Dimensionamento ótimo de redes de distribuição de água utilizando algoritmos genéticos multiobjetivos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Muranaka, Renata Sayuri
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://repositorio.unb.br/handle/10482/51604
Resumo: A busca por projetos eficientes de redes de distribuição de água (RDA) que refletem as complexidades dos sistemas reais tem estimulado o desenvolvimento e a aplicação de diversas técnicas de otimização. Entre elas, a otimização multi e de muitos objetivos possuem particular importância devido à sua capacidade de melhor representar tanto os sistemas de abastecimento como as necessidades das companhias de saneamento de forma mais realista. Neste contexto, os algoritmos genéticos surgiram como uma técnica de otimização promissora, oferecendo uma ampla gama de metodologias documentadas na literatura que obtiveram resultados satisfatórios em diversos campos de aplicação, entre eles a hidráulica e o saneamento. Para avaliar sistematicamente essas abordagens, foi desenvolvida uma metodologia para comparar seis algoritmos genéticos no contexto de otimização de RDA: NSGA-II, NSGA-III, U-NSGA-III, R-NSGA-III, MOEA/D e RVEA, utilizando duas funções objetivo distintas. A análise comparativa utilizou como métricas principais o critério de eficiência (E), a função de distribuição acumulada (FDA), análises estatísticas de erro e complexidade de algoritmos. As descobertas revelaram que, embora a maioria dos algoritmos tenha convergido com sucesso para o ótimo global conhecido do estudo de caso empregado, o NSGA-II e o NSGA-III exibiram desempenho superior, principalmente na minimização de custos. Estes resultados demonstram a eficácia destes algoritmos em lidar com as complexidades inerentes à otimização de RDA, distinguindo-os neste campo de aplicação.