Procedimento baseado em otimização para a definição geométrica de projetos preliminares de dolphins de amarração realizado por aprendizado de máquina em Python

Abstract

Neste trabalho, desenvolveu-se um algoritmo metaheurístico que utiliza aprendizado de máquina para a otimização estrutural eficiente de um dolphin de amarração. Implementado em Python, o algoritmo emprega a Interface de Programação de Aplicação (API) do software de simulação de engenharia em elementos finitos ANSYS para obter dados de tensão, deformação e rotação dos elementos da estrutura. A função objetivo considera o peso total da estrutura como critério de otimização. As variáveis de projeto incluem as direções, inclinações e pontos iniciais das estacas do dolphin de amarração, respeitando limites geométricos e normativos. A aprendizagem por reforço é utilizada para classificar a função objetivo de N amostras topológicas distintas. Já o Backtracking Search Algorithm (BSA) em conjunto com a Kriging-based Efficient Global Optimization (EGO) refina os parâmetros gerados, visando alcançar um valor ótimo global. Devido aos resultados satisfatórios deste estudo, é demonstrada a eficácia do uso de algoritmos metaheurísticos e aprendizado de máquina na otimização de estruturas de engenharia, destacando vantagens de integrar ferramentas computacionais avançadas com metodologias inovadoras de análise estrutural.