura Gótica o uso das treliças de madeira para a

construção de grandes obras, ficando esse período marcado por esse estilo. Uma das
características desse estilo é dada pela inclinação das faces da cobertura, o que acarretou
problemas nas ligações, que eram feitas por meio de cavilhas ou de encaixes.

Posteriormente foram introduzidos os parafusos e as chapas metálicas. Isso se deu no final

dos séculos XVI e início do século XVII. Uma das razões que impossibilitava o
vencimento de vãos livres acima dos 25 metros para a construção de estruturas de madeira,
foi a falta de conhecimento mais aprofundado do comportamento das ligações feitas por
cavilhas, parafusos e encaixes.

2.2 OTIMIZAÇÃO DE ESTRUTURAS

Pelo relato histórico apresentado até agora, percebe-se que as primeiras estruturas de
madeira utilizadas pelo homem com o fim específico para cobertura, foram as estruturas
treliçadas na forma de tesoura. Mesmo com toda a tradição envolvendo o emprego da
madeira, pode-se notar que até as primeiras décadas do século XIX, não existia um
conhecimento aprofundado de suas propriedades, ou seja, de suas características físicas,
Capítulo 2 - Revisão Bibliográfica 17

mecânicas e elásticas. Dessa forma, não havia como se desenvolver projetos estruturais
mais elaborados devido à falta de processos de cálculo apropriados.

Alguns pesquisadores a partir da metade do século XIX, sentindo a necessidade de dar à

madeira um uso mais racional, começaram a desenvolver pesquisas sobre suas
propriedades físicas e mecânicas. Pouco depois, foram surgindo novos estudos que
incluíam tanto a parte de caracterização do material, como de aplicação referente ao estudo
das estruturas treliçadas.

Para o desenvolvimento de um projeto são necessários escolher os materiais, a topologia e

a geometria a serem utilizados no sistema, bem como dimensionar as diversas partes que o
constituem, para que atenda aos requisitos de desempenho, economia e segurança. Para
melhorar este processo existem os procedimentos de otimização. Neles são definidas as
funções objetivo, que estão sujeitas ou não a restrições, que podem estar relacionadas à
escolha do material, à sua durabilidade, funcionalidade, confiabilidade, eficiência, tempo
de execução, recursos disponíveis a análises, etc. Em geral, a função objetivo não
incorpora somente um único interesse, mas uma série de questões que estão envolvidas no
problema, isto é, a otimização de multi-objetivos.

Em resumo, os aspectos importantes da otimização estrutural que o projetista deve estar

atento, incluem (XIE; STEVEN, 1997 apud LEMONGE, 1999):

• Tamanho, forma e topologia sendo otimizados no mesmo problema em diferentes

partes da estrutura;

• Critérios diferentes de otimização em partes diferentes da estrutura;

• Estrutura submetida a vários carregamentos;

• Estrutura com possíveis variações no sistema de apoios;

• Estrutura composta por vários tipos de materiais;

• Consideração de análises bi e tridimensionais;

Capítulo 2 - Revisão Bibliográfica 18

• Otimização considerando-se análise estática, dinâmica, e estabilidade

simultaneamente;

• Otimização com não-linearidade física e geométrica.

Contudo, otimizar é projetar um sistema que tenha uma melhor eficiência com um baixo
custo. É encontrar os parâmetros do sistema em estudo, de modo que o rendimento do
sistema seja próximo do valor ótimo, baseado em um critério prévio de otimização
(SOUZA JR, 2005).

2.3 MÉTODOS DE OTIMIZAÇÃO

Os problemas de otimização apresentam alguns conceitos e definições que são empregados

na literatura e são de conhecimento indispensável. Desta forma, as definições são
apresentadas para melhor proporcionar um entendimento dos termos utilizados ao longo
deste trabalho.

• Função Objetivo: É a representação de um critério matemático, que influenciado

pelas variáveis de projeto levará o sistema estrutural a ser otimizado, ou seja, é a
função que será maximizada ou minimizada, dependendo do problema.

• Variáveis de Projeto: São variáveis que se alteram ao longo do processo de

otimização e podem ser contínuas (reais) ou discretas (inteiras).

• Restrições de Projeto: São funções de igualdade ou desigualdade que descrevem o

comportamento ou funcionalidade do projeto que são consideradas não desejáveis.

• Espaço de Busca: É o conjunto, espaço ou região que compreende as soluções

possíveis do problema a ser otimizado, sendo delimitado pelas funções de
restrições.

• Ponto Ótimo: É o ponto formado pelas variáveis de projeto que extremizam a

função objetivo e satisfaz as restrições.
Capítulo 2 - Revisão Bibliográfica 19

• Valor Ótimo: É o valor da função objetivo no ponto ótimo.

• Solução Ótima: É a junção formada pelo ponto ótimo e valor ótimo, e podem ser do
tipo local quando o valor ótimo é localizado, e global quando esse valor for global
em uma região viável.

A solução de um problema de otimização depende de alguns fatores que influenciam

diretamente no algoritmo:

• O Problema – onde é determinado com clareza a função objetivo, suas restrições e

quais serão os tipos de variáveis que estarão presentes no projeto a fim de facilitar o
processo de convergência dos resultados;

• O Usuário – ele é quem vai determinar se o algoritmo enquadra na problemática, a

habilidade que tem de lidar com grande quantidade de números e a capacidade de
efetuar mudanças a partir de resultados já obtidos;

• O Algoritmo – é onde ocorre o armazenamento e o processamento dos dados dentro

dos métodos de otimização.

Os métodos podem ser classificados em dois grupos, os Determinísticos, baseados nos

métodos de cálculos, que empregam considerações matemáticas para prever resultados,
onde as decisões obedecem a uma rigorosidade, não havendo oportunidade para decisões
aleatórias, e os Estocásticos ou meta-heurísticas, baseados nos métodos randômicos ou
aleatórios, que tem como características a busca do projeto ótimo por regras
probabilísticas.

Existe uma grande variedade de métodos empregados para solução de problemas de

programação matemática, dentre eles se destacam: Método da Máxima Descida (Steepest
Descent), Método do Gradiente Conjugado, Método de Newton, Método Quase-Newton,
Métodos das Penalidades, Métodos do Langrageano Aumentado, dentre outros (BASTOS,
2004).
Capítulo 2 - Revisão Bibliográfica 20

Mesmo que os métodos matemáticos apresentem um teorema que lhe forneça uma
convergência para a solução ótima, essa solução não será necessariamente a solução ótima
global. Segundo Bastos (2004) isso ocorre porque a solução encontrada por esses métodos
depende extremamente do ponto de partida que foi fornecido, e este é um problema que
vem intrigando os pesquisadores desta área há algum tempo, mas que ainda continua sem
uma solução.
Capítulo 3 – Fundamentos do Algoritmo Genético 21

CAPÍTULO 3

FUNDAMENTOS DO ALGORITMO GENÉTICO

3.1 PRELIMINARES

Com a existência da grande quantidade de problemas físicos e matemáticos que tem como
finalidade a solução de valores extremos de uma determinada função, as resoluções para
tais problemas têm se dirigido para os estudos dos métodos de otimização. Considerada
como uma ferramenta indispensável na análise de soluções de problemas, a otimização
pode maximizar ou minimizar um problema de forma clara e objetiva podendo com isso
melhorar consideravelmente o desempenho de muitos processos das funções pré-
estabelecidas que estejam ou não sujeitas às restrições.

Porém antes do surgimento da utilização do algoritmo genético como ferramenta de busca

de soluções de problemas, alguns pesquisadores já usavam computadores digitais na
tentativa de simular sistemas genéticos associados à evolução. Muitos trabalhos foram
desenvolvidos baseados no princípio da evolução e da hereditariedade, em que esse
sistema possuía uma população de soluções, alguns processos de soluções baseados a
aptidões e alguns operadores genéticos.

Nos últimos anos houve um crescente interesse na busca de resoluções de problemas

empregando os algoritmos. Desta forma, é considerado como um marco nas pesquisas da
utilização da Computação Evolucionista (CE) os Professores da Universidade de Berlim,
Ingo Recenberg e Hans-Paul Schwefel, que desenvolveram no início da década de 60, a
resolução de um problema de otimização que era formado por placas de metal e havia uma
Capítulo 3 – Fundamentos do Algoritmo Genético 22

variação na posição dos apoios. Outros pesquisadores como Holland e Fogel também
contribuíram para o avanço da computação evolucionista.

Através da computação evolucionista, pode-se estabelecer uma ligação que está associada
aos Algoritmos Genéticos (AG), Programação Evolucionista (PE) e Estratégias
Evolucionistas (EE). Todas elas estão baseadas no conceito de população de indivíduos,
em que cada indivíduo representa uma solução potencial do problema e ainda são
manipulados por meios de operadores genéticos, designados de mutação e cruzamento.

Essas três classes de algoritmos evolucionistas, foram de início projetadas para resolver
problemas de otimização em ensaios experimentais. Porém existem diferenças entre elas,
tanto na forma de representação dos indivíduos, quanto na definição do operador genético
(mutação e cruzamento) e ainda na forma de seleção e reprodução.

Um algoritmo evolucionista tem como passo inicial a geração de uma população aleatória
formada de possíveis soluções, que dependendo do problema podem ser simples ou
complexas. Essa população passa por uma avaliação chamada aptidão, que vai refletir na
qualidade da solução, isto é, os membros mais aptos são selecionados enquanto os menos
aptos são descartados. Nessa fase de escolha ficam definidos quem serão os pais e quem
serão os filhos. A partir daí os filhos começam a sofrer recombinação e mutação em suas
características fundamentais gerando novos descendentes para a próxima população. Isso é
repetido inúmeras vezes até que se consiga chegar a uma solução satisfatória, como mostra
a Figura 3-1.

Algoritmo Evolucionista (AE)

Início
t=0
inicialize Pop.(t)
avalie Pop(t)
enquanto não termina processo faça:
Início
t=t+1
selecione Pop(t) a partir de Pop(t+1)
altere Pop(t)
avalie Pop(t)
Fim
Fim
Figura 3-1 − Procedimento de Algoritmos Evolucionistas.
Fonte: MICHALEWICH, (1996 )
Capítulo 3 – Fundamentos do Algoritmo Genético 23

3.2 ALGORITMO GENÉTICO

Algoritmos Genéticos (AGs) são métodos de otimização e busca que utilizam alguns
conceitos da genética e se baseiam na evolução da população de seres vivos. Desenvolvido
pelo pesquisador John Holland, da Universidade de Michigan, na década de 70, foi
inspirado na teoria do princípio da seleção natural e sobrevivência de indivíduos mais
aptos, do naturalista e fisiologista Charles Darwin. Segundo a teoria de Darwin, quanto
melhor for a genética de um indivíduo numa determinada população, melhor será a chance
dele se adaptar ao meio em que está inserido e maior será sua probabilidade de sobreviver
e gerar descendentes, enquanto os indivíduos menos aptos tendem a desaparecer.

Portanto, para Holland um dos pontos principais de sua pesquisa estava em abstrair e
explicar rigorosamente os processos adaptativos dos sistemas naturais e criar programas de
computadores para simular sistemas artificiais, mantendo os mecanismos importantes dos
sistemas naturais (GOLDBERG, 1989). Dessa maneira, direcionou-se a pesquisa para três
pontos: cromossomo, indivíduo e população. Essa divisão foi estabelecida na tentativa de
achar um modo para codificar um cromossomo que representasse um indivíduo em uma
dada população.

De acordo com Man et al (2001) supõe-se que a solução potencial do AG de qualquer

problema está em um indivíduo e, portanto pode ser representado por um conjunto de
parâmetros. Esses parâmetros, são considerados como genes de um cromossomo, podendo
ser estruturados em uma cadeia de valores na forma binária. A geração de um valor
positivo, conhecido como função aptidão, é geralmente usada para refletir o grau da “boa
qualidade” do cromossomo para o problema do qual estaria relacionado com sua função
objetivo.

Os algoritmos genéticos possuem uma eficiência na busca de soluções ótimas, ou próximas

do ótimo, em problemas variáveis, por não impor muitas limitações, o que não ocorre nos
métodos tradicionais de otimização. Sobretudo, os AGs são capazes de identificar e
explorar espaços de busca que convergem para uma solução ótima, ou próxima da ótima
em níveis globais.
Capítulo 3 – Fundamentos do Algoritmo Genético 24

Segundo Oliveira (2004) os AGs são capazes de resolver problemas diferentes e

complexos de otimização explorando a idéia da seleção de indivíduos mais aptos e do
cruzamento de populações visando obter novos e melhores indivíduos. Utilizam uma
estratégia de busca paralela, estruturada e aleatória, voltada em direção à busca de pontos
nos quais a função a ser minimizada ou maximizada tenha valores relativamente baixos ou
altos. Apesar de realizarem uma pesquisa aleatória, para que possam direcionar sua busca,
os AGs utilizam o conhecimento adquirido de gerações anteriores para construir uma nova
geração que irá se aproximar da solução ótima.

3.3 TERMINOLOGIA

Entende-se um Algoritmo Genético como uma metáfora da evolução dos seres vivos, que
incorpora alguns conceitos da genética. Isso explica o porquê dos AGs possuírem muitos
termos originados da biologia. A lista a seguir mostra alguns dos principais termos que são
encontrados na literatura e que serão utilizados ao longo deste trabalho.

• Cromossomo – É a cadeia que representa a estrutura de dados que codifica uma

solução relativa às variáveis do problema, ou seja, um cromossomo representa um
simples ponto no espaço de busca;

• População – É o conjunto de indivíduos que representam possíveis soluções;

• Indivíduos – Um simples membro da população, formado pelo cromossomo e sua

aptidão;

• Gene – É um parâmetro que descreve cada uma das variáveis do problema, e

representa certa característica da solução-cromossomo;

• Genótipo – Na biologia representa a composição genética contida no Genoma. Nos

AGs, representa a informação contida no cromossomo ou genoma;

• Geração – Indica o número de iterações que o algoritmo genético executa durante o

processo evolutivo;
Capítulo 3 – Fundamentos do Algoritmo Genético 25

• Função Aptidão – É a função que mede a adequabilidade de um cromossomo.

3.4 REPRESENTAÇÃO OU CODIFICAÇÃO

Diferentes de outros métodos de otimização, os AGs utilizam uma forma de representação

codificada na identificação das variáveis e seus limites envolvidos no projeto visando a
solução de um problema. Essa representação ou codificação das variáveis do projeto
proporciona um grande impacto no desempenho de busca, que deve ser simples sem perder
as características de representação do problema em questão.

A codificação pode ter várias formas de variáveis em sua representação, como a

representação binária, que é utilizada para problemas de variáveis discretas, a
representação real, utilizada para problemas com variáveis contínuas e a representação
binária que utiliza problemas de variáveis contínuas e vice-versa.

3.4.1 Representação binária e real

A maior parte dos trabalhos já realizados com algoritmos genéticos usou a representação
binária, onde os valores das variáveis são codificados em cadeias de caracteres binários (0
e 1), que representa o gene. O tamanho total desse cromossomo é a soma das subcadeias
que representam as n variáveis do problema. De acordo com Michalewisc (1996), esse tipo
de representação se dá devido ao fato de que aplicações mais apropriadas requeiram
valores discretos.

No caso de uma variável contínua a determinação do número de bits (m) para representar
seus possíveis valores depende do limite inferior (b) e superior (c) do intervalo de valores
que essa variável vai assumir, no domínio do problema, bem como da precisão que a
solução vai requerer, dada pelo parâmetro k. Isso é feito determinando o número inteiro m
que satisfaz a Equação 3.1 (CASTILHO, 2003).

2 m −1 ≤ (c − b )10 k ≤ 2 m − 1 Equação 3.1

Capítulo 3 – Fundamentos do Algoritmo Genético 26

Para ilustrar melhor a utilização da codificação binária, considere um problema que tenha

quatro variáveis x
, x, x, x, em que cada uma delas seja codificada com cinco bits, da
seguinte forma:

x1 = 10100
x 2 = 01001
x 3 = 11010
x 4 = 10001

Supondo que associação destas codificações gerada randomicamente, para uma possível
solução inicial, seria representada através do cromossomo:

s1 = 10100010011101010001

Para que os valores originais das variáveis sejam recuperados, é necessário, portanto um
procedimento de decodificação.

Para uma variável discreta, a decodificação fornece um índice que localiza o valor da
variável numa lista de referência, que representa o espaço de busca para essa variável
(LEMONGE, 1999)

A título de ilustração, seja x1 = 101 . Sua decodificação vai indicar que o índice

IND = 1 × 2 2 + 0 × 21 + 1 × 2 0 = 5 , que apontará para quinta variável discreta do espaço de

busca dessa variável.

Para as variáveis contínuas tem-se a decodificação:

L xU − x L
x = x + IND × nb
2 −1

É importante ressaltar que a escolha do número de bits para cada variável, o tamanho do
cromossomo e sua decodificação, dependerá de cada problema.

A escolha desses bits para codificar uma variável discreta pode ser da seguinte forma:
(Equação 3.2)
Capítulo 3 – Fundamentos do Algoritmo Genético 27

2 nb = nv Equação 3.2

onde nb é o número de bits e nv o número de possíveis valores assumidos.

Já para uma variável contínua, a decodificação fornece um valor real mostrado na Equação
3.3:

x k = x LI + IND × ε
x LS − x LI Equação 3.3
ε=
2 nb − 1

onde x LI e x LS são os limites superior e inferior do espaço de busca.

E conseqüentemente o número de bits que são necessários para que a precisão de ε seja
garantida é dado pela Equação 3.4:

x LS − x LI Equação 3.4
nb ≥ log 2
ε

Portanto, com relação a qual tipo de codificação usar, Goldberg (1990) apud Bastos (2004)
sugere que, enquanto a codificação real pode não prejudicar o processo genético em alguns
problemas e pode ser igualmente útil em outros, podem existir problemas onde a
codificação real adicione “barreiras” para a busca do ótimo global. Contudo, a codificação
real parece ser uma substituição natural da codificação binária, tão logo os teoremas de
desempenho possam ser comprovados.

3.5 POPULAÇÃO INCIAL

Definido o processo de codificação, realiza-se a geração da população inicial, que é a

representação de um conjunto de possíveis soluções do problema. Essa população pode ser
gerada de muitas maneiras, mas geralmente é feita de forma aleatória, embora existam
ocasiões em que é necessária a seleção heurística desta população, introduzindo já no
início um ou mais indivíduos que sejam “interessantes”, como por exemplo, soluções
Capítulo 3 – Fundamentos do Algoritmo Genético 28

aproximadas conhecidas que contenham alguma informação prévia (LEMONGE, 1999;

CASTRO 2001).

Goldberg (1989) afirma que vários trabalhos já realizados comprovam que a geração da
população inicial não é um ponto crítico, desde que haja indivíduos suficientemente
variados que cubram bem o espaço de busca do problema.

Pode ser interessante utilizar uma população inicial maior que a população que será
utilizada nas gerações seguintes visando dessa forma uma melhor representação do espaço
de busca.

Existe ainda uma técnica denominada “seeding” que pode ser de grande valia em muitos
problemas práticos. Esta consiste em colocar na população inicial soluções encontradas por
outros métodos de otimização. Isto garante que a solução gerada pelo AG não seja pior que
as soluções geradas pelos outros métodos (LACERDA e CARVALHO, 1999).

3.6 FUNÇÃO APTIDÃO

Na busca de um indivíduo melhor dentro do processo evolutivo, é importante ressaltar duas

questões. Qual a diferença entre uma boa e uma má solução? E qual a melhor forma de
quantificá-la?

Diz-se que a boa solução é aquela em que os indivíduos possuem alta aptidão, ou seja, é a
solução que melhor atende ao problema especificado, sendo a função aptidão a forma de se
medir e distinguir essas soluções.

A necessidade de avaliação da população é feita através da função aptidão, que avalia a

capacidade de sobrevivência dos indivíduos da população durante o processo evolutivo.
Esta medida serve como base para a classificação dessas soluções indicando a sua
qualidade, ou seja, suas chances de passar para a geração seguinte.

Cada indivíduo possui um valor aptidão que está associado a ele. Para um problema de
otimização com restrições estruturais, a função aptidão pode ser definida como mostra a
Equação 3.5.
Capítulo 3 – Fundamentos do Algoritmo Genético 29

F ( x) = f ( x) + pen( x) Equação 3.5

em que f (x) é a função objetivo e pen(x) é conhecida como função penalidade. Em geral
a função objetivo está ligada direta ou indiretamente ao critério econômico, e a função
penalidade está ligada às restrições.

Segundo Castilho (2003) se não houver nenhum problema de violação às restrições, o valor
da função aptidão será o próprio valor da função objetivo, sendo que o valor da função
penalidade não será considerado. As funções penalidades serão abordadas mais adiante. A
maior dificuldade quando se utiliza AG, é de definir a função penalidade que tem relação
direta com o próprio problema.

3.7 SELEÇÃO

O processo de seleção foi inspirado no princípio da “sobrevivência do mais apto”, onde os

indivíduos com melhores aptidões têm uma maior chance de serem copiados para uma
população intermediária ou “mating pool” de onde serão aleatoriamente escolhidos para
serem reproduzidos. E os indivíduos menos aptos são descartados. Existem muitos
métodos de seleção de indivíduos implementados na prática dos AGs, portanto, serão
apresentados apenas os principais: seleção rank, seleção da roleta e seleção por torneio.

• Seleção rank: essa seleção é feita pela classificação do valor da função aptidão, onde o
primeiro indivíduo do rank e o último receberão valores de aptidão arbitrários, sendo
que os indivíduos em melhor posição terão maiores chances de reprodução. As demais
aptidões são obtidas pela interpolação desses dois extremos através de uma reta dada
pela Equação 3.6.

2rα
pα = Equação 3.6
N pop (N pop − 1)

onde N pop é a posição do melhor valor da função aptidão, N pop − 1 o pior valor da função

aptidão do rank, α é o indivíduo e rα o valor no rank.

Capítulo 3 – Fundamentos do Algoritmo Genético 30

• Seleção da roleta: este método de seleção foi proposto por Holland em 1975, e ainda
hoje é um dos mais implementados. É comparado com um esquema de escolha
realizado através de sorteio de uma roleta em que cada indivíduo representa de forma
proporcional seu grau de aptidão, ou seja, os indivíduos que tem melhor grau de
aptidão recebem uma parcela maior na roleta, e os que têm menor aptidão uma parcela
menor na roleta. A probabilidade de seleção p i de um indivíduo com aptidão Fi , em

uma população de tamanho N pop está mostrada na Equação 3.7.

Fi
pi = N pop Equação 3.7
∑F
i =1
i

A partir da Equação 3.7 calcula-se a probabilidade acumulada q i de cada indivíduo, como

mostra a Equação 3.8.

i
qi = ∑ pi Equação 3.8
j =1

Durante o processo de seleção gira-se a roleta N pop vezes, elegendo os indivíduos que irão

fazer parte da nova população. Girar a roleta significa que será gerado aleatoriamente um
número r ∈ [0,1] . Se r ≤ q i diz-se que o primeiro indivíduo foi selecionado, de outra forma

é selecionado o i-ésimo indivíduo, de tal forma que q i −1 < r < q i . A Tabela 3-1 e a Figura
3-2 apresentam um exemplo de utilização desse método de seleção.

Tabela 3-1 – Seleção Roleta.

Nova
População f(x) pi qi r
População
1 169 0,14 0,14 0,30 2
2 576 0,49 0,63 0,88 4
3 64 0,06 0,69 0,35 2
4 361 0,31 1,00 0,11 1
∑f(x)=1170
Capítulo 3 – Fundamentos do Algoritmo Genético 31

0,14
0,31

0,06
0,49

Figura 3-2 – Seleção pelo Método da Roleta

Fonte: GOLDBERG, (1989)

Esse método de seleção pode gerar problemas como convergência prematura.

• Seleção por torneio: tem a idéia de promover um torneio entre um grupo de N

indivíduos de uma população escolhidos de forma aleatória, no qual o indivíduo que
tem a melhor aptidão é selecionado para a população intermediária. O processo se
repete até completar a população intermediária.

3.8 OPERADORES GENÉTICOS

Os operadores genéticos têm a finalidade de transformar a população ao longo de suas

gerações, melhorando as características de aptidão adquirida nas gerações anteriores.
Portanto são extremamente importantes à medida que diversifica o espaço de busca,
possibilitando a exploração de diferentes pontos do domínio do problema. Os principais
operadores são cruzamento (ou crossover) e mutação.

3.8.1 Operador Cruzamento (crossover)

O cruzamento na biologia significa misturar os cromossomos de dois pais gerando um

novo cromossomo com características de ambos os pais. No AG o procedimento é o
mesmo, ou seja, combina-se parte de dois indivíduos aleatoriamente de grupos de pais em
potencial permitindo que seus descendentes herdem seus materiais genéticos.
Capítulo 3 – Fundamentos do Algoritmo Genético 32

O cruzamento é aplicado com uma determinada probabilidade para cada par de

cromossomos selecionados. Isso na prática denomina-se taxa de cruzamento Pc que varia
entre 60% e 90% podendo ocorrer ou não o cruzamento.

Este operador pode ser utilizado de várias formas, onde as mais empregadas são:

• Cruzamento de um ponto: é o operador mais clássico dentro dos algoritmos

genéticos. Sua função é selecionar aleatoriamente um ponto de cruzamento e a
partir deste ponto são feitas as trocas de informações genéticas dos pais,
promovendo a recombinação de material genético entre eles, gerando os filhos. O
exemplo abaixo ilustra bem este procedimento (Figura 3-3).

Figura 3-3 – Cruzamento de um ponto

• Cruzamento de multipontos: é a generalização de idéias de trocas de material

genético usando mais de um ponto, como mostra a Figura 3-4.

Figura 3-4 – Cruzamento de multipontos

• Cruzamento uniforme: para este caso, cada par de pais é gerada uma máscara de
bits aleatórios que indicarão a troca do material genético. A codificação dos filhos é
Capítulo 3 – Fundamentos do Algoritmo Genético 33

obtida pela troca ou não de bits dos pais. Se a máscara tiver o bit 1 acontecerá a
troca que corresponde à sua posição, se for o bit 0 não ocorrerá nada (Figura 3-5).

Figura 3-5 – Cruzamento de multipontos.

3.8.2 Operador mutação

O operador mutação tem a finalidade de introduzir e manter a diversidade genética de uma

população, alterando de forma arbitrária um ou mais componentes de uma dada estrutura.
Assim sendo, a mutação assegura que a probabilidade de examinar qualquer ponto do
espaço de busca nunca seja zero, e também contorna o problema de mínimos locais.

Esse operador é aplicado a indivíduos com uma probabilidade dada pela taxa de mutação
Pm que deve ser pequeno (0,001 ≤ Pm ≤ 0,1) . Esta probabilidade refere-se ao total de bits
da população que deverá ser mutacionada.

Além de permitir que o algoritmo faça buscas em diferentes regiões do espaço, o processo
de mutação protege o algoritmo da perda de material genético potencialmente útil pela
aplicação dos operadores reprodução e recombinação (SOUZA JR., 2005).

O operador de mutação muda os valores dos bits, ou seja, inverte o valor de um dado bit de
1 para 0 e vice-versa. O exemplo desse operador é ilustrado na Figura 3-6.

Figura 3-6 – Exemplo de mutação.

Capítulo 3 – Fundamentos do Algoritmo Genético 34

3.9 CRITÉRIOS DE PARADA

Existem vários critérios de parada que são utilizados pelos AGs. Dentre eles, os principais
encontrados na literatura são:

• Quando o AG atingir um dado número de gerações (ou avaliações), interrompe-se o

processamento;

• Se o valor ótimo da função objetivo for conhecido, o critério de parada é a chegada

a este valor durante o processamento;

• Convergência, isto é, quando não ocorre melhoramento significativo no

cromossomo de maior aptidão por um dado número de gerações, para-se o
processamento.

3.10 PARÂMETROS QUE INFLUENCIAM OS AGS

Um dos aspectos mais importantes nos algoritmos genéticos são as escolhas das
configurações adequadas de seus parâmetros, taxa de cruzamento, taxa de mutação e
tamanho da população, pois disto depende a sua eficiência.

O tamanho da população indica o número de indivíduos de cada população que é

normalmente constante durante a evolução. O tamanho também afeta o desempenho global
e a eficiência dos AGs, pois influencia na identificação das soluções ótimas. Um tamanho
de população alto tem a tendência de levar a uma diversidade de indivíduos, pois a
cobertura do espaço de busca é mais representativa e auxilia na prevenção de problemas de
convergência prematura. No entanto, são necessários maiores recursos computacionais,
pois quando se trabalha com grandes populações o tempo de processamento aumenta.
Assim, uma população pequena pode ter seu desempenho afetado de forma significativa,
pois a cobertura do espaço de busca é limitada, havendo, conseqüentemente, uma grande
chance do algoritmo genético não conseguir obter a solução ótima global.

Com relação à taxa de cruzamento, se o valor for muito baixo, a convergência do algoritmo
por ser muito lenta. Quando essa taxa for maior, serão introduzidas novas estruturas mais
Capítulo 3 – Fundamentos do Algoritmo Genético 35

rapidamente na população, mas se essa taxa for demasiadamente alta, podem ocorrer
perdas de indivíduos com boas aptidões, pois a quebra desses indivíduos pode acarretar
perda de material genético.

A mutação é empregada para se fornecer novas informações dentro das populações,

prevenindo que as mesmas se saturem com indivíduos que sejam parecidos à medida que
visa aumentar sua diversidade populacional e possibilitar uma maior área do espaço de
busca. Se essa taxa for muito alta a busca se torna essencialmente aleatória e pode vir a
destruir bons indivíduos.

3.11 TRATAMENTO DAS RESTRIÇÕES

Na engenharia, problemas com restrições em algoritmo genético tem sido tratado com
certa atenção. É óbvio que o tratamento adequado das restrições do problema também é um
ponto crítico, não só devido às restrições delimitarem o espaço de busca, mas também
porque um bom tratamento das mesmas pode melhorar a eficiência do algoritmo genético.

Muitas técnicas de tratamento para restrições são encontradas na literatura, podendo ser
agrupadas através do tipo de algoritmo, tipo de restrições e tipo de problema. Na maioria
das vezes as estratégias estão associadas a algum tipo de procedimento, como a utilização
de funções penalidades, de operadores especiais de técnicas de otimização multiobjetivo,
de métodos de co-evolução, operadores de reparo, entre outros. Abaixo estão abordadas as
principais técnicas para tratamento de restrições.

• Estratégia de rejeição: é caracterizada por descartar as soluções infactíveis criadas

ao longo do processo de otimização, ou seja, são aquelas que não satisfazem
alguma restrição. Esta forma de estratégia pode trabalhar razoavelmente bem uma
vez que seu espaço de busca seja convexo, de outra forma pode apresentar em
muitos casos dificuldades nos problemas de otimização.

• Estratégia de reparação: reparar um indivíduo consiste basicamente em transformar

esse indivíduo infactível em factível através de uma estratégia de reparação que é
fortemente dependente do problema em questão. Essa estratégia depende do
processo determinístico de reparação que possibilita a conversão de filhos
Capítulo 3 – Fundamentos do Algoritmo Genético 36

infactíveis em filhos factíveis. Ainda relevante lembrar que, em muitos problemas

de otimização, o processo de reparação de indivíduos infactíveis pode ser tão
complexo quanto à solução do problema original, que de certa forma inviabiliza o
emprego dessa técnica.

• Estratégia de penalidade: é normalmente encontrada em problemas que possuem

número razoavelmente elevado de restrições, isso por que nesse caso, um grande
número de soluções infactíveis compõe a população. Tais casos, soluções factíveis
são difíceis de serem geradas se a pesquisa genética for confinada dentro das
regiões factíveis. Assim sendo, a estratégia de penalidade é um tipo de técnica que
trabalha com soluções infactíveis durante o processo de otimização.

3.12 FUNÇÃO PENALIDADE

A grande dificuldade no uso do algoritmo genético é como escolher a função penalidade a

ser utilizada no problema de otimização, pois a função penalidade deve acelerar a
convergência, evitando que o término seja prematuro. Essa técnica é usada para manter
certa quantidade de soluções infactíveis em cada geração, a fim de guiar a pesquisa
genética para uma solução ótima. Portanto a questão é encontrar a maneira mais adequada
de se quantificar a violação das restrições em termos das penalidades, ou seja, os
indivíduos de uma determinada população que não respeitarem uma determinada restrição
serão penalizados, tendo sua avaliação dada pela função aptidão diminuída desta
penalidade.

O principal objetivo para se formular uma função penalidade é que ela possa conduzir
efetivamente a busca em direção a sub-regiões promissoras do espaço de solução. Segundo
Gen e Geng (1997) apud Oliveira (2004) existem duas maneiras de se construir a função
de aptidão com uma parcela relativa à penalização. As Equações 3.9 e 3.10 mostram essas
duas maneiras:

F ( x) = f ( x) + pen( x) Equação 3.9

onde f (x) é a função objetivo do problema e pen(x) é a função penalidade.

Capítulo 3 – Fundamentos do Algoritmo Genético 37

Nesta situação, se x for factível, pen (x) = 0, do contrário pen (x)>0.

F ( x) = f ( x) × pen( x) Equação3.10

Neste caso, se x for factível, pen (x) = 1, do contrário, pen (x) > 1.

3.13 VANTAGENS DO AGS

Os algoritmos genéticos têm sido empregados em problemas complicados de otimização.

As principais vantagens desse método são:

• Funcionam tanto como parâmetros contínuos como discretos ou uma combinação

dos dois;

• Realizam buscas simultâneas em várias regiões do espaço de busca (pois trabalham

com uma população e não um único ponto);

• Utilizam informações de custo ou recompensa e não derivadas ou outro

conhecimento auxiliar;

• Não é necessário conhecimento matemático aprofundado do problema considerado;

• Otimizam um número grande de variáveis;

• Otimizam parâmetros de funções objetivos com superfícies complexas e

complicadas, reduzindo a incidência de mínimos locais;

• Adaptam-se bem a computadores paralelos;

• Trabalham com uma codificação do conjunto de parâmetros e não com os próprios

parâmetros;

• Fornecem uma lista de parâmetros ótimos e não uma simples solução;

Capítulo 3 – Fundamentos do Algoritmo Genético 38

• Trabalham com dados gerados experimentalmente e são tolerantes a ruídos e dados

incompletos;

• São fáceis de serem implementados em computadores;

• São modulares e portáteis, no sentido que o mecanismo de evolução é separado da

representação particular do problema considerado. Assim, eles podem ser
transferidos de um problema para outro;

• São flexíveis para trabalhar com restrições arbitrárias e otimizar múltiplas funções
com objetivos conflitantes;

• São também facilmente hibridizados com outras técnicas heurísticas e

determinísticas.

3.14 DESVANTAGENS DOS AGS

• Dificuldade de achar o ótimo global exato;

• Requer um grande número de avaliação da função aptidão;

• Grandes possibilidades de configurações, o que pode complicar a resolução do

problema tratado.
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 39

CAPÍTULO 4

ALGORITMO GENÉTICO APLICADO A

ESTRUTURAS PLANAS DE MADEIRA

4.1 VARIÁVEIS DE PROJETO

Para que a representação de um problema vise uma solução que contenha o Algoritmo
Genético (AG) como meio de resolução, é necessário que haja inicialmente a identificação
das constantes e das variáveis de projeto, seus limites, e que a função objetivo seja
definida. Essa representação pode ser feita de forma binária e real. Sendo as variáveis do
problema em estudo discretas, a forma escolhida para a representação foi a real, devido a
facilidade na interpretação do código do programa computacional.

A função objetivo de minimização depende das seguintes constantes de projeto:

• C: comprimento da cobertura;

• L: largura da cobertura;

• H: altura dos pilares;

• Propriedades físicas e mecânicas dos materiais.

Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 40

mi: (sendo mi.L igual ao comprimento do módulo i e 2
mi = 1,00 , onde m é o

m/2
•
i =1

número total de módulos da treliça);

E das seguintes variáveis de projeto:

• θ: ângulo de inclinação da treliça;

• A: área da seção transversal (pode ser definida pelo usuário ou as disponíveis no

mercado).

Se o parâmetro da área (A) for definido pelo usuário, o mesmo assumirá dois valores
distintos, um para a base (b) e outro para a altura (h), ficando assim com duas variáveis.
Mas, se o parâmetro da área (A) assumir os valores cadastrados no banco de dados do
programa, haverá então, somente uma variável, a posição da seção transversal no banco de
dados.

4.2 FUNÇÃO OBJETIVO

Neste trabalho, a função objetivo que será minimizada está na escolha do tipo de treliça
que consuma o menor volume de peças de madeira. Para tanto, a Equação 4.1 define os
parâmetros necessários os cálculos da função objetivo.

Função objetivo – consumo do volume de madeira

f = L× A Equação 4.1

n
onde L = ∑ li
i =1

A Figura 4-1 ilustra um exemplo de treliça com suas constantes e variáveis.

Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 41

y
s
rça
Te θ
x
li

Figura 4-1 – Exemplo de treliça com suas constantes e variáveis

4.3 FUNCIONAMENTO DO ALGORITMO GENÉTICO

Para se ter uma boa eficiência dos operadores genéticos utilizados nos AGs, trabalhando de
forma adequada, é necessário que as soluções de problemas empregando o algoritmo
genético exijam que suas variáveis de projeto estejam bem representadas. Neste trabalho,
adotou-se trabalhar com as seguintes variáveis de projeto: m, θ e A, em representação real.
O modelo que será estudado neste trabalho permitirá que se use tanto o banco de dados
contendo as seções transversais de madeira encontradas no mercado, como também
permitirá que sejam adotados valores para a largura e altura da seção transversal dos
elementos.

Dessa forma, já definidas as variáveis de projeto, passa-se para o segundo passo que será
criar um espaço de busca, isto é, os possíveis valores que serão assumidos pelas variáveis.
É nessa etapa que o usuário fornece os valores exigidos pelo programa de otimização OTP,
que são os seguintes: o número de módulos na direção x (m máx ) e os ângulos de inclinação

máximo e mínimo (θ máx e θ mín ) . Foi introduzido no programa OTP um banco de dados com
algumas seções transversais, que podem ou não ser usadas pelo usuário, ou o usuário do
programa pode definir os valores para a seção transversal desejada. Foram introduzidos
também as propriedades físicas e geométricas da madeira que são necessárias para o
cálculo do dimensionamento das peças.

A distância entre uma terça e outra, pode ser feita assumindo valores de forma aleatória,
portanto, é necessário que seja fornecido ao algoritmo um comprimento máximo para as
peças de madeira. Essa restrição do tamanho máximo da peça vai evitar que o algoritmo
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 42

perca tempo fazendo buscas em regiões do espaço de busca inviáveis. Contudo, o menor
valor que a variável m poderá assumir é obtido pela Equação 4.2.

L
m mín = Equação 4.2
2l máx

onde L é o comprimento total da treliça, lmáx é o comprimento parcial entre um montante

e outro.

Para se ter um melhor entendimento do funcionamento do programa em uma visão global,

é mostrado no exemplo abaixo alguns valores adotados para a execução do software. A
Figura 4-2 ilustra a tela principal do programa de otimização computacional OTP.

Figura 4-2 – Tela principal do programa de otimização computacional – OTP

Adotou-se, portanto, um comprimento da cobertura de C=1000cm, uma largura da

cobertura de L=2000cm e a altura dos pilares de h=500cm. Ainda foi fornecido ao AG os
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 43

valores de m máx = 12 , onde m=m/2=6, θ máx = 45º e θ mín = 25º , gerando o seguinte espaço
de busca.

m 6 8 10 12
posição 1 2 3 4

θ 25 26 27 28 29 30 ... 40 41 42 43 44 45
posição 1 2 3 4 5 6 ... 16 17 18 19 20 21

Para os valores assumidos pelo parâmetro da área da seção transversal (A), o número
máximo cadastrado no banco de dados é de 1 a 7. Lembrando, portanto, que o usuário tem
liberdade para inserir os valores que desejar às dimensões da peça que o mesmo deseja
utilizar em seu projeto.

A (b×h) 5×5 5×7 5×11 5×15 8×20 8×25 8×30

posição 1 2 3 4 5 6 7

Simulando um funcionamento dos AGs será usada uma população de 5 indivíduos. Sendo
que a inicialização dos parâmetros será aleatória.

A
m θ
(b×h)
I 1= 6 25 1
posição 1 2 3

A
m θ
(b×h)
I 2= 8 25 5
posição 1 2 3

A
m θ
(b×h)
I 3= 10 30 3
posição 1 2 3

A
m θ
(b×h)
I 4= 10 35 2
posição 1 2 3
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 44

A
m θ
(b×h)
I 5= 12 25 4
posição 1 2 3

Dessa forma, para cada valor assumido pelos indivíduos os valores da função objetivo são
apresentados usando a Equação 4.1, que são:

f ( I 1 ) = 25 .000
f ( I 2 ) = 160 .000
f ( I 3 ) = 55 .000
f ( I 4 ) = 35 .000
f ( I 5 ) = 200 .000

Associada à função objetivo tem-se a função avaliação, que tem por finalidade associar um
valor numérico, chamado de índice de aptidão, a cada indivíduo da população. Essa função
deve ter o cálculo sempre de forma rápida para que a mesma consiga fazer a avaliação de
todos os indivíduos da população, o que faz com que gere um esforço computacional muito
grande.

Como se trata de um processo de minimização, o cálculo do índice de aptidão (a) é feito

usando a Equação 4.3:

F
ai = Equação 4.3
fi

onde F é o somatório das funções objetivo, e fi a função objetivo de cada indivíduo.

Portanto tem-se o seguinte valor dos índices de aptidão de cada indivíduo com um
5
F = ∑ f (I i ) = 475.000 :
i =1

a1 = 19
a 2 = 2,98
a 3 = 8,63
a 4 = 13,57
a 5 = 2,37
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 45

A probabilidade de seleção de cada indivíduo foi determinada usando a definição de que

essa probabilidade é proporcional ao índice de aptidão, como mostra a Equação 4.4:

ai
pi = Equação 4.4
Si

sendo que ai é o índice de aptidão de cada indivíduo da população, e Si é o somatório desse

índice.

Portanto, têm-se os seguintes valores de probabilidade para cada indivíduo com

5
S = ∑ a (I i ) = 46,55 .
i =1

p1 = 0,41 p 2 = 0,064 p 3 = 0,185 p 4 = 0,29 p 5 = 0,051

Dos indivíduos gerados acima, o que melhor apresentou índice de adaptação foi o
indivíduo (I 1 ) , que possui o menor valor da função objetivo.

A próxima etapa é indicar a posição das terças, peso próprio e ação do vento. Contudo, a
ação do vento e o carregamento permanente da peça, são gerados automaticamente pelo
programa de otimização. As Figuras 4.3 e 4.4 mostram a tela de definição do carregamento
da estrutura.

Figura 4-3 – Tela de entrada para a definição da ação do vento.

Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 46

Figura 4-4 – Tela de entrada do peso próprio das telhas e posição

das terças.

Na tela de entrada da ação do vento, aparece uma tela que o usuário deve escolher para a
determinação dos coeficientes de forma interno. Essa escolha pode ser feita para quatro
casos específicos: duas faces opostas igualmente permeáveis, quatro faces permeáveis,
abertura dominante em uma das faces e estrutura estanque. De acordo com a escolha do
usuário, abrirá outra tela ou não. Se por exemplo o usuário escolher as “duas faces opostas
igualmente permeáveis” o software abrirá a seguinte tela, como mostra a Figura 4-5.

Figura 4-5 – Ilustração da tela “duas faces

igualmente permeáveis”.
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 47

Depois de feita a geração dessas solicitações, passa-se para a escolha da estrutura que se
deseja otimizar, determinando suas propriedades físicas, que já estão arquivadas e são
geradas automaticamente quando se escolhe o tipo de madeira e sua classe de resistência.
Esses valores estão calculados de acordo com a NBR 7190 (ABNT, 1997). A Figura 4-6
ilustra essa tela, mostrando todos os valores de uma madeira do tipo dicotiledônea, classe
C-40, com todos os seus coeficientes devidamente majorados conforme a determinação da
norma.

Figura 4-6 – Ilustração da tela de propriedades físicas da madeira.

Conhecidos todas as propriedades físicas da madeira e propriedades da peça, é feito o

cálculo do dimensionamento, verificando se a estrutura melhor adaptada ao problema
atende todos os critérios exigidos em norma. Caso isso não ocorra, a estrutura é descartada
da população, impondo seu índice de aptidão igual a zero. Neste instante, é dimensionada a
segunda estrutura melhor adaptada. Este procedimento é realizado até que uma estrutura
passe por todas as recomendações exigidas pela NBR 7190 (ABNT, 1997).

As Figuras 4.7, 4.8 e 4.9 ilustram a configuração de esforços e dos carregamentos impostos
à estrutura. É importante ressaltar, que mesmo os carregamentos a serem distribuídos ao
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 48

longo de toda a estrutura, foi considerado apenas carregamento aplicado como forças
concentradas sobre as terças.

pp + sc

Figura 4-7 – Carregamento da estrutura pela ação do peso próprio (pp) e sobrecarga (sc)

W
W

Figura 4-8 – Carregamento da estrutura pela ação do vento.

Detalhe 1

θ
h
N cos θ

b
Seção transversal
Detalhe 1
Figura 4-9 – Ilustração dos esforços.
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 49

Os parâmetros definidos na Figura 4-7 à Figura 4-9 correspondem às seguintes ações:

• pp – peso próprio da estrutura;

• sc – sobrecarga;

• W – carregamento devido a ação do vento;

• N – esforço normal de compressão;

• θ – ângulo de inclinação da cobertura;

• b – largura da seção transversal;

• h – altura da seção transversal.

Contudo, é esperado que com a configuração da estrutura adotada e com suas dimensões
geométricas, a distribuição dos esforços nas peças seja distribuída por toda estrutura. O
dimensionamento é feito de forma em que a solicitação da estrutura é menor ou igual a sua
resistência, ou seja, é garantir que tenha um segurança estrutural para que a estrutura não
entre em colapso.

Depois de se fazer a avaliação dos indivíduos da população faz-se a seleção dos mesmos,
utilizando os métodos seleção. O método escolhido para ser usado neste trabalho, dentre os
muitos métodos vistos no Capítulo 3, é o método da roleta. É na fase da seleção que os
indivíduos com maiores valores de probabilidade (p), têm maiores chances de serem
escolhidos para as próximas gerações, e os com menores valores tendem a desaparecer nas
futuras gerações.

Considera-se que o indivíduo I passou por todos os critérios do dimensionamento,

portanto, os valores obtidos para suas probabilidades acumuladas são:
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 50

q1 = p1 = 0,41
q2 = p2 + q1 = 0,474
q3 = p3 + q2 = 0,659
q 4 = p 4 + q 3 = 0,949
q5 = p5 + q4 = 1,00

Sabe-se, contudo que a seleção é feita a partir da escolha de cinco números aleatórios que
variam entre 0 e 1, sendo eles iguais a 0,95; 0,19; 0,60; 0,45 e 0,20.

Diante dos números escolhidos, pode-se concluir que os novos indivíduos serão da
seguinte forma. O primeiro número é maior que q 4 , isso indica que o indivíduo I 4 foi
escolhido. O segundo número é menor que q1 , indica que o indivíduo I 1 foi escolhido. O
terceiro número é maior que q 2 e menor que q 3 , indicando que I 3 foi escolhido. O quarto

número é maior que q1 e menor que q 2 , escolhendo assim o indivíduo I 2 , e por fim, o
quinto número é menor que q1 sendo escolhido o indivíduo I 1 . Sendo excluído o
indivíduo I 5 , porque possuía valores de probabilidades menores.

I '1 = I 4 10 35 2
posição 1 2 3

I '2 = I1 6 25 1
posição 1 2 3

I ' 3 = I 3 10 30 3
posição 1 2 3

I '4 = I 2 8 25 5
posição 1 2 3

I '5 = I1 6 25 1
posição 1 2 3

Feita a seleção dos indivíduos que passarão para a próxima geração, são aplicados nesta
fase, os operadores genéticos, a recombinação (crossover) e a mutação. A recombinação é
feita de forma simples, ou seja, esta operação consiste apenas em trocar o material genético
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 51

dos indivíduos dois a dois, ressaltando que essa escolha é aleatória. Considerando que seja
trocado o material genético apenas dos indivíduos I 2 e I 3 tem-se:

I '2 = 6 25 1
posição 1 2 3

I '2 = 6 25 1
posição 1 2 3

Admitindo-se que as amostras sejam:

Amostra 1 2 1 1
Amostra 2 1 2 1

Ficando os novos indivíduos da seguinte maneira:

I "2 = 10 25 1
posição 1 2 3

I "3 = 6 30 1
posição 1 2 3

Passando assim a ficar a nova população:

I "1 = 10 35 2
posição 1 2 3

I "2 = 10 25 1
posição 1 2 3

I "3 = 6 30 1
posição 1 2 3

I "4 = 8 25 5
posição 1 2 3

I "5 = 6 25 1
posição 1 2 3

O passo seguinte é fazer a mutação, isto é, é alterar o valor de um gene escolhido de forma
aleatória dentro do conjunto de genes de toda a população. Esse operador de mutação é
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 52

aplicado aos indivíduos com uma probabilidade dada pela taxa de mutação p m , sendo que
o valor dessa taxa é pequeno e indica a quantidade de genes que serão mudados na
população. O valor adotado para p m = 0,05 , tendo um total de 20 genes e somente um
sofrerá a mutação. Dessa forma o gene escolhido foi o da posição em destaque.

I "1 = 10 35 2
posição 1 2 3

I "2 = 10 25 1
posição 1 2 3

I "3 = 6 30 1
posição 1 2 3

I "4 = 8 25 5
posição 1 2 3

I "5 = 6 25 1
posição 1 2 3

O parâmetro 3 tem um limite que varia de 1 a 7. Assim sendo, gera-se um número aleatório
dentro desse intervalo, encontrando um novo valor para esse parâmetro de n var = 4 ,
ficando a nova população:

I "'1 = 10 35 2
posição 1 2 3

I "' 2 = 10 25 1
posição 1 2 3

I " '3 = 6 30 4
posição 1 2 3

I "' 4 = 8 25 5
posição 1 2 3

I "'5 = 6 25 1
posição 1 2 3
Capítulo 4 – Algoritmo Genético Aplicados a Estruturas Planas de Madeira 53

Após ter feito todos os procedimentos anteriores, aplica-se ainda o método do elitismo, em
que o melhor indivíduo é inserido na geração seguinte. Esta fase representa o fim de uma
iteração, com isso, retorna-se ao cálculo da função objetivo, agora com os novos
indivíduos, e repete-se todo o processo até chegar a uma população ótima. A Figura 4-10
ilustra um esquema simplificado do funcionamento do algoritmo genético.

Início (Dados iniciais)

População
inicial

Avaliação

Geração da Indivíduo
estrutura melhor
adaptado

Carregamento da
estrutura

Elitismo Dimensionamento Não Aplica-se

da estrutura penalidade

Sim

Interação = Máxima Sim

geração Fim

Não

Seleção

Recombinação

Mutação

Figura 4-10 – Fluxograma do algoritmo genético implementado.

Fonte: SOUZA (2005).
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 54
Treliças de Madeira

CAPÍTULO 5

ANÁLISE DA EFICIÊNCIA DE MODELOS

ESTRUTURAIS PARA O DIMENSIONAMENTO DE
TRELIÇAS DE MADEIRA

5.1 PRELIMINARES

Neste capítulo serão mostrados os resultados obtidos pelas análises aplicadas em três
modelos de estruturas de treliças planas, que estão subdivididas em quatro casos. Será feita
uma comparação dos valores encontrados, objetivando conhecer a melhor estrutura
necessária para as ações aplicadas e as condições impostas.

Para se ter um bom desempenho mecânico da estrutura é importante entender sua

configuração estrutural, ou seja, sua geometria. Para tanto, faz-se necessário conhecer de
forma detalhada qual a influência das variáveis de projeto pré-estabelecidas para o
comportamento estrutural das estruturas em estudo.

Para treliças planas de madeira foi avaliada a influência dos parâmetros do ângulo de
inclinação da cobertura e a posição das terças, bem como a distância entre as treliças e a
relação do comprimento e largura da área coberta. Portanto, é esperado dessa forma, uma
diminuição do volume de madeira para os modelos estruturais estabelecidos, que mostrem
uma melhor capacidade de resistir aos esforços solicitantes.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 55
Treliças de Madeira

As estruturas treliçadas planas foram modeladas por meio do programa de otimização

OTP, onde num processo iterativo de 100 gerações de uma população estimada de 50
indivíduos, foi encontrada a estrutura com a melhor configuração geométrica em função do
menor volume das peças de madeira. Esta otimização está diretamente ligada ao
comportamento mecânico da estrutura, onde todas as barras da estrutura são dimensionadas
de acordo com a ABNT NBR 7190:1997. Numa etapa suplementar o programa de cálculo
estrutural GESTRUT auxilia na análise dos dados para a estrutura específica escolhida,
onde podem ser avaliados com maior especificidade os esforços solicitantes e
deslocamentos máximos, bem como o índice de aproveitamento da seção transversal.

A Tabela 5-1 mostra os valores aplicados aos parâmetros geométricos e as propriedades

mecânicas e propriedades do material madeira, comuns aos modelos analisados. Com esses
valores, o programa de otimização OTP, fará as iterações, e a cada iteração será
selecionado o indivíduo mais apto ao problema de otimização. Tomando os valores de suas
variáveis, são gerados os dados geométricos, ou seja, posição dos nós, incidência de barras
e restrições de apoio. Após esta etapa, o programa OTP utiliza os valores fornecidos pelo
usuário (Tabela 5-2), selecionando no banco de dados os valores dos coeficientes que
determinam o carregamento imposto à estrutura que será utilizado para o cálculo do
dimensionamento. Todos estes dados são armazenados num arquivo do tipo texto.

Tabela 5-1 – Parâmetros geométricos e propriedades mecânicas dos

materiais
Comprimento máximo das peças de madeira 4,00 m
Ângulo mínimo de inclinação 5º
Ângulo máximo de inclinação 35º
Tipo de madeira Dicotiledônea
Classe da madeira C60
Modulo de elasticidade da madeira (E) 24500 kN/cm²
Resistência característica a compressão ( f c 0 k ) 60 MPa
Resistência característica ao cisalhamento ( f v 0 k ) 8 MPa
Seção transversal do pilar de apoio 30 × 30 cm
Módulo de elasticidade do concreto 3500 kN/cm²
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 56
Treliças de Madeira

Tabela 5-2 – Valores definidos para o

carregamento da estrutura
Peso próprio das telhas 500 N/m²
Sobrecarga 250 N/m²
Altura da edificação 5,00 m
Velocidade básica do vento 25,00 m/s
Fator S
1,00
Fator S 1,00
Fator S 1,00
Ângulo de incidência do vento 0º/90º
Quatro faces permeáveis -

A Tabela 5-3 mostra os valores que foram utilizados pelo programa de otimização OTP
para a execução do AG. Nessa execução foram usados como operadores genéticos: seleção
(método da roleta), recombinação discreta, mutação uniforme e restrita e elitismo. Definiu-
se ainda um critério de parada, ou seja, onde o programa executa o dimensionamento de n
números de estruturas e não obtendo uma melhora na função objetivo essa execução é
interrompida.

Tabela 5-3 – Valores adotados para os

parâmetros do AG
Geração 100
População 50
Taxa de recombinação 0,80
Taxa de mutação 0,05
Critério de estagnação 50

Os valores dos números dos módulos adotados dependerão do vão coberto da estrutura que
estará sendo analisada. Sendo o vão de cobertura uma constante de projeto, o valor
máximo para a variável m é fornecido pelo usuário.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 57
Treliças de Madeira

5.2 VERIFICAÇÃO DO CONSUMO DE MADEIRA E ÍNDICE DE

APROVEITAMENTO DA SEÇÃO TRANSVERSAL DAS ESTRUTURAS SEM
DEFINIR A POSIÇÃO DAS TERÇAS

São analisados nesta seção os três casos de treliças planas já determinadas, sem, definir a
posição das terças. Neste caso, é admitido que as posições das terças coincidem com os
montantes.

Serão otimizados três modelos estruturais variando os valores da largura da cobertura e

mantendo fixo o comprimento. A distância entre montantes será variada de forma a
encontrar a estrutura que desempenhe bem seu comportamento mecânico e tenha um custo
menor, ou seja, que a estrutura tenha um consumo de madeira diminuído, considerando o
valor dessas divisões, para que o valor ótimo da função custo seja pequeno.

As Figuras 5.1, 5.2 e 5.3 ilustram os três tipos de treliças.

Figura 5-1 – Primeiro caso – treliça Howe

Figura 5-2 – Segundo caso – treliça Pratt

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 58
Treliças de Madeira

Figura 5-3 – Terceiro caso – treliça Belga

Os modelos analisados são:

• Modelo 1: 10 m × 20 m;

• Modelo 2: 12 m × 20 m;

• Modelo 3: 14 m × 20 m.

• Modelo 4: 15 m × 20 m

Os resultados das análises feitas dos modelos definidos anteriormente estão apresentados
nas Tabelas 5.4 até 5.7. O cálculo do aumento do volume de madeira é feito empregando a
Equação 5.1.

C i − C1
Aumento = .100% Equação 5.1
C1

onde:

C i : volumes de madeira consumidos em cada modelo

C1 : volume de madeira consumido no modelo 1.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 59
Treliças de Madeira

5.2.1 Treliça Howe – verificação da análise dos resultados do aumento do volume de

madeira

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 4)

Tabela 5-4 – Resultados obtidos na otimização da Treliça Howe

Modelos de treliças (m×m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 11 12 10 17
Largura da seção transversal (mm) 50 80 80 80
Altura da seção transversal (mm) 110 200 200 200
Deslocamento da estrutura (cm) 2,90 1,25 2,42 1,05
Volume de madeira (m³) 0,1660 0,5635 0,6385 0,7235

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 5)

Tabela 5-5 – Resultados obtidos na otimização da Treliça Howe

Modelos de treliças (m×m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 23 19 9 12
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 150 200 200
Deslocamento da estrutura (cm) 1,13 1,13 2,92 2,02
Volume de madeira (m³) 0,1347 0,3426 0,6536 0,7290

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 6)

Tabela 5-6 – Resultados obtidos na otimização da Treliça Howe

Modelos de treliças (m×m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 21 17 12 8
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 110 200 200
Deslocamento da estrutura (cm) 1,39 1,87 1,77 4,20
Volume de madeira (m³) 0,1407 0,2659 0,6979 0,7247
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 60
Treliças de Madeira

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 7)

Tabela 5-7 – Resultados obtidos na otimização da Treliça Howe

Modelos de treliças (m×m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 22 17 9 8
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 150 200 200
Deslocamento da estrutura (cm) 1,26 1,37 2,84 4,21
Volume de madeira (m³) 0,1449 0,3310 0,7205 0,7453

Os gráficos das Figuras 5.4 a 5.7 ilustram a variação no consumo de madeira nos quatro
modelos analisados em função do número de módulos na direção X. A estrutura de
referência para o cálculo do aumento do volume de madeira é a estrutura com 4 módulos
na direção X.

Modelo - 10×20
m=4 m=5 m=6 m=7
0
Aumento do volume de

0
madeira (%)

-5

-10
-12,71
-15
-15,24
-18,86
-20

Figura 5-4 – Resultados do aumento do volume de madeira (%) – Modelo 10×20

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 61
Treliças de Madeira

Modelo - 12×20
m=4 m=5 m=6 m=7
Aumento do volume de
0
0
madeira (%) -10
-20
-30
-40 -39,20
-52,81 -41,26
-50
-60

Figura 5-5 – Resultado do aumento do volume de madeira (%) – Modelo 12×20

Modelo - 14×20
Aumento do volume de

14
12 12,84
madeira (%)

10
9,30
8
6
4
2 0 2,36
0
m=4 m=5 m=6 m=7

Figura 5-6 – Resultado do aumento do volume de madeira (%) – Modelo 14×20

Modelo - 15×20
Aumento do volume de

3,5
3
madeira (%)

3,01
2,5
2
1,5
1
0,5 0,76
0 0,17
0
m=4 m=5 m=6 m=7

Figura 5-7 – Resultado do aumento do volume de madeira (%) – Modelo 15×20

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 62
Treliças de Madeira

De acordo com os resultados apresentados nas Tabelas 5.4 a 5.7 e nas Figuras 5.4 a 5.7, o
consumo de madeira está simultaneamente associado ao número de módulos na direção X
e a seção transversal ótima encontrada para as barras. Percebe-se que o consumo de
madeira diminui com o aumento do número de módulos somente quando isto provoca uma
redução na seção transversal, caso contrário, o consumo de madeira aumenta, o que é
esperado, pois a quantidade de barras aumenta diretamente com o número de módulos. Por
fim, para cada modelo analisado existe um número ótimo para a quantidade de módulos na
direção X que proporciona o menor consumo de madeira.

5.2.2 Verificação dos resultados do índice de aproveitamento das barras mais

solicitadas fornecida pela iteração de n gerações – Treliça Howe

Os cálculos da resistência e estabilidades nas direções X e Y foram realizados de acordo

com as especificações da ABNT NBR 7190:97, atendendo as exigências de cálculo para
que fosse garantida a segurança da estrutura.

As Figuras 5.8, 5.9 e 5.10 apresentam os valores dos índices de aproveitamento quanto ao
dimensionamento à resistência e estabilidades em torno dos eixos X e Y para a barra mais
solicitada da estrutura.

• Resistência

Resistência
das barras mais solicitadas
Índice de apreoveitamento

0,8

0,5

0,3

0,0
10×20 12×20 14×20 15×20
m=4 m =5 m =6 m =7

Figura 5-8 – Índice de aproveitamento – Resistência.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 63
Treliças de Madeira

• Estabilidade em X

Estabilidade X
das barras mais solicitadas
Índice de aproveitamento
1,3
1,0
0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m=4 m =5 m =6 m =7

Figura 5-9 – Índice de aproveitamento – Estabilidade X.

• Estabilidade em Y

Estabilidade Y
1,3

1,0
Índice de aproveitamento das
barras mais solicitadas

0,8

0,5

0,3

0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-10 – Índice de aproveitamento – Estabilidade Y.

O índice de aproveitamento das seções transversais para a treliça Howe foi obtido por meio
do programa computacional GESTRUT. Os resultados ilustrados nas Figuras 5.8, 5.9 e
5.10 para os índices de aproveitamento apresentam uma dispersão significativa, o que pode
ser explicado pelo fato da variável seção transversal ser discreta e interferir fortemente na
otimização da estrutura. Contudo, nota-se que os maiores valores para os índices de
aproveitamento estão associados à estabilidade em torno do eixo Y, de menor inércia.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 64
Treliças de Madeira

5.2.3 Treliça Pratt – verificação dos resultados do aumento do volume de madeira

As Tabelas 5.11 a 5.14 mostram as estruturas escolhidas pelo programa de otimização OTP
que demonstram o menor custo no consumo de madeira.

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 4)

Tabela 5-8 – Resultados obtidos na otimização da Treliça Pratt

Modelos de treliças (m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 11 13 12 10
Largura da seção transversal (mm) 50 80 80 80
Altura da seção transversal (mm) 110 200 200 200
Deslocamento da estrutura (cm) 2,90 1,07 1,74 2,82
Volume de madeira (m³) 0,1660 0,5493 0,6607 0,7038

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 5)

Tabela 5-9 – Resultados obtidos na otimização da Treliça Pratt

Modelos de treliças (m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 27 18 12 10
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 110 200 200
Deslocamento da estrutura (cm) 0,89 1,69 2,06 2,81
Volume de madeira (m³) 0,1478 0,2428 0,6672 0,7326

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 6)

Tabela 5-10 – Resultados obtidos na otimização da Treliça Pratt

Modelos de treliças (m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 25 14 18 8
Largura da seção transversal (mm) 50 50 50 80
Altura da seção transversal (mm) 70 110 150 200
Deslocamento da estrutura (cm) 1,02 2,63 1,55 4,16
Volume de madeira (m³) 0,1560 0,2599 0,4189 0,7596
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 65
Treliças de Madeira

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 7)

Tabela 5-11 – Resultados obtidos na otimização da Treliça Pratt

Modelos de treliças (m) 10×20 12×20 14×20 15×20
Inclinação da cobertura (º) 22 23 6 10
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 100 200 200
Deslocamento da estrutura (cm) 1,28 1,10 5,75 2,81
Volume de madeira (m³) 0,1522 0,3114 0,4055 0,7911

Os gráficos das Figuras 5.11 até 5.14 ilustram como se distribuíram os volumes de madeira
para os casos analisados. O valor do volume de madeira tende à aumentar a medida que a
seção transversal das peças encontradas e o número de módulos aumentam, fazendo com
que o valor do custo aumente.

Modelo - 10×20
m=4 m=5 m=6 m=7
0
0
Variação do volume de

-2
madeira (%)

-4
-6
-6,02
-8
-8,31
-10
-12 -10,96

Figura 5-11 – Aumento do volume de madeira (%) – Modelo 10×20.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 66
Treliças de Madeira

Modelo - 12×20
m=4 m=5 m=6 m=7
0
0
Variação do volume de
-10
madeira (%)
-20
-30
-40
-43,31
-50
-55,80 -52,69
-60

Figura 5-12 – Aumento do volume de madeira (%) – Modelo 12×20.

Modelo - 14×20
Variação do volume de

10
0 0,98
0
madeira (%)

-10
-20
-30
-36,60
-40 -38,63
-50
m=4 m=5 m=6 m=7

Figura 5-13 – Aumento do volume de madeira (%) – Modelo 14×20.

Modelo - 15×20
Variação do volume de

15
12,40
madeira (%)

10
7,93

5 4,09

0
0
m=4 m=5 m=6 m=7

Figura 5-14 – Aumento do volume de madeira (%) – Modelo 15×20.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 67
Treliças de Madeira

Como visto na análise feita para a Treliça Howe, os resultados das distribuições dos
volumes encontrados para a treliça Pratt, se deram de forma semelhante. Observa-se que
quando se aumenta o número de módulos na direção X ocorre uma redução no volume de
madeira utilizada para montar a estrutura somente quando há a redução das dimensões da
seção transversal.

5.2.4 Verificação dos resultados do índice de aproveitamento das barras mais

solicitadas fornecida pela iteração de n gerações – Treliça Pratt

Os cálculos de resistência e estabilidades nas direções X e Y para essa forma de treliça

também foram realizados de acordo com as especificações da ABNT NBR 7190:97,
atendendo às exigências de cálculo e garantindo a segurança da estrutura. Os valores
apresentados nas Tabelas 5.15 a 5.17 representam os valores encontrados para a resistência
e estabilidades para a barra mais solicitada em cada modelo de estrutura analisada.

O índice de aproveitamento máximo da seção transversal de cada modelo estrutural está

mostrado nos gráficos das Figuras 5.15 a 5.17, onde se observa a dependência em relação
ao número de divisões na direção X, tendo como referência a resistência, a estabilidade na
direção X e Y das barras.

• Resistência

Resistência
das barras mais solicitadas
Índice de aproveitamento

1,0
0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-15 – Índice de aproveitamento – Resistência.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 68
Treliças de Madeira

• Estabilidade X

das barras mais solicitadas Estabilidade X

Índice de aproveitamento

1,0
0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-16 – Índice de aproveitamento – Estabilidade X.

• Estabilidade Y

Estabilidade Y
das barras mais solicitadas
Índice de aproveitamento

1,3
1,0
0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-17 – Índice de aproveitamento – Estabilidade Y.

Devido o aumento do número de divisões na direção X da treliça Pratt, o máximo índice de

aproveitamento das seções transversais, indicado para diferentes modelos ilustrados
anteriormente, sofre variações significativas nos valores da resistência e das estabilidades
em X e Y, como resultado do dimensionamento das estruturas otimizadas encontradas no
programa computacional OTP. Contudo, todos os valores obtidos satisfazem os critérios da
ABNT NBR 7190:97. Semelhante ao visto para a treliça Howe, os maiores índices de
aproveitamento estão, em geral, associados à estabilidade em torno do eixo Y (menor
inércia).
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 69
Treliças de Madeira

5.2.5 Treliça Belga – verificação dos resultados do aumento do volume de madeira

Nesta seção será realizada a análise da treliça do tipo Belga. Este estrutura tem uma
configuração geométrica diferenciada das estruturas de treliça usualmente empregada para
cobertura. Contudo, de acordo com a literatura este modelo estrutural apresenta um
comportamento estrutural mais avantajado se comparado com as treliças já vistas nas
Seções anteriores, o que justifica seu estudo neste trabalho.

As Tabelas 5.18, 5.19, 5.20 e 5.21 mostram os resultados obtidos para as variáveis de
projeto e para a função objetivo (volume de madeira) pelo programa de otimização OTP.

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 4)

Tabela 5-12 – Resultados obtidos na otimização da Treliça Belga

Modelos de treliças (m) 10×20 12×20 14×20 15×20

Inclinação da cobertura (º) 27 23 7 10
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 150 200 200
Deslocamento da estrutura (cm) 0,74 0,70 4,00 2,44
Volume de madeira (m³) 0,1410 0,3424 0,6407 0,7077

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 5)

Tabela 5-13 – Resultados obtidos na otimização da Treliça Belga

Modelos de treliças (m) 10×20 12×20 14×20 15×20

Inclinação da cobertura (º) 25 23 6 8
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 70 110 200 200
Deslocamento da estrutura (cm) 0,87 0,95 4,80 3,97
Volume de madeira (m³) 0,1468 0,2662 0,6569 0,7191
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 70
Treliças de Madeira

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 6)

Tabela 5-14 – Resultados obtidos na otimização da Treliça Belga

Modelos de treliças (m) 10×20 12×20 14×20 15×20

Inclinação da cobertura (º) 27 21 6 6
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 50 110 200 200
Deslocamento da estrutura (cm) 1,08 1,15 5,37 5,84
Volume de madeira (m³) 0,1238 0,2805 0,6685 0,7413

• Aumento do volume de madeira (%) para número de módulos na direção X (m = 7)

Tabela 5-15 – Resultados obtidos na otimização da Treliça Belga

Modelos de treliças (m) 10×20 12×20 14×20 15×20

Inclinação da cobertura (º) 23 21 6 7
Largura da seção transversal (mm) 50 50 80 80
Altura da seção transversal (mm) 50 110 200 200
Deslocamento da estrutura (cm) 1,52 1,22 5,39 4,64
Volume de madeira (m³) 0,1220 0,3003 0,6903 0,7737

Os valores encontrados para a treliça tipo Belga apresentados nas Tabelas 5.18, 5.19, 5.20
e 5.21 mostram que independentemente das dimensões atribuídas para a largura da
cobertura, as dimensões da seção transversal e o número de divisões na direção X
influenciam significativamente na otimização do volume de madeira. Como exemplo, o
modelo 10 m × 20 m, para m=4, a melhor estrutura gerada numa iteração de 100 gerações
para uma população de 50 indivíduos forneceu uma seção transversal de 50 mm × 70 mm,
enquanto que para m=7 a seção transversal ótima é de 50 mm × 50 mm. Sendo para esse
caso a melhor estrutura m=7, pois possui uma seção transversal menor, contudo um
volume de madeira maior pois aumentou-se o número de barras na estrutura final.

As Figuras 5.18 até 5.21 mostram a distribuição em porcentagem do aumento do volume

de madeira dos modelos analisados para coberturas de comprimento fixo igual a 20 m. A
estrutura de referência tem número de módulos na direção X igual a 4.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 71
Treliças de Madeira

Modelo - 10×20

Variação do volume de
5
4,11

madeira (%) 0 0

-5

-10
-12,19 -13,47
-15
m=4 m=5 m=6 m=7

Figura 5-18 – Aumento do volume de madeira (%) – Modelo 10×20.

Modelo - 12×20
Variação do volume de

0
0
madeira (%)

-5
-10
-12,29
-15
-18,07
-20 -22,25
-25
m=4 m=5 m=6 m=7

Figura 5-19 – Aumento do volume de madeira (%) – Modelo 12×20.

Modelo - 14×20
Variação do volume de

10
madeira (%)

8 7,74

6
4,34
4
2,53
2
0
0
m=4 m=5 m=6 m=7

Figura 5-20 – Aumento do volume de madeira (%) – Modelo 14×20.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 72
Treliças de Madeira

Variação do volume de Modelo - 15×20

madeira (%)
10 9,32
8
6
4 4,08

2
0
0 -0,17
-2
m=4 m=5 m=6 m=7

Figura 5-21 – Aumento do volume de madeira (%) – Modelo 15×20.

Dentre os casos analisados para a treliça Belga, o que apresentou a redução no volume de
madeira mais significativa foi o modelo 14 m × 20 m, onde para um m = 5 o valor do
volume de madeira encontrado pela Equação 5.1 foi de 44,79 % em relação ao modelo 10
m × 20 m. Por outro lado, para o modelo de 15 m × 20 m a seção transversal otimizada foi
a mesma para todos os casos analisados, logo o consumo de madeira aumentou diretamente
com o aumento do número de módulos na direção X, conseqüência do aumento do número
de barras para formar a estrutura.

5.2.6 Verificação dos resultados do índice de aproveitamento das barras mais

solicitadas fornecida pela iteração de n gerações – Treliça Belga

Os valores dos índices de aproveitamento estabelecidos nos cálculos para a resistência e

estabilidades nas direções X e Y para essa forma de treliça são mostrados nas Figuras 5.22
a 5.24. Esses índices atendem às exigências dos cálculos de dimensionamento estrutural
garantindo assim a segurança da estrutura.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 73
Treliças de Madeira

• Resistência

Resistência
0,8
das barras mais solicitadas
Índice de aproveitamento

0,5

0,3

0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-22 – Índice de aproveitamento – Resistência

• Estabilidade X

Estabilidade X
1,0
das barras mais solicitadas
Índice de aproveitamento

0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-23 – Índice de aproveitamento – Estabilidade X

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 74
Treliças de Madeira

• Estabilidade Y

Estabilidade Y
1,3
Índice de aproveitamento das
barras mais solicitadas

1,0
0,8
0,5
0,3
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-24 – Índice de aproveitamento – Estabilidade Y

Pela inexistência de diagonais neste tipo de treliça, os valores da resistência e estabilidades

X e Y para as divisões dos números de módulos na direção X, m = 4, 5, 6 e 7, se
distribuíram de forma mais homogênea se comparados com os resultados obtidos para as
treliças do tipo Howe e Pratt. Novamente, a estabilidade Y apresenta valores muito
próximos de 1, isso ocorre por ser esta a estabilidade mais crítica, eixo de menor inércia.

5.3 VERIFICAÇÃO DO CONSUMO DE MADEIRA E ÍNDICE DE

APROVEITAMENTO DA SEÇÃO TRANSVERSAL DAS ESTRUTURAS COM
DEFINIÇÕES PARA POSIÇÕES DAS TERÇAS

Com o intuito de comparar e conferir resultados que forneça a estrutura com uma
configuração geométrica ótima, ou seja, com dimensões de seções transversais adequadas
para que o consumo e o volume de madeira permitam ter custos menores e,
dimensionamentos que atendam com segurança as restrições e exigências determinadas por
norma, foram avaliados os modelos já apresentados na Seção 5.2. Nesta seção, serão
avaliadas estruturas com a posição das terças definidas pelo usuário, usando o programa de
otimização OTP.

Conforme o procedimento feito na Seção 5.2, foram analisados três tipos de treliças para
quatro modelos cuja largura da área coberta da estrutura foi variada e o comprimento se
manteve fixado.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 75
Treliças de Madeira

As dimensões usadas para os modelos são:

• Modelo 1: 10 × 20 m;

• Modelo 2: 12 × 20 m;

• Modelo 3: 14 × 20 m;

• Modelo 4: 15 × 20 m.

As posições das terças foram fixadas. Os valores utilizados para o posicionamento das
terças nas estruturas são mostrados na Tabela 5-16. Foi determinada ainda uma população
inicial de 50 indivíduos gerados aleatoriamente, seção transversal escolhida por meio do
banco de dados, madeira dicotiledônea da classe C60.

Tabela 5-16 – Posição no eixo x das terças definidas pelo usuário

10×20 10 130 250 370 490 510 630 750 870 990
12×20 10 120 240 360 480 590 610 720 840 960 1080 1190
14×20 10 110 230 350 470 580 690 710 820 930 1050 1170 1290 1390
15×20 10 100 220 340 460 570 680 740 760 820 930 1040 1160 1280 1400 1490

5.3.1 Verificação dos resultados do aumento do volume de madeira para as três

formas de treliça

Os resultados dessas análises dos volumes de madeira para cada tipo de treliça estão
mostrados nas Tabelas 5.17 a 5.19.

• Modelo 10 m×20 m

Tabela 5-17 – Resultados da otimização de estruturas – Treliça Howe

Modelo de Treliça Treliça Howe
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 16 21 19 22
Largura seção transversal (mm) 50 50 50 50
Altura seção transversal (mm) 110 110 70 70
Deslocamento estrutura (cm) 1,44 0,87 1,17 1,66
Volume de madeira (m³) 0,1714 0,1905 0,1408 0,1414
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 76
Treliças de Madeira

Tabela 5-18 – Resultados da otimização de estruturas – Treliça Pratt

Modelo de Treliça Treliça Pratt
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 22 21 23 25
Largura seção transversal (mm) 50 50 50 50
Altura seção transversal (mm) 110 110 70 50
Deslocamento estrutura (cm) 0,81 0,88 1,18 1,43
Volume de madeira (m³) 0,1966 0,2023 0,1507 0,1199

Tabela 5-19 – Resultados da otimização de estruturas – Treliça Belga

Modelo de Treliça Treliça Belga
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 20 22 19 21
Largura seção transversal (mm) 50 50 50 50
Altura seção transversal (mm) 110 70 70 70
Deslocamento estrutura. (cm) 0,91 1,04 1,28 1,37
Volume de madeira (m³) 0,1975 0,1419 0,1460 0,1569

A Figura 5-25 ilustra o gráfico da distribuição do volume de madeira para os três tipos de
treliças analisados para o modelo 10 m × 20 m para as verificações de m=4.

Modelo - 10×20
Variação do volume de

15 11,14
madeira (%)

0,00 2,90
0
-17,50
-15 -17,85
-20,07 -20,55
-23,35
-30 -28,15
-39,01
-45
m=4 m=5 m=6 m=7
Tre liç a Ho we Tre liç a P ra tt Tre liç a B e lga

Figura 5-25 – Variação do volume de madeira (%) – Modelo 10×20

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 77
Treliças de Madeira

• Modelo 12 m×20 m

Tabela 5-20 – Resultados da otimização de estruturas – Treliça Howe

Modelo de Treliça Treliça Howe
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 10 18 16 17
Largura seção transversal (mm) 80 50 50 50
Altura seção transversal (mm) 200 150 150 150
Deslocamento estrutura (cm) 1,76 1,25 1,36 1,39
Volume. madeira (m³) 0,5443 0,3155 0,3288 0,3323

Tabela 5-21 – Resultados da otimização de estruturas – Treliça Pratt

Modelo de Treliça Treliça Pratt
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 24 20 20 17
Largura seção transversal (mm) 50 50 50 50
Altura seção transversal (mm) 150 150 110 150
Deslocamento estrutura (cm) 0,75 1,03 1,30 1,38
Volume de madeira (m³) 0,3360 0,3186 0,2779 0,3452

Tabela 5-22 – Resultados da otimização de estruturas – Treliça Belga

Modelo de Treliça Treliça Belga
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura. (º) 23 21 18 22
Largura seção transversal (mm) 50 50 50 50
Altura seção transversal (mm) 150 150 110 110
Deslocamento estrutura. (cm) 0,80 0,92 1,70 1,09
Volume de madeira. (m³) 0,3418 0,3564 0,2723 0,3031

A Figura 5-26 ilustra o gráfico da variação do volume de madeira para os três tipos de
treliças do modelo de 12 m × 20 m.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 78
Treliças de Madeira

Modelo - 12×20

Variação do volume de
10 0,00
4,15
2,74

madeira (%)
0 -5,18
-10
-17,29
-20 -20,33

-30 -37,36

-40 -39,59 -38,95

-42,04
-50
m=4 m=5 m=6 m=7
Tre liç a Ho we Tre liç a P ra tt Tre liç a B e lga

Figura 5-26 – Variação do volume de madeira (%) – Modelo 12×20

• Modelo 14 m×20 m

Tabela 5-23 – Resultados da otimização de estruturas – Treliça Howe

Modelo de Treliça Treliça Howe
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 12 8 9 12
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura. (cm) 1,76 3,63 2,93 1,77
Volume de madeira (m³) 0,6486 0,6531 0,7066 0,7390

Tabela 5-24 – Resultados da otimização de estruturas – Treliça Pratt

Modelo de Treliça Treliça Pratt
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 18 11 8 10
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura (cm) 0,83 2,09 3,61 2,47
Volume de madeira (m³) 0,7066 0,6751 0,6874 0,7479
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 79
Treliças de Madeira

Tabela 5-25 – Resultados da otimização de estruturas – Treliça Belga

Modelo de Treliça Treliça Belga
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 7 8 7 6
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura (cm) 2,89 3,58 4,32 5,51
Volume de madeira (m³) 0,6536 0,6707 0,6897 0,7162

A Figura 5-27 ilustra o gráfico da distribuição do volume de madeira para os três tipos de
treliças do modelo de 14 m × 20 m.

Modelo - 14×20
Variação do volume de

15 13,94

10
madeira (%)

8,94 9,58

5,52 5,84
5
0,00
2,61 0,69
0
-2,72
-5 m=4 m=5-4,46 m=6 m=7

-10
Tre liç a Ho we Tre liç a P ra tt Tre liç a B e lga

Figura 5-27 – Variação do volume de madeira (%) – Modelo 14×20

• Modelo 15 m×20 m

Tabela 5-26 – Resultados da otimização de estruturas – Treliça Howe

Modelo de Treliça Treliça Howe
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 16 10 12 9
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura. (cm) 1,20 2,85 3,18 3,38
Volume de madeira (m³) 0,7205 0,7161 0,7780 0,7783
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 80
Treliças de Madeira

Tabela 5-27 – Resultados da otimização de estruturas – Treliça Pratt

Modelo de Treliça Treliça Pratt
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 19 9 8 10
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura. (cm) 1,12 3,45 4,17 2,91
Volume de madeira (m³) 0,7872 0,7213 0,7425 0,8175

Tabela 5-28 – Resultados da otimização de estruturas – Treliça Belga

Modelo de Treliça Treliça Belga
Dimensões (m) m=4 m=5 m=6 m=7
Inclinação cobertura (º) 9 9 8 7
Largura seção transversal (mm) 80 80 80 80
Altura seção transversal (mm) 200 200 200 200
Deslocamento estrutura. (cm) 3,39 3,37 4,20 5,06
Volume de madeira (m³) 0,7076 0,7394 0,7407 0,7767

A Figura 5-28 ilustra o gráfico da variação do volume de madeira para os três tipos de
treliças do modelo de 15 m×20 m.

Modelo - 15×20
Variação do volume de

15
10
madeira (%)

9,76
7,98 18,00
4,49 3,85
5
0,00 4,67
0 -0,61

-5 -5,68

-10 -8,37

m=4 m=5 m=6 m=7

Tre liç a Ho we Tre liç a P ra tt Tre liç a B e lga

Figura 5-28 – Variação do volume de madeira (%) – Modelo 15×20

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 81
Treliças de Madeira

Como visto nas análises para os modelos de treliças onde não se tinha fixado a posição das
terças, observou-se que o aumento do volume de madeira é diretamente proporcional ao
aumento do número de divisões de m na direção X, quando não há diminuição nas
dimensões da seção transversal. Não obstante, para os modelos de 14 m×20 m e 15 m×20
m, não houve redução nas dimensões da seção transversal em nenhum caso analisado.

5.3.2 Verificação dos índices de aproveitamento das barras mais solicitadas fornecida
pela iteração de n gerações nas três formas de estrutura de treliça

Os cálculos de resistência e estabilidades nas direções X e Y dessas treliças seguem as

mesmas especificações da ABNT NBR 7190:97, atendendo às exigências de cálculo
garantindo a segurança da estrutura. Os valores apresentados nas Figuras 5.29 até 5.37
representam os máximos valores encontrados para as resistências e estabilidades para a
barra mais solicitada em cada modelo de estrutura otimizada anteriormente.

• Resistência
Índice de aproveitamento das

Resistência - Treliça Howe

barras mais solicitadas

0,8

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20
m=4 m=5 m=6 m=7

Figura 5-29 – Índice de aproveitamento da resistência – Treliça Howe

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 82
Treliças de Madeira

Índice de aproveitamento das

Resistência - Treliça Pratt

barras mais solicitadas

0,8

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20

m =4 m =5 m =6 m =7

Figura 5-30 – Índice de aproveitamento da resistência – Treliça Pratt

Índice de aproveitamento das

Resistência - Treliça Belga

barras mais solicitadas

0,8

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20

m =4 m =5 m =6 m =7

Figura 5-31 – Índice de aproveitamento da resistência – Treliça Belga

Pode-se observar a partir dos resultados encontrados para os três casos de treliças
analisados que, em geral a treliça Belga apresentou os menores valores para o índice de
resistência, o que está diretamente associado ao melhor comportamento estrutural deste
modelo se comparado com os modelos do tipo Howe e Pratt. Contudo, a treliça Belga
apresenta o maior consumo de madeira.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 83
Treliças de Madeira

• Estabilidade X

Índice de aproveitamento das

Estabilidade X - Treliça Howe

barras mais solicitadas

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-32 – Índice de aproveitamento da estabilidade X – Treliça Howe

Índice de aproveitamento das

Estabilidade X - Treliça Pratt

barras mais solicitadas

1,0

0,8

0,6
0,4

0,2

0,0
10×20 12×20 14×20 15×20

m =4 m =5 m =6 m =7

Figura 5-33 – Índice de aproveitamento da estabilidade X – Treliça Pratt

Índice de aproveitamento das

Estabilidade X - Treliça Belga

barras mais solicitadas

0,8

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-34 – Índice de aproveitamento da estabilidade X – Treliça Belga

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 84
Treliças de Madeira

• Estabilidade Y

Índice de aproveitamento das

Estabilidade Y - Treliça Howe

barras mais solicitadas

1,0

0,8

0,6

0,4

0,2

0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-35 – Índice de aproveitamento da estabilidade Y – Treliça Howe

Estabilidade Y - Treliça Pratt

Índice de aproveitamento das
barras mais solicitadas

1,2
1,0
0,8
0,6
0,4
0,2
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-36 – Índice de aproveitamento da estabilidade Y – Treliça Pratt

Índice de aproveitamento das

Estabilidade Y - Treliça Belga

barras mais solicitadas

1,2
1,0
0,8
0,6
0,4
0,2
0,0
10×20 12×20 14×20 15×20
m =4 m =5 m =6 m =7

Figura 5-37 – Índice de aproveitamento da estabilidade Y – Treliça Belga

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 85
Treliças de Madeira

O índice de aproveitamento da seção transversal de cada treliça varia significativamente

com o número de módulos m na direção X e com as dimensões da seção transversal para as
estruturas analisadas. Nota-se também que devido ao eixo Y possuir a menor inércia, o
índice de aproveitamento da estabilidade em torno de Y teve os valores mais próximos de
1, como era esperado.

5.4 COMPARAÇÃO DO COMPORTAMENTO DOS MODELOS ESTRUTURAIS

ANALISADOS

Por meio das avaliações vistas nas Seções anteriores, será mostrada nesta Seção a
comparação dos resultados entre os modelos estruturais estudados com o objetivo de
identificar qual dos modelos estudados teve o melhor comportamento em função do custo.

As Tabelas 5.29 a 5.32 mostram os resultados obtidos nas análises dos modelos
comparando os três modelos estruturais com o objetivo de identificar a estrutura com
melhor desempenho estrutural e com o menor custo.

• Modelo 10×20 m

Tabela 5-29 – Volume de madeira (m3) para o modelo 10×20

m=4 m=5 m=6 m=7
Treliça Howe 0,1660 0,1347 0,1407 0,1449
Treliça Pratt 0,1660 0,1478 0,156 0,1522
Treliça Belga 0,1410 0,1468 0,1238 0,122
Treliça Howe - terças definidas 0,1714 0,1905 0,1408 0,1414
Treliça Pratt - terças definidas 0,1966 0,2023 0,1507 0,1199
Treliça Belga - terças definidas 0,1975 0,1419 0,146 0,1569
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 86
Treliças de Madeira

Modelo 10×20 Treliça Howe

Variação do volume de madeira 80
70
Treliça P ratt
60
50 Treliça Belga
40
(%)

30 Treliça Howe -
terças definidas
20
Treliça P ratt -
10 terças definidas
0 Treliça Belga -
m=4 m=5 m=6 m=7 terças definidas

Figura 5-38 – Disposição do valor do volume no modelo 10×20

• Modelo 12×20 m

Tabela 5-30 – Volume de madeira (m3) para o modelo 12×20

m=4 m=5 m=6 m=7
Treliça Howe 0,5635 0,3426 0,2659 0,331
Treliça Pratt 0,5493 0,2428 0,2599 0,3114
Treliça Belga 0,2898 0,2662 0,2805 0,3003
Treliça Howe - terças definidas 0,5443 0,3155 0,3288 0,3323
Treliça Pratt - terças definidas 0,3360 0,3186 0,2779 0,3452
Treliça Belga - terças definidas 0,3418 0,3564 0,2723 0,3031

Modelo 12×20
140
Variação do volume de madeira (%)

Treliça Howe
120
Treliça Pratt
100

80 Treliça Belga

60 Treliça Howe - terças

definidas
40
Treliça Pratt - terças
20 definidas
Treliça Belga - terças
0 definidas
m=4 m=5 m=6 m=7

Figura 5-39 – Disposição do valor do volume no modelo 12×20

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 87
Treliças de Madeira

• Modelo 14×20 m

Tabela 5-31 – Volume de madeira (m3) para o modelo 14×20

m=4 m=5 m=6 m=7
Treliça Howe 0,6385 0,6536 0,6979 0,7205
Treliça Pratt 0,6607 0,6672 0,4189 0,4055
Treliça Belga 0,6407 0,6569 0,6685 0,6903
Treliça Howe - terças definidas 0,6486 0,6531 0,7066 0,7390
Treliça Pratt - terças definidas 0,7066 0,6751 0,6874 0,74791
Treliça Belga - terças definidas 0,6536 0,6707 0,6897 0,7162

Modelo 14×20 Treliça Howe

90
80 Treliça Pratt
Variação do volume de madeira

70
60 Treliça Belga
50
40 Treliça Howe - terças
(%)

30 definidas

20 Treliça Pratt - terças

definidas
10
0 Treliça Belga - terças
definidas
m=4 m=5 m=6 m=7

Figura 5-40 – Disposição do valor do volume no modelo 14×20

• Modelo 15×20 m

Tabela 5-32 – Volume de madeira (m3) para o modelo 15×20

m=4 m=5 m=6 m=7
Treliça Howe 0,7235 0,7290 0,7247 0,7453
Treliça Pratt 0,7038 0,7326 0,7596 0,7911
Treliça Belga 0,7077 0,7065 0,7366 0,7737
Treliça Howe - terças definidas 0,7205 0,7161 0,7780 0,7783
Treliça Pratt - terças definidas 0,7872 0,7213 0,7425 0,8175
Treliça Belga - terças definidas 0,7076 0,7394 0,7407 0,7767
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 88
Treliças de Madeira

Modelo 15×20
18 Treliça Howe
Variação do volume de madeira (%)

16
14 Treliça Pratt

12
Treliça Belga
10
8 Treliça Howe - terças
definidas
6
Treliça Pratt - terças
4 definidas
2 Treliça Belga - terças
definidas
0
m=4 m=5 m=6 m=7

Figura 5-41 – Disposição do valor do volume no modelo 15×20

Observando o desempenho das estruturas, nota-se que em três modelos analisados a

estrutura com menor consumo de madeira foi a treliça Pratt, sendo as terças impostas em
um destes casos. Embora, tenha se procurado realizar um número considerável de
avaliações, estes resultados não podem ser generalizados. Pode-se dizer que para esses
casos o modelo estrutural que teve o melhor desempenho foi a treliça Pratt, em relação as
outras estrutura analisadas.

5.4.1 Verificação dos resultados do deslocamento

Com o objetivo de comparar o deslocamento devido às dimensões em planta da estrutura e

o número de módulos na direção X serão avaliados dois modelos, um para estruturas sem
posições de terças definidas e o outro com essa definição. Esses exemplos foram obtidos
após 100 gerações com 50 indivíduos. Selecionaram-se quatro modelos para esta análise,
com o objetivo de apontar qual modelo possui menor consumo de madeira.

As Figuras 5.44 a 5.47 ilustram como as estruturas se deslocaram quando são aplicadas as
forças e definidas as terças. Para facilitar a visualização foi utilizado a ferramenta de fator
de ampliação de deslocamento fornecido pelo programa Gestrut, aumentando esse fator de
1 para 10.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 89
Treliças de Madeira

• Exemplo de deslocamento de estrutura quando as terças coincidem com os

montantes

9
7 14 18 11
5 10 22 13
6 26
y 3 15
2 13 15 17 29
3 7 9 19 21
5 11 23 25 27 16
1
x 1
14 28
2
4 24
3,07 4 8 6 12 8 16 10 20 12 3,07

Figura 5-42 – Deslocamento da estrutura – m=4

11

18 22
9 13

14 26

7 19 15
10
30
15 17 21 23 17
5
6 11 13 25 34
3 27
9 19
y 2 5
7 29
31 37
3 33 35

1 36 20
1 x 2 4 4 8 6 12 8 16 10 20 12 24 14 28 16 32 18

1,46 1,46

Figura 5-43 – Deslocamento da estrutura – m=5

• Exemplo de deslocamento de estrutura com posição de terças definidas

14 18
7 11
10
5 22
13
6 15 26
3 15
y 2 9
11 13 17 19
21
25 29
5 7 23
3 27
1 16
x 1 2 4 4 8 12 16 10 20 12 24 14 28
6 8
1,16 1,16

Figura 5-44 – Deslocamento da estrutura quando as terças são definidas – m=4

11

18 22

9 13
14 26
19
7 15
5 10 30
15 17
3 6 21 23 17 34
y 7 9
13 25
29
31 19
37
2 3 5 11 27 33 35
20
1 x 1 2 4 4 8 6 12 8 16 10 20 12 24 14 28 16 32 18 36

0,70

Figura 5-45 – Deslocamento da estrutura quando as terças são definidas – m=5

Como pode ser observado, os deslocamentos não variaram muito de uma estrutura para
outra, o que modifica são os valores das forças aplicadas nos nós, e a distribuição da
configuração das barras ao longo de toda a estrutura.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 90
Treliças de Madeira

A Tabela 5-33 mostra os valores dos deslocamentos por barra em toda a estrutura.

Tabela 5-33 – Valores dos deslocamentos nodais (cm) – direção Y

Nº de m=4 (terças m=5 (terças
m=4 m=5
nós definidas) definidas)
1 0,00000 0,00000 0,00000 0, 0000
2 3,28112 1,61139 0,89278 0,73558
3 3,28160 1,61174 0,89312 0,73631
4 3,96811 1,88229 1,29091 0,86329
5 3,96555 1,87881 1,28887 0,86283
6 4,04243 1,99585 1,52344 1,05478
7 4,03643 1,98855 1,51631 1,05280
8 4,05748 2,01332 1,62807 1,20256
9 4,04076 1,99268 1,61259 1,19483
10 4,04243 2,00231 1,62621 1,22354
11 4,03643 1,99568 1,57098 1,19675
12 3,96811 1,88640 1,62807 1,20802
13 3,96555 1,88335 1,61259 1,20163
14 3,28112 1,61219 1,52344 1,05462
15 3,28160 1,61252 1,51631 1,05247
16 0,0000 0,0000 1,2909 0,86342
17 1,28887 0,86302
18 0,89278 0,73574
19 0,89312 0,73645
20 0,0000 0,00000

Observa-se que os resultados encontrados mostram que a estrutura que mais se deslocou
foi a de m=4, onde as terças coincidiam com os montantes, sendo as barras de 6 a 11 as
que mais sofreram deslocamentos.

Nota-se que a Figura 5-42 apresentou uma configuração diferenciada na distribuição das
barras em relação às outras figuras apresentadas. Isto ocorre, devido ao fato de que a
estrutura encontrada segue a melhor configuração sugerida pelo programa OTP, sem a
preocupação com o arranjo que pode levar a problemas construtivos.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 91
Treliças de Madeira

Os outros modelos estruturais apresentaram a mesma configuração e a mesma forma de

deslocamento mudando somente os valores dos carregamentos aplicados e o espaçamento
das terças quando as mesmas eram definidas.

5.5 AVALIAÇÃO E VERIFICAÇÃO DE CASO REAL DE TRELIÇA HOWE

Diante de um caso real de estrutura treliçada do tipo Howe, fez-se uma avaliação da
melhor estrutura que poderia ser encontrada através do programa de otimização OTP, na
busca da estrutura com o menor custo.

O modelo escolhido tem suas terças já definidas com o tamanho comercial das telhas. A
Figura 5-46 ilustra as características definidas pela estrutura que possui 18 m de largura da
área coberta por 20 m de comprimento, e com uma divisão de números de módulos na
direção X de m=6.

Figura 5-46 – Estrutura real analisada

Como mostrado na Figura 5-46, já estão determinados a posição das terças e o

espaçamento entre os montantes, entretanto, será verificado se quando otimiza a mesma
estrutura ela continua a apresentar a mesma configuração.

5.5.1 Verificação dos resultados

Os valores atribuídos para a posição das terças estão mostrados na Tabela 5-34, bem como
os resultados encontrados no programa de otimização OTP, onde foram analisados
estruturas com números de módulos variados, ou seja, m=4, m=5 e m=7.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 92
Treliças de Madeira

Tabela 5-34 – Posição no eixo X das terças definidas na estrutura real.

18×20 10 131 231 391 551 711 890 910 1089 1249 1409 1569 1669 1790

Definiram-se para todas as peças de madeira as seguintes características: madeira

dicotiledônea C-60, geração da população de 50 indivíduos em uma interação de 100
gerações, taxa de recombinação 0,80, taxa de mutação 0,05 e critério de estagnação 50.

A Tabela 5-35 mostra os resultados encontrados na otimização da estrutura das análises

feitas para o modelo definido. O cálculo do aumento do volume de madeira foi efetuado
através da Equação 5.1, para m=6.

Tabela 5-35 – Resultados obtidos na otimização do modelo 18×20

Número de módulos na direção X m=4 m=5 m=6 m=7
Inclinação da cobertura (º) 17 14 15 19
Largura da seção transversal (mm) 80 80 80 80
Altura da seção transversal (mm) 200 200 200 200
Deslocamento da estrutura (cm) 2,58 2,26 2,01 1,69
Volume de madeira (m³) 0,9243 0,9285 0,9406 1,091

A Figura 5-47 ilustra como se deu a variação do volume da estrutura otimizada em função
do número de módulos na direção X igual a 6.

Modelo 18 × 20
Variação do volume de madeira

20
15
10
(%)

5
0
-5
m=4 m=5 m=6 m=7

Treliça Howe

Figura 5-47 – Variação do volume de madeira.

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 93
Treliças de Madeira

As Figura 5-48 ilustram como se distribuiu a função custo durante as gerações a melhor
estrutura para o modelo analisado.

Figura 5-48 – Distribuição da função custo X geração

Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 94
Treliças de Madeira

Para efeito de comparação de resultados foi analisado o aumento do volume para número
de divisões menores e maiores que o valor atribuído. Dessa maneira, pode-se observar que
o volume para m=4 e m=5 é baixo devido ao fato de terem menor número de peças de
madeira a serem empregados na execução da estrutura. O contrário ocorre para m=7,
mesmo que todas as estruturas apresentem o mesmo valor da seção transversal encontrada
através do programa OTP.

A resistência e as estabilidades X e Y estão mostrados no gráfico da Figura 5-49.

Modelo 18 × 20
Índice de aproveitamento das
barras mais solicitadas

1
0,8
0,6
0,4
0,2
0
Resistência Estabilidade X Estabilidade Y

m=4 m=5 m=6 m=7

Figura 5-49 – Índice de aproveitamento da seção transversal

Observando-se o gráfico nota-se que a resistência e estabilidade em X possuem valores

pequenos e são próximos variando entre 0,2 a 0,45. A estabilidade em Y é mais crítica por
ter seu momento de inércia menor em relação ao eixo Y, embora estes valores estejam
dentro dos limites, próximos a 1, ou seja, situação ótima.

A estrutura real analisada possui uma configuração geométrica bem distribuída com
banzos superiores e inferiores de seção transversal 6 cm × 16 cm e 6 cm × 12 cm,
respectivamente, montantes com peça duplas de 2(2,5 cm × 15 cm) e diagonais 6 cm × 16
cm e ângulo de inclinação 20º. As distâncias entre as terças e os montantes estão mostradas
na Figura 5-46.

A Figura 5-50 ilustra a configuração encontrada pelo programa, representando a situação

otimizada.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 95
Treliças de Madeira

Figura 5-50 – Estrutura otimizada gerada pelo programa de otimização com m=6

Para o caso otimizado, as posições das terças foram definidas e as posições dos montantes
ficaram livres. Nota-se uma concentração de montantes na região próxima ao apoio,
denotando uma situação imprópria do ponto de vista construtivo e visual. Isto é
conseqüência da imposição da fixação do número de tramos m=6. Certamente, que a
estrutura não exige esse número de tramos, parecendo ser suficiente usar m=4 ao se
transformar o agrupamento de três tramos em apenas um. É o que a Figura 5-51 mostra,
revelando uma estrutura visualmente mais harmônica. Nesta configuração a inclinação é
maior, passa de 15° (m=6) para 17° (m=4). No caso da estrutura real as posições das terças
coincidem com as dos montantes.

Figura 5-51 − Estrutura otimizada com m=4

A Tabela 5-36 compara os resultados entre os dois casos mostrando a diferença entre a
estrutura real e a estrutura otimizada. Também pode ser observado que a estrutura com
m=4 apresenta melhor comportamento em relação aos índices de aproveitamento e redução
do consumo de madeira.
Capítulo 5 – Análise da Eficiência de Modelos Estruturais para o Dimensionamento de 96
Treliças de Madeira

Tabela 5-36 – Comparação de resultados entre a estrutura real e otimizada.

Redução no
Estabilidade Estabilidade Volume de
Resistência volume de
X Y madeira (m3)
madeira (%)
Estrutura real 0,928 0,782 1,000 0,8216 -
Estrutura
0,345 0,369 0,845 0,7905 3,80
otimizada (m = 6)
Estrutura
0,278 0,287 0,752 0,7590 7,60
otimizada (m = 4)

Pela comparação apresentada na Tabela 5-36 percebe-se que a estrutura otimizada

apresenta uma vantagem em relação à estrutura real admitindo valores inferiores no cálculo
dos dimensionamentos, conseguindo obter um volume de madeira menor, usando para
todas as peças a mesma seção transversal. Para a estrutura com número de módulos na
direção X igual a 4, a redução no volume de madeira foi de 7,6 % comparado com a
estrutura real. Embora a redução do volume seja inferior a 10 %, observa-se que a estrutura
terá uma condição de serviço mais folgada em relação à resistência e estabilidades nas duas
direções. Neste caso poderia ser avaliada a existência de contraventamento lateral na
direção Y, para se conseguir baixar o índice de aproveitamento nesta direção (0,752),
fazendo-o aproximar do encontrado para a resistência (0,278) e estabilidade em X (0,287).
Este procedimento de igualar os índices de aproveitamento, na realidade, reverte-se numa
redução da seção transversal, na tentativa de aproximá-la do valor unitário.

Outra questão que pode ser levantada refere-se ao fato do índice de aproveitamento ter
atingido 0,752. Certamente o ponto ótimo não atingiu 1,000 tendo em vista que a seção
transversal usada é comercial, ou seja, os valores das dimensões das seções transversais se
alteram abruptamente, não permitindo atingir a situação ideal.
Capítulo 6 – Conclusão e Propostas para Trabalhos Futuros 97

CAPÍTULO 6

CONCLUSÃO E PROPOSTAS PARA TRABALHOS

FUTUROS

Para se ter um entendimento mais detalhado do trabalho realizado é feito neste capítulo
uma revisão das principais conclusões encontradas nas análises efetuadas.

Foram estudados três casos de treliças planas do tipo duas águas aplicando o método dos
AGs na otimização do menor volume de madeira a ser empregado nas estruturas. A
avaliação foi feita para quatro modelos de configurações geométricas distintas e da relação
comprimento/largura da área coberta.

A avaliação foi executada por meio do programa de otimização de estruturas planas OTP
baseado no método dos AGs. Para análises complementares foi utilizado o programa
computacional GESTRUT específico para a determinação de esforços, deslocamentos e,
dimensionamento de estruturas.

Foi avaliado o comportamento mecânico das estruturas quando se define a posição das
terças, definido pelo usuário em função das dimensões das telhas a serem empregadas, e
quando não se define essas posições. Sabe-se, portanto, que ao definir a posição das terças
os montantes não coincidem com as mesmas.

A função objetivo (volume de madeira) sofre influência significativa do número de

módulos na direção X e das dimensões da seção transversal. Sendo assim, não é possível
Capítulo 6 – Conclusão e Propostas para Trabalhos Futuros 98

definir, de maneira geral, o modelo de treliça indicado para qualquer situação. Pelo
contrário, dadas as dimensões do vão coberto é necessário que se faça a otimização do
sistema estrutural.

O índice de aproveitamento das seções transversais das treliças foi obtido por meio do
programa de dimensionamento de estruturas GESTRUT, e como esperado, em todos os
casos analisados, o parâmetro crítico no dimensionamento é a estabilidade em torno do
eixo Y.

Os valores máximos das resistências, estabilidades X e Y de cada modelo analisado,

distribuiu-se de maneira muito semelhante, sendo que em alguns casos esse valor
aproximou-se do valor limite.

Verifica-se que impondo a posição das terças na estrutura, o consumo de madeira ótimo
aumenta se comparado com o mesmo caso em que as posições das terças coincidem com
os montantes.

Comparando os resultados analisados pode-se dizer que, definidas as dimensões da

cobertura, a treliça Pratt apresentou menores valores para consumo de madeira comparado
com os valores obtidos para as Treliças Howe e Belga. Isso ocorre somente para esses
casos analisados.

Também foi feita uma comparação entre uma estrutura real e uma estrutura otimizada para
avaliar o desempenho mecânico. Notou-se o esperado, ou seja, a estrutura otimizada
apresentou valores menores de cálculo no dimensionamento da estrutura.

O programa computacional OTP é de fácil utilização, permitindo otimizar diversas

estruturas com robustez e eficiência, além de possuir uma amigável interface com o
usuário, pois requer do usuário pequena quantidade de dados. O emprego de técnicas de
otimização, embora seja uma ferramenta bastante poderosa, não elimina a interferência do
usuário. Somente ele tem discernimento quanto à lógica do problema real. Somente sua
visão efetiva do problema permite tomar a decisão mais acertada em função das situações e
opções apresentadas pelo programa computacional.
Capítulo 6 – Conclusão e Propostas para Trabalhos Futuros 99

Como proposta para trabalhos futuros podem ser realizadas novas otimizações com
diferentes casos de arranjos estruturais. Além disto, sugerir a implementação no programa
computacional OTP de situações onde seja possível usar diferentes seções transversais
entre banzos, montantes e diagonais.

Sem dúvida o uso de ferramentas de otimização é muito importante, especialmente para as

situações onde a economia na montagem de uma estrutura produz significativa redução de
custo no valor total da obra. É o caso de conjuntos habitacionais, granjas, ou onde sistemas
individuais são repetidos diversas vezes.
Referências 100

REFERÊNCIAS

ADELI, H.; CHENG, N. T. Integrated genetic algorithms for optimization of space

structure. Journal of Aerospace Engineering. ASCE, v. 6, n. 4, p. 315-328, Oct. 1993.
Disponível em: < [Link] Acesso em: 30 nov. 2006.

ADELI, H.; CHENG, N. T. Concurrent genetic algorithms for optimization of large

structure. Journal of Aerospace Engineering. ASCE, v. 7, n. 3, p. 276-296, July, 1994.
Disponível em: < [Link] Acesso em: 30 nov. 2006.

ARGOLO, W. P. Otimização de seções de concreto armado submetida à flexo-

compressão reta utilizando algoritmo genético. 2000. 141 f. Dissertação (Mestrado em
Ciência em Engenharia Civil)-COPPE/UFRJ, Universidade Federal do Rio de Janeiro, Rio
de Janeiro, 2000.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 7190: projeto de

estruturas de madeira. Rio de Janeiro, 1997.

BASTOS, E. A. Otimização de seções retangulares de concreto armado submetidas à

flexo-compressão obliqua utilizando algoritmos genéticos. 2004. 125 f. Dissertação
(Mestrado em Ciência em Engenharia Civil)-COPPE/UFRJ, Universidade Federal do Rio
de Janeiro, Rio de Janeiro, 2004.

CAMP, C. V.; BICHON, B. J. Design of space trusses using ant colony optimization.
Journal of Structure Engineering. v. 130, n. 5, p. 741-751, May, 2004. Disponível em:
< [Link] Acesso em: 30 nov. 2006.
Referências 101

CASTILHO, V. C. Otimização de componentes de concreto pré-moldado protendidos

mediante algoritmos genéticos. 2003. 238 f. Tese (Doutorado em Engenharia de
Estruturas)-Escola de Engenharia de São Carlos/USP, Universidade Federal de São Paulo,
São Carlos, 2003.

CASTRO, R. E. Otimização de estruturas com multi-objetivos via algoritmos

genéticos pareto. 2001. 193 f. Tese (Doutorado em Ciências em Engenharia Civil)-
COPPE/UFRJ, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2001.

COHN, M. Z; LOUNIS, Z. Optimal design of structural concrete bridge systems. Journal

of Structure Engineering. v. 120, n. 9, p 2653-2674, Sept. 1994. Disponível em:
< [Link] Acesso em: 30 nov. 2006.

CORTÊS, C. F. M. Otimização de treliças planas. 2002. 158 f. Dissertação (Mestrado em

Engenharia Civil)-Unicamp, Universidade Estadual de Campinas, Campinas, 2002.

DORIGO, M. Ant Colony Optimization. Iridia. Universitè Librede Bruxelles, Belgium.

Revisado em nov. 2006. Disponível em: [Link]
Acesso em: 15 nov. 2006.

GOLDBERG, D. E. Genetic algorithms in search, optimization and machine learning.

Reading, Massachusetts, U.S.A., Addison-Wesley Publishing, 1989. 412 p.

KOUMOUSIS, V.K.; GEORGIOU, P. G. Genetic algorithms in discrete optimization of

stell truss roofs. Journal Computing in Civil and Engineering. v. 8, n. 3, p. 309-325,
July, 1994. Disponível em: < [Link] Acesso em: 30 nov. 2006.

KOSKISTO, O. J.; ELLINGWOOD, B. R. Reliability-based optimization of plant precast

concret structures. Journal of Structure Engineering, ASCE, v.123, n.3, p.298-304,
March, 1997. Disponível em: < [Link] Acesso em: 30 nov. 2006.

LACERDA, E. G.M ; CARVALHO, A. C. P. L. F. Introdução ao algoritmos genéticos In:

GALVÃO, C. O.; VALENÇA, M. J. S (org). Sistemas inteligentes: aplicações a recursos
Referências 102

hídricos e ciências ambientais. (Ed.). Universidade/UFRG/ABRH. Porto Alegre, 1999. p

99-150.

LEMONGE, A. C, C. Aplicação de algoritmos genéticos em otimização Estrutural.

1999. 218 f. Tese (Doutorado em Ciências em Engenharia Civil)-COPPE/UFRJ,
Universidade Federal do Rio de Janeiro, Rio de Janeiro, 1999.

MAN, K. F.; TANG, K. S.; KWONG, S. Genetic algorithms: concepts and designs.
London: Springer, 2001. 344 p.

MICHALEWICZ, Z. Genetic algorithms + data structures = evolution programs. 2. ed.

Berlin, Springer-Verlag, 1994. 340 p.

OLIVEIRA, B. P. Otimização do projeto de pontes protendidas pré-moldadas pelo

método dos algoritmos genéticos. 2004. 106 f. Dissertação (Mestrado em Ciências em
Engenharia Civil)-COPPE/UFRJ, Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2004.

PINHEIRO, R. V. Emprego da madeira do gênero pinus na construção de estruturas

de cobertura. 1996. 163 f. Dissertação (Mestrado em Engenharia Civil)-Escola de
Engenharia de São Carlos/ USP, Universidade de São Paulo, São Carlos, 1996.

PIZZIRANI, F. Otimização de estruturas utilizando algoritmo genético. 2003. 114 f.

Dissertação (Mestrado em Engenharia Mecânica)-Unicamp, Universidade Estadual de
Campinas, Campinas, 2003.

RIGO, E. Métodos de otimização aplicados à analise de estruturas. 1999. 105 f.

Dissertação (Mestrado em Engenharia das Estruturas)-Escola de Engenharia de São
Carlos/USP, Universidade de São Paulo, São Carlos, 1999.

ROCCO LAHR, F. A. Aspectos históricos do emprego das estruturas de madeira para

cobertura. In: ENCONTRO BRASILEIRO DE MADEIRA E ESTRUTURAS DE
MADEIRA, 1., 1983, São Carlos. Anais... São Carlos: Escola de Engenharia de São
Carlos, Universidade de São Paulo, 1983. p. 1-13.
Referências 103

SOUZA JR, D. A. Otimização pelo método dos algoritmos genéticos e

dimensionamento de estruturas tubulares metálicas com barras cruzadas para
coberturas. 2005. 123 f. Tese (Doutorado em Engenharia Mecânica)-Faculdade de
Engenharia Mecânica, Universidade Federal de Uberlândia, Uberlândia, 2005.