Resumo
Projetistas e pesquisadores têm-se voltado a estudos na área otimização de sistemas de recursos hídricos e saneamento, devido aos altos custos de implantação e operação envolvidos nos projetos. O dimensionamento ótimo é, geralmente, um problema matematicamente indeterminado, que admite inúmeras soluções. Os algoritmos evolucionários, que são técnicas numéricas de otimização inspiradas na natureza, vêm se mostrando uma boa alternativa. Dentre os diversos algoritmos evolucionários, adotou-se o algoritmo de Otimização por Enxame de Partículas (em inglês, Particle Swarm Optimization – PSO) que apresenta, relativamente, menor complexidade computacional, e está se mostrando bastante eficiente na otimização de sistemas de distribuição de água. Nesse trabalho, a utilização do método PSO atingiu o objetivo esperado na obtenção do menor custo total (implantação + energia) para a implantação de sistemas adutores, apresentando precisão e dinamismo na busca de um dimensionamento ótimo.
Introdução
A otimização de sistemas de distribuição de água tem recebido atenção especial de projetistas e pesquisadores da área de recursos hídricos e saneamento devido aos altos custos de implantação e operação daqueles. O dimensionamento ótimo de redes hidráulicas é um problema matematicamente indeterminado que admite inúmeras soluções. Não existe um método de otimização que resolva eficientemente todos os tipos de problemas, e é por isso que, ao longo do tempo, pesquisadores têm desenvolvido várias técnicas de busca que adotam algoritmos matemáticos diferentes.
Os primeiros métodos propostos se restringiam à escolha dos diâmetros da rede hidráulica que proporcionassem o equilíbrio hidráulico do escoamento nas malhas do sistema (BEZERRA et al., 2009). No final da década de sessenta, a consolidação da microinformática em centros de pesquisa permitiu o desenvolvimento de técnicas direcionadas ao dimensionamento de redes hidráulicas. Os primeiros algoritmos de otimização empregados eram baseados em técnicas de programação linear (KARMELI et al., 1968), programação não-linear e programação dinâmica (LIANG, 1971).
Os anos oitenta do século passado marcaram o surgimento dos métodos heurísticos. A palavra “heurística” deriva do grego heuriskein, que significa “encontrar” ou “descobrir”. As chamadas técnicas heurísticas de otimização, geralmente, propõem modelos probabilísticos para encontrar a solução ótima de uma função a partir da observação de fenômenos naturais. Esses métodos não fornecem garantias de que a solução obtida é a melhor possível entre as existentes, porém convergem para uma solução muito próxima ao ótimo global (MEDEIROS e KRIPKA, 2012).
A classe de algoritmos heurísticos baseada na inteligência coletiva proveniente do estudo da sociedade de certos animais, denominada Swarm Intelligence, vem apresentando bons resultados para o dimensionamento de sistemas de distribuição de água, se destacando em pesquisas recentes. Entretanto, a maioria das aplicações destes métodos considera apenas a obtenção do custo mínimo na definição de seus parâmetros, que são ajustados por “tentativa e erro”. As pesquisas buscam a “melhor” solução de custo mínimo, mas não se aprofundam em outros aspectos, tais como o impacto do ajuste de parâmetros nas soluções finais, e o tempo computacional. A partir dos pressupostos citados, destaca-se que o desenvolvimento destes modelos se encontra na fronteira da ciência, pois alguns questionamentos ainda não foram plenamente respondidos pela comunidade cientifica.
Autores: José Eloim Silva de Macêdo; Saulo de Tarso Marques Bezerra e Guilherme Teotônio Leite Santos.
