Desenvolvimento de modelos de otimização baseados em técnicas evolutivas para o projeto de redes de distribuição de água

Abstract

O crescimento populacional elevado faz com que novos projetos de redes de distribuição de água (RDA) sejam elaborados diariamente. Essas redes são responsáveis por transportar água potável dos reservatórios aos consumidores finais de maneira contínua e ininterrupta, garantindo qualidade, quantidade e pressão adequadas. No entanto, devido aos altos custos de implantação vinculados à complexidade resolutiva desse problema, projetistas e pesquisadores estão desenvolvendo modelos de otimização baseados em algoritmos evolutivos que buscam melhores soluções para o dimensionamento, com o menor custo computacional possível. Sendo assim, esta tese apresenta duas novas metodologias de otimização. A primeira é um modelo híbrido composto pelos algoritmos de otimização Particle Swarm Optimization (PSO) e Tabu Search (TS), denominado H-PSOTS. Esse modelo objetiva tornar a busca mais eficiente, evitando movimentos repetitivos de busca durante a atualização das soluções. Entretanto, a aleatoriedade na formação do conjunto solução inicial do problema, característica deste tipo de algoritmo, pode levá-lo a uma convergência prematura em um mínimo local e a uma redução na eficiência computacional, tornando a busca mais exaustiva. Para solucionar esse problema, o segundo modelo proposto, denominado PSO-RC, objetiva uma maior exploração global do espaço de busca com ciclos de reinicialização do próprio algoritmo PSO, sem perder informações de buscas anteriores, como a posição do último ótimo local encontrado. Os modelos propostos, juntamente com o PSO convencional, foram aplicados em três problemas de destaque na literatura (Balerma Network, Hanoi Network e Rural Network) e na RDA de Panelas-PE. Ambos os modelos apresentaram tempos de execução menores que o PSO convencional, em todas as redes estudadas. Além disso, apresentaram resultados próximos aos melhores custos ótimos descritos na literatura. O PSO-RC demonstrou efetividade de resposta com uma redução de 38% no número de partículas do enxame em relação ao definido para o PSO convencional e o modelo híbrido. Esse enxame reduzido resultou em um menor tempo de execução nas redes de maior complexidade, além de menor variação da resposta final. Os resultados apontam que os modelos propostos são promissores para a otimização de sistemas complexos.