Otimização de estruturas treliçadas com utilização do algoritmo meta-heurístico MFO

Abstract

A otimização de estruturas da indústria automotiva, civil e aeronáutica permite o melhoramento de projetos existentes com o intuito de obter soluções eficientes em termos de custo, desempenho e segurança. Historicamente, técnicas de otimização matemática determinísticas têm sido amplamente utilizadas para resolver problemas de otimização. No entanto, esses métodos enfrentam desafios significativos, especialmente em casos que envolvem ótimos locais. Este trabalho apresenta a implementação e comparação de forma sistemática e estatística do desempenho do algoritmo meta-heurístico Moth-Flame Optimization (MFO), que não usa gradientes e é inspirado em paradigma da natureza, em problemas de otimização de massas estruturais com restrições de frequências naturais, encontrados na literatura. O estudo aborda o funcionamento do algoritmo, com suas vantagens e desvantagens, sendo implementados na resolução uma série de exemplos, que são discutidos e analisados de forma estatística. Por fim, conclui-se que o algoritmo apresenta características únicas interessantes que o tornam uma alternativa promissora para os tipos de problemas analisados, pois a diferença máxima apresentada foi apenas 2,43% acima do peso mínimo estrutural já reportado em um dos casos, quando comparado a outros algoritmos consolidados.

The optimization of structures in the automotive, civil and aeronautical industries allows the improvement of existing projects in order to obtain efficient solutions in terms of cost, performance and safety. Historically, deterministic mathematical optimization techniques have been widely used to solve optimization problems. However, these methods face significant challenges, particularly in cases involving optimal locations. This study presents the systematic and statistical implementation and comparison of the performance of the gradient-free, nature inspired metaheuristic algorithm Moth-Flame Optimization (MFO) in structural mass optimization problems with natural frequency constraints, as found in the literature. The study examines the algorithm's functionality, highlighting its advantages and disadvantages. It is implemented to solve a series of examples, which are statistically discussed and analyzed. Finally, it is concluded that the algorithm exhibits unique and compelling characteristics, making it a promising alternative for the types of problems analyzed, as the maximum difference observed was only 2.43% above the minimum structural weight previously reported in one of the cases, when compared to other established algorithms.