Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos

_________________________________________________________________________

erro numérico introduzido, particularmente na vizinhança do ótimo, que pode

inviabilizar a aplicação da técnica em determinados tipos de problema.
Por força das dificuldades descritas, têm sido desenvolvidos
algoritmos de busca direta que dispensam o emprego de derivadas. Alguns
desses algoritmos são descritos a seguir.
De forma geral, quando são empregadas derivadas a convergência é
mais rápida que quando se faz uso dos métodos de busca direta.

Método de Hooke e Jeeves

Esse algoritmo (Hooke e Jeeves, 1962), realiza exploração em torno

do ponto X(k) e define movimentos que aceleram a busca. O processo começa
com k=0, uma estimativa inicial B = X(0) e um passo incremental DX(0), de
acordo com as seguintes etapas, para processo de minimização:
1. incrementa-se cada uma das variáveis x i(k), uma de cada vez, com uma
quantidade Dxi(k); se f(X) é reduzida, xi(k) + Dxi(k) é adotado como nova
estimativa; em caso contrário, tenta-se x i(k) - Dxi(k); havendo sucesso,
esse novo valor é adotado; se não, mantém-se o valor original de
xi(k);depois de testar todas as variáveis de decisão, que compõem agora
um vetor C, segue-se para a etapa 2 se nenhuma modificação tiver sido
efetuada (C=B) ou para a etapa 3 se algum ±Dxi(k) incrementou o valor
anterior;
2. B é o valor ótimo dentro da tolerância estabelecida; assim, ou se reduz
DX(k) ou se interrompe a busca com os valores atuais;
3. define-se um vetor temporário T = 2C - B; com este vetor, executa-se o
mesmo procedimento definido na etapa 1, gerando-se um novo vetor S
a partir dos incrementos; se S = T, segue-se para a etapa 4; se não,
para a etapa 5;
4. faz-se B = C para retornar à etapa 1;
5. com B = C, C = S, retorna-se à etapa 3.

Método de Rosenbrock

O método de Rosenbrock é um procedimento semelhante ao processo

de busca exploratória de Hooke e Jeeves descrito anteriormente, no qual
pequenos passos são dados durante a busca.
O fluxograma a seguir sintetiza o procedimento de cálculo.

INÍCI
O
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Conjunto de passos iniciais

1,2,..n
Dxi(0) = 0,01xi(0) se Dxi > 0,1
Dxi(0) = 0,1 se Dxi < 0,1

Avalie a função-objetivo e as restrições

As variáveis e as restrições satisfazem seus

limites? Si Nã
o
É o primeiro ciclomde cálculo?
Si Nã
Adicione ao valor anterior m o
O valor da funcão- Retorne ao
xi o incremento na nova objetivo melhorou? Não valor original
direção de xi
xi+1(k) = xi(k) + Dxi(k) Si
m
Substitua Dxi por 3Dxi Substitua Dxi por
-0,5Dxi

Não
Faça Todas as direções de busca falharam pelo menos uma
i=i+1 vez? Sim

Calcule novas direções de busca e o vetor inicial

X

O número de As modificações na função-

estágios Nã objetivo e/ou no vetor X foram
excedeu o limite o suficientemente pequenas?
Nã
estabelecido?
o
Sim
Si PARE
m

Figura 6.10 - Fluxograma esquemático do Método de Rosenbrock

Daves, Swann e Campey(DSC), conforme descrito por Swann(1964),

modificaram o método de Rosenbrock, de modo a localizar o ótimo de f(X)
em cada direção si(k) utilizando o método de Davidon-Fletcher-Powell.
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Método de Powell

O Método de Powell (Powell, 1965) tem como estratégia localizar o

mínimo de f(X) de uma função quadrática com H > 0 por meio de buscas
unidimensionais sucessivas a partir de um ponto inicial X0(k) segundo um
conjunto de direções conjugadas s1(k) ,s2(k),..., sn(k).
A transição de um ponto X0(k) para um ponto Xm(k) é dada por:

m 1
X (k)
m X (k)
0   (ki ) s (k)
i i = 1,2,...,m - 1 6.25
i0

O primeiro passo é dado na direção sn(0), determinando =0(0) que

minimize f(X0(0) + sn(0)) por busca unidimensional. Daí, faz-se X1(0) = X0(0) +
0(0).sn(0). Daí em diante, para cada uma das n direções si(0) obtém-se da mesma
forma í(0) que leva ao mínimo em cada direção e os Xi(0) correspondentes.

Comparação entre os processos

Para efeito de comparação da eficiência de diferentes metodologias,

quatro problemas de otimização são apresentados a seguir.

Exemplo 6.3 - (Rosenbrock, 1960), formulado no exemplo 6.2.

Ponto inicial X(0) = [-1,2 1 ]T f(X(0)) = 24,20

Resultado:

X* = [ 1 1 ]T f(X*) = 0

Exemplo 6.4 -(Himmelblau,1972):

Minimizar f(X)=(x12+12x2-1)2 + (49x12+49x22+84x1+2324x2-681)2 6.26

Ponto inicial X(0) = [1 1 ]T f(X(0)) = 3,3306 x 106

Resultados:

X* = [ 0,28581 0,27936 ]T f(X*) = 5,9225

ou

X* = [ -21,026653 -36.760090 ]T f(X*) = 0

 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Exemplo 6.5 -(Himmelblau,1972):

 x 12  x 22 a i  x 23 a 2i 
  bi 
7
 1  x4a i2

Minimizar f(X)  10 4    6.27
i 1 b i
 
 

i ai bi

1 0,0 7,391
2 0,000428 11,18
3 0,00100 16,44
4 0,00161 16,20
5 0,00209 22,20
6 0,00348 24,02
7 0,00525 31,32

Ponto inicial X(0) = [2,7 90 1500 10 ]T f(X(0)) = 2,905 x 104

Resultado:

X* = [ 2,714 140,4 1707 31,51 ]T f(X*) = 318,572

Exemplo 6.6 -( Fletcher e Powell, 1963):

Minimizar f(X)=100{[x3 - 10q(x1,x2)]2 + [(x12 + x22)1/2 - 1]2} + x32 6.28

 1 1 x 2
 2 tan x
 1
q(x1 ,x 2 )  
 1  1 tan 1 x2
 2 2 x1
para x1>0
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

para x1<0

Ponto inicial X(0) = [-1 0 0 ]T f(X(0)) = 2500

Resultado:

X* = [ 1 0 0 ]T f(X*) = 0.

Himmelblau(1972) otimizou os quatro problemas citados utilizando três das

técnicas aqui descritas: o algoritmo de Powell, o de Davidon-Fletcher-Powell-
DFP e o de Broyden. As derivadas inerentes aos dois últimos métodos foram
estimadas por diferenças finitas, ao invés do emprego da formulação
analítica. O critério de comparação de eficiência foi o número de avaliações
da função-objetivo. Nos três casos, a busca unidimensional foi realizada com
o método DSC-Powell.
Os resultados são apresentados na tabela 6.1.

Método exemplo 6.3 exemplo 6.4 exemplo 6.5 exemplo 6.6

Powell 262 136 700 86

DFP 132 1625 305 218
Broyden 139 4336 167 230

Tabela 6.1 - Comparação do número de avaliações da função-objetivo para

diferentes problemas com métodos de otimização diversos

Os métodos citados encontram-se entre os mais usados algoritmos de

otimização. A comparação entre os diferentes métodos torna-se difícil, de uma
forma geral, porque a eficiência de cada um geralmente depende das
características do problema de otimização, o que pode ser observado a partir
dos resultados indicados na tabela 6.1.

6.7 Algoritmos de Programação Não Linear com restrições

 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Nos ítens anteriores foram descritos algoritmos utilizados para

problemas de otimização sem restrições. Quando são impostas restrições, o
nível de dificuldade para obtenção do ótimo aumenta, particularmente quando
cresce o grau de não linearidade do problema.
Alguns dos métodos descritos anteriormente são adaptados para a
otimização com restrições. De uma forma geral, os algoritmos para a
resolução dessa nova classe de problemas baseiam-se em um dos seguintes
artifícios:
· substituição do problema não linear original por sucessivos problemas
lineares aproximados, resolvidos repetidamente por programação
linear;
· uso de funções de penalidade para transformação do problema de PNL
com restrições em uma seqüência de problemas sem restrições;
· utilização de tolerâncias flexíveis para acomodar tanto as soluções viáveis
como as não viáveis.

Aproximações lineares

Seja o problema de otimização

minimizar f(X) XÎEn 6.29

sujeito a hi(X)=0 i=1,2,...m

gi(X)³0 i=m+1,m+2,...p

Um procedimento conhecido como Método de Programação por

Aproximações, desenvolvido por Griffith e Stewart(1961), baseado em
expansão de funções em séries de Taylor, consiste em solucionar por
Programação Linear sucessivos sistemas lineares com a seguinte estrutura:

n
f( X (k) )
(k)
minimizar f(X) - f(X ) = 
j1 x j
Dx (k)
j 6.30
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

sujeito a
 n h i ( X ( k ) ) ( k )
 Dx j   h i ( X ( k ) )
 j1 x j
n
 g i ( X ) Dx ( k ) ³ g ( X (k) )
( k ))

  x j i
 j  1 j
i=1,2,...m

i=m+1,m+2,...p

A partir de uma estimativa X(0) que seja uma solução viável monta-se e
obtém-se a solução do problema linearizado. Repete-se o processo
sucessivamente até à convergência. Para evitar que surjam soluções não
viáveis do problema não linear original, restringe-se a variação entre
sucessivas soluções lineares da forma

|xj(k+1)-xj(k)| £ djk 6.31

sendo dj(k) o limite do passo de cálculo na iteração k, nas várias direções de

busca, estabelecido para que a solução permaneça na região viável. Esse
limite deve ser reduzido à medida em que a busca evolui.

Método das funções de penalidade

Várias formas são apresentadas na literatura técnica de otimização no

que diz respeito às chamadas funções de penalidade. A idéia geral, no
entanto, parte da inserção das restrições na função-objetivo. Assim, um
problema de otimização do tipo

maximizar f(X) XÎEn 6.32

sujeito a hi(X)=0 i=1,2,...m

pode ser transformado em

m
maximizar z* = f(X) -  p .h
i 1
i
2
i ( X) 6.33
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

onde pi são constantes a determinar denominadas coeficientes de penalidade.

Para valores grandes de pi a solução do problema deverá acontecer quando
hi(X)=0.As restrições de desigualdade podem fazer parte do problema,
introduzindo variáveis de folga e assim transformando o problema.

Outros métodos

Muitos outros algoritmos clássicos para PNL com restrições podem

sem encontrados na literatura sobre o assunto. Apenas para citar alguns: POP
e POP II (Smith, 1965), semelhantes ao processo de linearização já descrito;
aproximações sucessivas para programação quadrática(Wilson et alli, 1966);
métodos das direções viáveis, bastante conhecidos (Zoutendijk, 1960;Rosen,
1961); Método de Davidon adaptado para acomodar restrições (Davis, 1968),
Método dos Gradientes Reduzidos Generalizados - GRG, aprimorados a
partir de trabalho de Wolfe (1962), de modo a acomodar as restrições. Outros
métodos mais recentes serão abordados posteriormente, quando forem
descritos “pacotes computacionais” disponíveis comercialmente ou de
domínio público.

6.8 Programas computacionais de Programação Não Linear

Um grande número de programas computacionais estão disponíveis

no presente para resolução de problemas de programação não linear com ou
sem restrições. Muitos são de livre acesso, seja nos livros técnicos,
geralmente codificados em linguagem FORTRAN, seja na INTERNET. A
maior parte dos algoritmos descritos nesse capítulo estão disponíveis em uma
dessas fontes.
Em diversas instituições de pesquisa foram desenvolvidos “pacotes
computacionais” que agrupam muitos dos algoritmos clássicos de otimização.
Tais programas normalmente são conectáveis ao programa do usuário
interessado, como sub-programas.
Além dos programas e “pacotes” de livre acesso, alguns programas
de otimização foram criados com fins comerciais e são bastante difundidos.
Normalmente esses programas tem requintes de pós-processamento, e quase
sempre têm uma linguagem própria de codificação.
Alguns programas e “pacotes computacionais” importantes são
descritos brevemente a seguir.

Programa ADS
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

O ADS (Automated Design Synthesis) é um conjunto de sete

subrotinas na linguagem FORTRAN desenvolvido na Universidade da
California em Santa Bárbara (Vanderplaats e Sugimoto, 1986), que tem como
objetivo a otimização de projetos de engenharia em geral. As subrotinas
devem ser associadas a um programa gerenciador, no qual são descritos a
função objetivo e as restrições, sejam elas igualdades ou desigualdades,
lineares ou não.
O ADS permite a utilização de aproximadamente 100 combinações
de técnicas possíveis, entre os algoritmos de otimização que definem as
direções de busca, os métodos de busca unidimensional e as estratégias de
aproximação, como por exemplo funções de penalidade.
Pacotes computacionais como o ADS, por serem incorporados ao
programa do usuário, permitem uma vastíssima gama de aplicações, como,
por exemplo, otimizar problemas que envolvam formulações mais complexas
solucionadas por métodos numéricos, envolvendo equações diferenciais.

Programa GAMSâ

GAMSâ - General Algebraic Modeling System, da GAMS

Development Corporation- é um sistema de otimização com códigos de
programação específicos, para programação linear e não-linear, desenvolvido
para diferentes plataformas e disponível para computadores pessoais,
estações de trabalho e computadores de grande porte.
A linguagem do GAMSâ é similar a muitas das linguagens usuais de
programação. O sistema inclui diversos algoritmos de otimização como
opções para resolução dos problemas.
A figura 6.11 apresenta como exemplo parte de problema de
otimização destinado a exemplificar a técnica de programação do GAMSâ.
O exemplo completo encontra-se disponível na INTERNET, assim como
documentação sobre o programa.

Programa LANCELOT

Trata-se de conjunto de programas computacionais desenvolvidos em

FORTRAN 77 no Rutherford Appleton Laboratory, Inglaterra, por Andrew
Conn, Nick Gould e Philippe Toint, livre para uso destinado a fins
acadêmicos. Utiliza diversos algoritmos de otimização conhecidos, como
métodos newtonianos e quase-newtonianos e encontra-se disponível para
diversas plataformas.
Descrição detalhada pode ser obtida em Conn et alli(1992).
LANCELOT pode ser obtido para fins acadêmicos ou comerciais através da
INTERNET.
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

A GAMS Example

This toy problem is presented only to illustrate how GAMS lets you model in
a natural way. GAMS can handle much larger and highly complex problems.
Only a few of the basic features of GAMS can be highlighted here.

Algebraic Description

Here is a standard algebraic description of the problem, which is to

minimize the cost of shipping goods from 2 plants to 3 markets, subject to
supply and demand constraints.

[Image]

Distances
Markets
Plants New York Chicago Topeka Supply
Seattle 2.5 1.7 1.8 350
San Diego2.5 1.8 1.4 600
Demand 325 300 275

SETS
I canning plants / SEATTLE, SAN-DIEGO /
J markets / NEW-YORK, CHICAGO, TOPEKA / ;

PARAMETERS
A(I) capacity of plant i in cases
/ SEATTLE 350
SAN-DIEGO 600 /
B(J) demand at market j in cases
/ NEW-YORK 325
CHICAGO 300
TOPEKA 275 / ;
TABLE D(I,J) distance in thousands of miles
NEW-YORK CHICAGO TOPEKA
SEATTLE 2.5 1.7 1.8
SAN-DIEGO 2.5 1.8 1.4 ;
SCALAR F freight in dollars per case per thousand miles /90/ ;
PARAMETER C(I,J) transport cost in thousands of dollars per case ;
C(I,J) = F * D(I,J) / 1000 ;
VARIABLES
X(I,J) shipment quantities in cases
Z total transportation costs in thousands of dollars ;
POSITIVE VARIABLE X ;
EQUATIONS
COST define objective function
SUPPLY(I) observe supply limit at plant i
DEMAND(J) satisfy demand at market j ;
COST .. Z =E= SUM((I,J), C(I,J)*X(I,J)) ;
SUPPLY(I) .. SUM(J, X(I,J)) =L= A(I) ;
DEMAND(J) .. SUM(I, X(I,J)) =G= B(J) ;
MODEL TRANSPORT /ALL/ ;
SOLVE TRANSPORT USING LP MINIMIZING Z ;

Figura 6.11 - Exemplo de codificação de problema de otimização no GAMS

 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Programa SOLVER

Algumas planilhas eletrônicas de cálculo desde alguns anos têm sido

dotadas de “macros” (subprogramas específicos) para otimização,
geralmente denominados de “solvers”. Um dos mais recentes encontra-se
disponível na planilha EXCELâ da Microsoft. O SOLVER do EXCELâ
utiliza para programação não linear um algoritmo de otimização denominado
GRG2, baseado na técnica de gradientes reduzidos generalizados. Para
programação linear, a técnica usada é o algoritmo Simplex. Através dos
procedimentos usuais de planilhas eletrônicas é possível formular e resolver
problemas de otimização de porte razoável.

6.9 Estruturação de modelos matemáticos para Programação Não

Linear em situações práticas da Engenharia de Recursos Hídricos

Aspectos gerais

Bronson(1985), no prefácio de seu livro, manifesta a seguinte

opinião: “A Pesquisa Operacional, que diz respeito à alocação eficiente de
recursos escassos, é tanto uma arte como uma ciência. A arte reside na
habilidade de exprimir os conceitos de eficiente e de escasso por meio de um
modelo matemático bem definido para uma determinada situação; a ciência
consiste na dedução de métodos computacionais para solucionar tais
modelos”.
Para que os resultados de um processo de otimização sejam válidos, é
essencial que o modelo matemático represente com a maior veracidade
possível o processo que está sendo modelado. Isso requer primeiro o maior
conhecimento possível dos processos físicos ou de outra natureza envolvidos,
suas interligações, limitações e a forma adequada de representar tudo isso por
meio de formulação matemática.
À medida que o sistema a otimizar torna-se mais complexo, muitas
vezes envolvendo caráter multidisciplinar, torna-se mais evidenciada a
necessidade de que o modelador tenha a experiência e a arte de formular o
modelo.
De acordo com esse conceito, apresentou-se nesse texto até o presente
a ciência do processo, caracterizada pelos métodos computacionais utilizados
na programação não linear. A seguir trata-se da arte do processo, representada
pela formulação matemática dos modelos de otimização.

Definição das variáveis de decisão

 JOSÉ ALMIR CIRILO
_________________________________________________________________________

A primeira questão que se coloca é: O QUE OTIMIZAR?

No âmbito da Engenharia de Recursos Hídricos, objetivo desse livro,
assim como em outras áreas da Engenharia e campos diversos do
conhecimento humano, são inumeráveis as grandezas que necessitam ser
otimizadas, sejam elas escassas ou não. Afinal, nos tempos de globalização e
concorrência acirrada em que hoje se encontra o setor produtivo, a meta é a
busca da máxima eficiência e da qualidade total.
Apenas para iniciar a articulação das idéias, apresenta-se uma
relação de algumas grandezas que normalmente se busca otimizar na
Engenharia de Recursos Hídricos:
· volumes de água alocados para diferentes usos na operação de
reservatórios, como geração de energia hidroelétrica, irrigação e
controle de cheias
· dimensões geométricas de condutos livres
· diâmetros de tubulações de abastecimento d’água, esgoto, drenagem e
irrigação
· vazão e rebaixamento do nível d’água na explotação de águas
subterrâneas
· indicadores de qualidade das águas em rios e reservatórios
· capacidade dos sistemas de tratamento de água e de esgotos
· áreas inundáveis no processo de controle de cheias
· distribuição de pressões em redes de abastecimento d’água
· vazões captadas de múltiplos sistemas integrados de águas superficiais e
subterrâneas para atendimento de diferentes sistemas e usos diversos
· tirantes para assegurar a navegação em hidrovias
· áreas irrigáveis e turnos de rega em perímetros irrigados com deficit de
água
· parâmetros de modelos matemáticos de simulação.

A depender da natureza da grandeza que representa, as variáveis de

decisão podem ser contínuas ou discretas. Como exemplo de variáveis
discretas podem ser citados, por exemplo, os diâmetros de tubulações,
restritos a um conjunto bem definido de valores comerciais. Outras grandezas
são estritamente inteiras, outras são binárias (exclusivamente valores zero ou
um podem ser assumidos, em caso típico de adoção ou não de certa
grandeza); normalmente as variáveis de decisão são positivas, embora
algumas variáveis possam assumir valores negativos.

Montagem da função-objetivo
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

A função-objetivo de um problema de otimização deve representar

matematicamente o que se procura maximizar ou minimizar. Muitos aspectos
podem ser inseridos em sua definição, como:
· custos e prejuízos
· lucros e outros tipos de benefícios diretos e indiretos (por exemplo, tempo
de execução de uma dada ação)
· indicadores econômicos e de desenvolvimento
· indicadores sociais, como melhoria da qualidade de vida da população e
redução de índices de mortalidade infantil
· funções estritamente matemáticas, como erros e desvios.

A estrutura mais simples de função-objetivo ocorre quando se busca

minimizar custos e/ou maximizar lucros. A minimização dos custos
associados à execução de uma obra hídrica como um canal, por exemplo,
envolve grandezas razoavelmente óbvias, como os custos de desapropriação,
escavação e revestimento, se for o caso. Exemplo desse tipo será apresentado
posteriormente. Funções financeiras, como taxas de juros e amortização de
investimento costumeiramente fazem parte da função-objetivo.
A definição da função-objetivo torna-se bem mais complexa quando
se torna necessário quantificar benefícios sociais indiretos, como redução da
taxa de mortalidade infantil e melhoria do padrão de vida da população, entre
outros aspectos. Os benefícios desse tipo são normalmente designados como
intangíveis, enquanto aqueles que podem ser quantificados em termos
monetários são denominados de benefícios tangíveis. Por outro lado,
benefícios diretos são decorrentes, no caso, do uso direto da água, ao passo
que os benefícios indiretos são auferidos por outros como conseqüência do
uso da água.
Outro tipo usual de função-objetivo tem caráter estritamente
matemático. É o caso, por exemplo da calibração de parâmetros de modelos
matemáticos, como será exemplificado posteriormente. Nesse caso, a função-
objetivo normalmente está associada à minimização dos desvios entre valores
observados e simulados de variáveis como vazões e níveis de rios,
precipitação, evaporação, etc. Ainda nessa linha, técnicas de otimização se
prestam também para se obter a solução de problemas complexos não-
lineares de difícil resolução.

Estruturação das restrições

Uma característica importante que deve ser implementada na

formulação do modelo matemático, sempre que for possível, é a integração
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

multidisciplinar do conhecimento técnico. O exemplo de dimensionamento do

canal citado poderia incluir na otimização, por exemplo, toda a formulação
necessária para o cálculo estrutural do canal, visto que isso se reflete no custo
do projeto. Obviamente isso requer um esforço maior na formulação e é
necessário que se faça em cada caso uma análise crítica, dado que muitas
vezes não há tanta interdependência entre os processos e o modelo matemático
pode ser simplificado.
A formulação envolvida no modelo matemático, à exceção da função-
objetivo, compõe as restrições do problema. Essas restrições são normalmente
definidas como técnicas e econômicas, conforme a sua natureza. Conforme
foi observado na análise das técnicas de otimização, as restrições podem ser
igualdades ou desigualdades.

6.10 EXEMPLOS DE APLICAÇÕES DA PROGRAMAÇÃO NÃO-

LINEAR NA ENGENHARIA DE RECURSOS HÍDRICOS

A Engenharia de Recursos Hídricos apresenta muitas situações para

as quais o emprego de técnicas de otimização pode ser de extrema
importância para obter a solução mais apropriada, levando em consideração
os aspectos físicos, técnicos e econômicos. Isso se torna ainda mais
importante quando a descrição matemática do problema real leva a uma
formulação não linear.
Para ilustrar o potencial das técnicas de Programação Não Linear,
são apresentados a seguir quatro exemplos de projetos comuns na área de
recursos hídricos: um projeto de canal, um plano de distribuição de água para
diferentes cidades a partir de diversos reservatórios, um projeto de rede de
distribuição de água e a definição da vazão e locação de poços para promover
o rebaixamento do nível d’água em uma região (Cirilo e Cabral, 1997). Os
problemas aqui abordados devem ser considerados como exemplos
ilustrativos, visto que considerações importantes de projeto podem não haver
sido abordadas e os custos são estimados. No entanto,, com o potencial dos
métodos de otimização e a multiplicidade dos programas já desenvolvidos,
praticamente todos os detalhes inerentes aos projetos de engenharia podem ser
inseridos no modelo matemático para otimização. A propriedade da solução,
assim, é intrinsecamente associada à capacidade do projetista em formular
adequadamente o modelo.

Projeto de canal

O exemplo aqui detalhado trata do projeto de um canal de seção

trapezoidal, revestido em concreto, a ser projetado para conduzir uma certa
vazão Q. Imagina-se que quatro tipos de custos devem ser considerados no
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

projeto: escavação em terra e rocha, desapropriação e revestimento. A função-

objetivo é formulada para representar o custo da obra a ser minimizado. As
variáveis de decisão são as profundidades a serem escavadas em terra e em
rocha (Ht e Hr), a largura superficial B e a declividade dos taludes laterais da
seção 1:z. A restrição de não-negatividade deve ser imposta.
A restrição técnica essencial do problema é a relação entre as
características físicas do canal e as condições de escoamento, definida nesse
exemplo através da Fórmula de Manning. A seguir, são consideradas supostas
limitações quanto à profundidade da rocha no processo de escavação, a
largura máxima a desapropriar, admitindo-se limitações de natureza
urbanística, e um limite para a velocidade de escoamento no canal. As
características do projeto estrutural do canal não são abordadas no exemplo,
para maior simplicidade. Para o cálculo do volume de concreto destinado ao
revestimento do canal, estimou-se uma relação da espessura da laje com a
profundidade e a velocidade de escoamento por meio da relação abaixo:

e = 0,05 + 0,05 (H + 0,04 v2 ) (6.34)

A função objetivo adotada no exemplo foi composta pelo custo da escavação

em terra e rocha, desapropriação e revestimento, admitindo-se já inclusa a
mão de obra e gastos adicionais nos custos unitários.
O modelo matemático do projeto de canal, dada a sua simplicidade,
foi elaborado na planilha eletrônica EXCELâ e resolvido pelo SOLVER, o
otimizador da planilha. A solução ótima, testada a partir de diferentes
estimativas iniciais, foi obtida com 10 a 15 iterações, dependendo da
aproximação inicial.
Os dados considerados no exemplo foram os seguintes:

Vazão : 70 m3/s
Coeficiente de Manning : 0,014
Declividade longitudinal : 0,0001 m/m
Extensão do trecho : 10 km
Velocidade limite adotada : 2 m/s
Espessura do estrato de terra : 2,5 m
Largura máxima admissível para desapropriação : 50 m
Largura adjacente ao canal para tráfego : 12 m
Altura da borda livre : 0,5 m
Custo unitário de escavação em terra : R$ 2,00/m3
Custo unitário de escavação em rocha : R$ 6,00/m3
Custo unitário de desapropriação : R$ 15,00/m2
Custo unitário do concreto para revestimento : R$ 100,00/m3
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

A solução obtida por otimização e seus respectivos custos são

indicados na tabela 6.2, onde são comparados com a solução relativa ao canal
de seção de máxima eficiência (perímetro molhado mínimo, inclinação lateral
de 60 graus).
Embora a diferença no exemplo apresentado não pareça muito
significativa (cerca de 7,5%), resta observar que a formulação adotada para o
cálculo da seção mais eficiente já decorre de um processo de otimização.

Rede de distribuição d’água malhada

Como segundo exemplo do potencial de uso da PNL para projetos de

obras hidráulicas, é apresentado a seguir o dimensionamento de um sistema
de rede de distribuição d’água em anéis, representado na figura 6.12. Esse
tipo de projeto foi escolhido em virtude de certo grau de complexidade que
envolve seu dimensionamento, quando o modelo matemático escolhido
envolve as fórmulas de Colebrook-White para o cálculo do termo de atrito.
Por outro lado, embora existam processos simplificados para o cálculo
iterativo da rede separando o cálculo por anéis, como o método de Hardy-
Cross, esses processos tornam-se de convergência lenta e às vezes nem
convergem adequadamente quando as redes são mais complexas. Uma opção
no caso é balancear as vazões na rede como um todo, resolvendo de forma
simultânea um sistema de equações lineares para a conservação da massa e
altamente não-lineares para a conservação da energia nos anéis, conforme o
modelo matemático apresentado a seguir.
Conservação da massa em um nó genérico n:

Q i  dn  0 (6.35)
nó

Conservação da energia para um dado anel genérico m:

h p, j 0
(6.36)
anel

Nos somatórios das equações (6.35) e (6.36) deve-se estabelecer uma

convenção de sinais para as vazões que entram ou saem dos nós e para as
perdas de carga conforme o sentido das vazões nos condutos. A perda de
carga é obtida a partir das seguintes expressões:
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

L v2 (6.37)
hp  f. .
D 2. g

4.Q (6.38)
v
 .D 2

1  2,51 (6.39)
  2.log(  )
f 371
, D Re y . f

v .D (6.40)
Re y 


onde Q : vazão no conduto

hp : perda de carga
f : parâmetro de atrito
L : comprimento do conduto
D : Diâmetro
v : velocidade
g : aceleração da gravidade
 : rugosidade absoluta dos condutos
Rey : número de Reynolds
n : viscosidade cinemática da água
d : demanda ficticiamente concentrada no nó

Para uma rede com NC condutos, NA anéis e NN nós, tem-se NC

vazões a determinar para o balanceamento da rede. O número de equações
disponíveis é NA equações de perda de carga e NN equações de conservação
da massa nos nós. Como para redes malhadas NA+NN=NC+1,tem-se mais
equações que incógnitas. Admite-se então que uma das demandas seja posta
como incógnita. A resolução do sistema levará no final ao seu valor já
conhecido.
A resolução do sistema de equações requer o emprego de um método
iterativo como o de Newton-Raphson. Para sua implementação, torna-se
necessário avaliar um conjunto de derivadas bastante complexas, devido à
formulação da perda de carga. A distribuição das vazões nos condutos é
calculada a partir de diâmetros estimados em função das estimativas iniciais
das vazões, corrigindo-se os diâmetros para atender a critérios de velocidade
máxima ou perda de carga limite nas tubulações.
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

O processo citado é extremamente laborioso, particularmente para

montar o procedimento matemático. Além disso, nada garante ao final que os
diâmetros adotados sejam os ideais para a rede.
O esquema proposto consiste em utilizar método de otimização para
simultaneamente buscar os diâmetros ótimos e balancear as vazões.
Considera-se como variáveis de decisão os diâmetros em cada conduto e as
vazões correspondentes (2.NC variáveis de decisão).
As equações e fórmulas necessárias para o balanceamento da rede
compõem as restrições do problema. Tem-se assim NA restrições
correspondentes aos somatórios das perdas de carga nos anéis e NN restrições
relativas ao balanço de vazões nos nós. Outras restrições, como diâmetro
mínimo e perda de carga limite na rede devem ser estabelecidas.
A rede esquematizada na Figura 13 tem 10 anéis, 23 nós e 32
condutos. A distribuição de vazões inicial é apresentada na figura, bem como
as demandas nos nós, ambas expressas em l/s. A função-objetivo F a
minimizar foi concebida a partir da formulação da perda de carga, após uma
série de experiências com fórmulas diversas:

NC
D5
F  2 (41)
i 1 Q

Minimizar F implica na busca dos diâmetros mínimos e máximas

vazões, dentro dos limites estabelecidos pelas restrições, o que corresponde a
minimizar o custo da rede. No exemplo, para os 32 condutos temos portanto
64 variáveis de decisão. A conservação da massa leva a 23 equações lineares
e a conservação da energia dá origem a 10 equações não-lineares, uma para
cada anel, que entram no modelo matemático como restrições. Outras 64
restrições são necessárias para igualar os dois membros da fórmula de
Colebrook e restringir a perda de carga (limitada aqui a 8 m/km). Além disso,
deve-se impor a não-negatividade das variáveis de decisão.
No exemplo a seguir, admitiu-se que todas as tubulações possuem
rugosidade absoluta igual a 0,5 mm e para a viscosidade cinemática da água
considerou-se o valor equivalente à temperatura de 20o. C.
A otimização da rede utilizada como exemplo foi feita com o auxílio
do ADS. Para chegar à solução, o programa realizou pouco mais de três mil
iterações. O otimizador utilizado foi o Método Modificado das Direções
Viáveis para minimização com restrições.
Para uma distribuição de custos das tubulações proporcional ao
quadrado dos diâmetros, a rede otimizada representaria uma economia de
16,1 % em relação àquela com os diâmetros estimados a partir das vazões da
distribuição inicial.
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Os valores escolhidos no exemplo e a solução são indicados na Tabela

3. Os diâmetros foram considerados múltiplos de polegada. Alguns dos
valores obtidos podem não ser encontrados comercialmente.
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Figura 14. Rede de distribuição d’água utilizada como exemplo

Conduto vazão est. vazão Diâmetro Diâmetro Perda de

 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

inicial calculada estimado calculado carga/comp.

(litro/s) (litro/s) (mm) (mm)
1 30 21.22 250 200 3.61
2 22 13.22 250 150 6.44
3 6 4.05 125 100 5.28
4 40 48.99 250 275 3.55
5 40 31.22 250 225 4.17
6 8 7.27 150 125 5.17
7 4 4.73 100 100 7.18
8 19 19.73 200 175 6.31
9 45 43.69 300 275 2.83
10 16 13.75 200 175 3.09
11 24 21.75 250 225 2.04
12 80 81.83 300 300 6.22
13 90 90.21 350 325 4.96
14 12 9.96 200 175 1.64
15 14 14.71 200 150 7.96
16 24 24.71 250 200 4.88
17 24 27.37 250 200 5.98
18 30 28.31 250 250 1.98
19 70 67.96 300 275 6.79
20 82 79.96 350 300 5.94
21 13 11.67 150 150 5.03
22 6 7.69 100 125 5.78
23 42 43.68 300 300 1.79
24 10 6.95 150 150 1.81
25 10 8.66 150 125 7.3
26 10 5.61 150 125 3.1
27 8 8.99 100 150 3.01
28 20 20.99 200 200 3.53
29 16 19.03 200 175 5.88
30 6 2.6 125 100 2.22
31 7 7.36 125 125 5.3
32 7 6.64 125 125 4.32

Tabela 3. Vazões e diâmetros do exemplo de rede de distribuição d’água

Alocação de recursos hídricos: abastecimento d’água de diversas cidades

a partir de diferentes reservatórios
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

O terceiro exemplo considera o abastecimento de água a ser feito

para cinco cidades A,B,C,D,E a partir de quatro reservatórios. A questão é
determinar a vazão a ser retirada de cada reservatório para suprir cada
cidade, juntamente com os diâmetros das tubulações correspondentes.
As distâncias das estações elevatórias imaginadas para cada
reservatório e as estações de tratamento em cada cidade, assim como as
respectivas cotas, disponibilidades e demandas são as seguintes:

MATRIZ DAS DISTÂNCIAS(Km) Cotas Disponibi-

(m) lidade (l/s)
Reserv. A B C D E
1 100 80 40 20 30 20 8000
2 50 30 20 60 70 30 5000
3 30 30 35 90 100 15 3000
4 60 60 30 70 60 40 7000
Cota (m) 80 50 60 70 80
Demanda(l/s) 5000 3000 4000 2000 4000

Tabela 3. Dados do sistema de abastecimento estabelecido como exemplo

A estrutura de custos do problema foi estabelecida da seguinte forma:

- tubulações e instalação:

T = Li . K . Dim (6.42)

sendo L a distância em metros, D o diâmetro também em metros, K e m

constantes.

- custo anual de bombeamento para uma unidade qualquer:

Bi = cb . P . t (6.43)

sendo cb é o custo do kWh, P a potência consumida em kW e t o número de

horas do ano, na hipótese de funcionamento contínuo. A potência é dada por:
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

 .Q.Hman 
P=  .Q.(H  r.Q2 )
  (6.44)

8.f.L
r=
 2 .g.D5
(6.45)

 
1
3
  106  
f =0,0055 1+ 20000  
  D Re y  
 
(6.46)
v.D
Re y 
n
(6.47)

onde  e n são respectivamente o peso específico e a viscosidade dinâmica da

água,  é a rugosidade do material da tubulação, H a altura geométrica de
elevação e  o rendimento dos sistemas de bombeamento. Neste exemplo,
utilizou-se a fórmula de Moody para o cálculo do parâmetro de atrito. A
fórmula de Colebrook, por não ser explícita, requer que se imponha como
restrição a igualdade dos dois membros da fórmula e poderá ser aplicada ao
problema, aumentando um pouco sua complexidade. Para a velocidade
máxima admissível nas tubulações foi utilizada a relação:

vmax = 0,6+1,5D (6.48)

para D em metros e vmax em m/s.

Nesse problema-exemplo foram adotados os dados que se seguem:

viscosidade cinemática da água : 1.01E-06 m2/s

peso específico : 9810 N/m3
rugosidade : 1 mm
rendimento dos sistemas de bombeamento: 0.85
horas de funcuncionamento anual : 8760
Custo de bombeamento : 0.03 R$/kWh
taxa anual de juros : 8 %
tempo p/pagamento : 20 anos
aceleração da gravidade : 9.81 m/s2
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Const. K : 1000
Const. m : 2

Para definir a amortização anual do capital investido nas tubulações,

considera-se o fator de recuperação de capital dado por:

i.(1  i) n
R (6.49)
(1  i) n  1

sendo i a taxa anual de juros (fração) e n o tempo de amortização em anos.

Neste exemplo, tem-se a otimizar 40 variáveis de decisão (20
diâmetros e as vazões correspondentes). Os diâmetros foram impostos como
números inteiros em decímetros, logo múltiplos de 100 mm. As restrições
devem-se à vazão máxima possível de ser captada em cada reservatório, ao
atendimento das demandas, não negatividade das variáveis de decisão,
formulação técnica do problema, um limite imposto aos diâmetros, no caso
limitados a 1200 mm, e a imposição de valores inteiros para os diâmetros. Ao
todo, o sistema apresenta 113 restrições.
O modelo matemático foi formulado e resolvido no SOLVER DO
EXCELâ. Dado o seu maior porte, as tentativas levaram em torno de 1000
iterações para chegar à solução ótima, que é apresentada na Tabela 4.
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Otimização da locação e vazões de poços para rebaixamento de nível

d’água

Alguns dos problemas associados com o gerenciamento dos recursos

hídricos subterrâneos são: a determinação do modelo ótimo de bombeamento,
levando em conta a locação dos poços, a intensidade e a duração dos
bombeamentos; determinação de diversos estágios de desenvolvimento para
proporcionar uma capacidade de expansão ao sistema; Projeto de
armazenamento na superfície e rede de transporte e distribuição para atender
a demanda.
A decisão ótima deve maximizar os benefícios da alocação dos
recursos hídricos subterrâneos ao longo do horizonte de projeto ou minimizar
os efeitos de interferência entre poços, subsidência do solo ou problemas de
qualidade d’água.
Modelos de simulação consideram apenas um limitado número de
alternativas e não conseguem determinar o esquema ótimo de bombeamento
no contexto de todas as variáveis de projeto. A combinação de modelo de
simulação com modelo de otimização num único pacote computacional
permite analisar um grande número de alternativas possíveis e obter a
configuração ótima para solucionar determinado tipo de problema.
Para representar matematicamente o escoamento no lençol
subterrâneo, utilizando-se a lei de Darcy, adotando-se a hipótese de Dupuit e
considerando regime permanente pode ser utilizada a equação geral de fluxo
subterrâneo, onde para um aquífero confinado ou confinado drenante tem-se:


x
[
Kxxb
h 

h y
][ K b hy ] R  0
yy (6.50)

onde Kxx e Kyy são as componentes da condutividade hidráulica, b é a

espessura do aquífero, h é o valor da carga hidráulica e R corresponde a
recarga ou descarga provenientes de bombeamentos, precipitação, evaporação
e drenanças de outros aquíferos .
Para aquíferos não confinados a espessura saturada varia de acordo
com o escoamento, bombeamento ou a recarga e é utilizada a formulação:

 h  h
x
[
Kxxh
x

y
]Kyyh
y
[R0 ] (6.51)

onde h é a espessura da camada saturada.

 JOSÉ ALMIR CIRILO
_________________________________________________________________________

A equação do aquífero é então discretizada em células retangulares

utilizando o Método das Diferenças Finitas. O escoamento entre células
adjacentes depende da condutividade e da espessura saturada que podem ser
diferentes de uma célula para outra, sendo assim adotou-se a média
harmônica deste produto (K.h) entre as células para uma representação mais
precisa (Huntoon, 1974 citado por Willis et Yeh (1987)].
Como exemplo de aplicação do modelo acoplado simulação
(otimização foi utilizado um esquema semelhante ao definido por Aguado e
Remson [1974] para determinar a ótima vazão de bombeamento utilizando
poços para rebaixamento do lençol freático para execução de escavações.
O exemplo considera um lençol subterrâneo com dimensões de 700 m
x 700 m foi considerado homogêneo e uma área quadrada de 100 m por 100
m no centro de lençol deverá ter o seu nível rebaixado de 50,0 m para 40,0
m. O meio poroso é considerado isotrópico com condutividade hidráulica de
1,3 x 10-5 m/s. Foram consideradas 36 diferentes locações possíveis para os
poços de bombeamento conforme indicado na figura 6.15, tendo como
objetivo determinar a mínima distribuição do bombeamento que atinja os
níveis requeridos em regime permanente
A função objetivo a ser minimizada é:

F= S qij (6.52)

onde qij é a vazão bombeada em cada poço, ou seja deseja-se atingir os níveis
de rebaixamento bombeando a mínima vazão possível.
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Figura 6.15 - Locação de possíveis poços para bombeamento

As seguintes restrições devem ser atendidas:

a) limitações de espessura saturada

h i,j £ 40 para o quadrado central ( 300m £ x £ 400m e 300m < y £
400m )

h i,j ³ 0 "i , "j

b) não-negatividade da vazão:
q i, j ³ 0 "i , "j
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

c) equação do aquífero discretizada:

 TE i, j * hi 1, j  TDi , j * hi 1, j    TC i, j * hi , j 1  TBi , j * hi , j 1  qi , j

 Dx  2
 Dy  2
DxDy
hi , j 
 TE i, j  TDi , j    TC i, j  TBi , j 
 Dx  2
 Dy  2

(6.53)

onde TE,TD,TC,TB são as médias dos produtos k*h respectivamente para sa

células a esquerda, a direita, em cima e em baixo.

d) tolerância no cálculo de h

hi , j  hi·, j
£ 0,001 (6.54)
hi·, j

A solução foi obtida por meio do SOLVER do EXCELâ. Foram

obtidos os seguintes resultados:

0 0 0 0 0 0
0 0 0 0 0 0
0 0 0.0052 0.0052 0 0
0 0 0.0052 0.0052 0 0
0 0 0 0 0 0
0 0 0 0 0 0

Tabela 4 - Vazões calculadas para os poços nas diferentes células

Assim, o programa definiu vazões nulas para os poços mais distantes

da área ( o que já era esperado ) e calculou que os poços localizados no
contorno da área a ser rebaixada devem ser bombeados a uma taxa de 0.0052
m3/s. A Figura 3 mostra posição da superfície piezométrica após o
rebaixamento.
 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

Figura 3 - Superfície piezométrica após o rebaixamento.

CONCLUSÕES

As técnicas de programação não-linear constituem-se em instrumento

poderoso para aplicação em projetos de engenharia, seja na busca da solução
ótima, fundamental para o desenvolvimento de bons projetos, ou ainda na
resolução de modelos matemáticos representativos de sistemas mais
complexos.

Com a multiplicidade de algoritmos eficientes existentes na literatura e a

capacidade crescente dos computadores, a otimização de problemas de larga
escala torna-se a cada dia mais viável, abrindo horizontes largos onde o limite
é a capacidade do projetista de formular de forma adequada o modelo
matemático representativo das iterações do sistema físico.
 JOSÉ ALMIR CIRILO
_________________________________________________________________________

Agradecimento

A Mariana Ferrão, bolsista de Iniciação Científica do GRH/UFPE,

por seu trabalho de apoio no desenvolvimento do modelo de água subterrânea.

BIBLIOGRAFIA

AGUADO, E. and REMSON, I., Groundwater Hydraulics in Aquifer

Management, J. of. Hyd. Eng., ASCE, vol.100, No Hy1 january
1974, pp 103-118.

DAVIDON, W.C. (1959), Variable Metric Method for Minimization. Argonne

National Laboratory, ANL-5990 Rev., University of Chicago.

FLETCHER, R. and REEVES, C.M.(1964), Function Minimization by

Conjugate Directions, Computational Journal, No. 7 (2).

HIMMELBLAU, D.M. (1972), Applied Nonlinear Programming, McGraw-

Hill, New York.

VANDERPLAATS, G.N., SUGIMOTO, H.(1986), A general- Purpose

Optimization Program for Engineering Design, Computers &
Structures, Vol. 24, No.1.

WILLIS, R. , YEH, William W-G. - Groundwater Systems Planning and

Management, Prentice - Hall, Englewood cliffs, 1987.

CALIBRAÇÃO DE PARÂMETROS DE MODELOS DE

SIMULAÇÃO

OPERAÇÃO DE RESERVATÓRIOS
ALOCAÇÃO DE RECURSOS HÍDRICOS
PROJETOS HIDRÁULICOS
SISTEMAS DE IRRIGAÇÃO
APROVEITAMENTO DE ÁGUAS SUBTERRÂNEAS

6.11 CONSIDERAÇÕES FINAIS

 Capítulo 6-Programação Não Linear Aplicada a Recursos Hídricos
_________________________________________________________________________

BIBLIOGRAFIA

KUHN,H.W. TUCKER, A . W. Nonlinear Programming, Proc.2nd Berkeley

Symp. Math. Statistics Probabilities, J. Neyman (ed.), University of
California Press, Berkeley, 1951.