Professional Documents
Culture Documents
9328
1 INTRODUCCIN
Optimizar es mejorar lo que ya existe y proyectar el nuevo con ms eficiencia y
menor costo. Esta bsqueda debe cumplir una caracterstica muy importante para
cualquier mtodo de optimizacin que es: el equilibrio entre la eficiencia y eficacia
para garantizar no slo la solucin correcta del problema, sino tambin la
generalidad del proceso. La optimizacin tiene como objetivo determinar la mejor
configuracin de diseo sin probar todas las posibilidades de participar.
Fue en este ltimo siglo que se intensifico el desarrollo de mtodos de
optimizacin con el advenimiento de las computadoras y su rpida evolucin. Desde
entonces fueron elaborados diversos procedimientos matemticos y numricos de
optimizacin. La seleccin de uno u otro mtodo de bsqueda deben estar
estrictamente relacionados con el problema a ser minimizado.
Durante los ltimos 30 aos han surgido, diversas tecnologas relacionadas a
los algoritmos evolutivos: los algoritmos genticos (AG), desarrollado principalmente
en los Estados Unidos por Holland, estrategias evolutivas, desarrollado en Alemania
por Rechenberg y Schwefel y programacin evolutiva. Cada uno representa un
enfoque diferente. Sin embargo, todos se inspiran en los mismos principios de la
evolucin natural.
As tambin, para la solucin de problemas en ingeniera estructural existen
diversas tecnologas, para lo cual es importante conocer la potencialidad que pueden
ofrecer los AG, ya que en muchos casos los mtodos tradicionales podran resultar
muy complicados mientras que los AGs podran facilitar sustancialmente la solucin
de estos problemas. Con este motivo, se presenta un problema prctico que aunque
podra haberse solucionado por la forma tradicional, es resuelto con AG. De esta
manera como ya se indic anteriormente, se busca ampliar la disponibilidad de
herramientas para la solucin de problemas, no con el fin de sustituir los mtodos
tradicionales, sino con el objeto de dar a conocer nuevas alternativas. El caso
especfico de la optimizacin de soluciones por medio de los AG es muy importante,
pues han demostrado una gran versatilidad y robustez en muy diversos campos de
aplicacin, no siendo la excepcin la ingeniera y en este caso la estructural.
El objetivo de este trabajo es desarrollar un procedimiento para la
optimizacin de estructuras planas (caso de una estructura de un puente tipo
Warren) sometidas a cargas estticas, en el que sern aplicados los algoritmos
genticos AG para la optimizacin de secciones y el mtodo de las rigideces para el
clculo de la estructura. Adems del problema de optimizacin de rea de los
elementos, se pretende abordar, el problema a la optimizacin de forma e topologa,
llevando en cuenta las cargas aplicadas. La implementacin de los algoritmos
genticos fue hecha dentro del programa PUENFLEX Ver 2.00.
9329
(1)
9330
Donde:
= Fuerzas nodales equivalentes asociadas a las fuerzas exteriores aplicadas
sobre la estructura.
= Reacciones hiperestticas inicialmente desconocidas sobre la estructura.
= Desplazamientos nodales incgnita de la estructura.
= Nmero de grados de libertad de la estructura.
Matrices de rigidez elementales [K]
Para construir la matriz de rigidez de la estructura es necesario asignar
previamente a cada barra individual (elemento) una matriz de rigidez elemental. Esta
matriz depende exclusivamente de:
1) Las condiciones de enlace en sus dos extremos (barra bi-empotrada, barra
empotrada-articulada, barra biarticulada).
2) Las caractersticas de la seccin transversal de la barra: rea, momentos de
rea (momentos de inercia de la seccin) y las caractersticas geomtricas
generales como la longitud de la barra, curvatura, etc.
3) El nmero de grados de libertad por nodo, que depende de si se trata de
problemas bidimensionales (planos) o tridimensionales.
La matriz elemental relaciona las fuerzas nodales equivalentes a las fuerzas
aplicadas sobre la barra con los desplazamientos y giros sufridos por los extremos de
la barra (lo cual a su vez determina la deformada de la barra).
Para barras unidas rgidamente en sus dos extremos la matriz de rigidez
elemental que representa adecuadamente su comportamiento viene dada por:
(2)
Donde:
= Magnitudes geomtricas (longitud, rea y momento de inercia).
= Constante de elasticidad longitudinal (mdulo de Young).
Parmetros de estudio
Para modelar adecuadamente el comportamiento de la estructura as como
calcular los esfuerzos actuantes en cada barra, es necesario determinar los
parmetros a ser evaluados:
9331
eh
eb
b
Donde:
h = Altura de la viga.
eh = Espesura del alma de la viga.
9332
Funcin objetivo
Nuestra funcin objetivo est definida bsicamente por la siguiente expresin:
n
f acero AL
(3)
Donde:
f
= Funcin objetivo (Peso total de la estructura).
acero = Peso especifico del acero.
A
= Seccin transversal de los elementos.
L
= Longitud de cada barra.
n
= Nmero de barras que la estructura.
Y depender de los siguientes parmetros:
f F ( S , H , h, eh , b, eb )
(4)
Espacio de bsqueda
Los espacios de bsqueda para los parmetros establecidos en la frmula 4,
sern determinados de acuerdo a los datos inicialmente ingresados (figura 1),
indicndose los lmites superior, inferior y los intervalos a los cuales se har la
bsqueda.
Restricciones y Penalizaciones
La aplicacin de restricciones y penalizaciones es importante y crucial en
problemas de optimizacin e influye en la calidad de los resultados. Para este trabajo
se considero las siguientes penalizaciones: Esfuerzos mximos resistentes en las
barras y desplazamiento vertical de nudos en la parte ms crtica de la estructura.
i max
ui umax
(5)
Donde:
i = Esfuerzo actuante en la barra i.
uvi = desplazamiento en un nudo i.
9333
peso_ penalizado p j A j L j j
j
u j
(6)
Donde:
= incremento de la tensin sobre los valores admisibles.
incremento sobre los valores admisibles del desplazamiento.
Los parmetros e son elegidos de forma que pueda establecer una
relacin entre un incremento de tensin o desplazamiento sobre los valores
admisibles y el peso del cromosoma.
3 METODOLOGIA PARA LA APLICACIN DE LOS ALGORITMOS GENETICOS
A continuacin se describe algunos conceptos bsicos, datos y parmetros
requeridos para la solucin del problema, as como una breve descripcin sobre el
funcionamiento del software desarrollado.
3.1 ALGORITMOS GENETICOS
Un algoritmo es una serie de pasos organizados que describe el proceso que
se debe seguir, para dar solucin a un problema especfico En los aos 1970, de la
mano de John Henry Holland, surgi una de las lneas ms prometedoras de la
inteligencia artificial, la de los algoritmos genticos. Son llamados as porque se
inspiran en la evolucin biolgica y su base gentico-molecular. Estos algoritmos
hacen evolucionar una poblacin de individuos sometindola a acciones aleatorias
semejantes a las que actan en la evolucin biolgica (mutaciones y recombinaciones
genticas), as como tambin a una Seleccin de acuerdo con algn criterio, en
funcin del cual se decide cules son los individuos ms adaptados, que sobreviven, y
cules los menos aptos, que son descartados.
Un algoritmo gentico es un mtodo de bsqueda dirigida basada en
probabilidad. Bajo una condicin muy dbil (que el algoritmo mantenga elitismo, es
decir, guarde siempre al mejor elemento de la poblacin sin hacerle ningn cambio)
se puede demostrar que el algoritmo converge en probabilidad al ptimo. En otras
palabras, al aumentar el nmero de iteraciones, la probabilidad de tener el ptimo en
la poblacin tiende a 1 (uno).
9334
9335
cromosomas con
seleccionados.
mejor
aptitud
tienen
mayor
probabilidad
de
ser
9336
9337
9338
Figura 10: Diagrama de esfuerzo normal, tangente y circulo de mohr de la seccin transversal.
9339
La solucin de problemas utilizando AGs requiere que las variables del diseo
sean representadas de forma que los operadores de los AGs funcionen
correctamente sobre ellos. En este trabajo, se decidi trabajar con las seis variables
de diseo, S, H, b, eb,, h y eh, en representacin de nmeros reales, tal como fue
explicado en el planteamiento del problema.
Definidas las variables de diseo, el segundo paso es crear el espacio de
bsqueda, es decir, los posibles valores que las variables pueden asumir. Por lo tanto,
el programa requiere que el usuario proporcione los siguientes valores:
1. Tamao de la poblacin.
2. Nmero de Generaciones.
3. Probabilidad de Cruce.
4. Probabilidad de Mutacin.
5. Longitud de la luz del puente (L).
6. Esfuerzo mximo resistente de las barras (mx.).
7. Deflexin mxima establecida segn norma (mx.).
8. Carga aplicada a la estructura (W).
9. Modulo de elasticidad del material a usar en clculo estructural (E).
10. Peso especifico del cual est compuesto la estructura ().
11. Nmero de divisiones mnima y mxima de la luz del puente (L / S).
12. Altura mnima y mxima de la armadura as como el intervalo de bsqueda (H).
13. Dimensin mnima y mxima del patn superior e inferior de la seccin y su
respectivo intervalo de bsqueda (b).
14. Dimensin mnima y mxima del espesor del patn superior e inferior de la
seccin y su respectivo intervalo de bsqueda (eb).
15. Dimensin mnima y mxima de la altura de la seccin y su respectivo
intervalo de bsqueda (h).
16. Dimensin mnima y mxima del espesor de la altura de la seccin y su
respectivo intervalo de bsqueda (eh).
Con estos datos iniciales, adems de la duracin y la amplitud de la cobertura,
el programa crea seis vectores que contengan los posibles valores de las variables de
diseo. En la figura 11, se muestra el cromosoma en cual se aplicaran todos los
operadores genticos para obtener los parmetros ms ptimos.
0 1 1 1 0 1 1 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 1 0 1
S (n1)
H (n2)
b (n3)
eb (n4)
h (n5)
eh (n6)
9340
En funcin a los datos ingresados al programa, los valores de n1, n2,, n6, que
representan el tamao de los vectores, son determinados dinmicamente dentro del
programa con la siguiente expresin:
X max X min
log(
)
Intervalo
(7)
n
log2
El proceso de clculo y las generacin de la poblacin inicial y dems
operaciones genticas pueden ser visualizadas directamente en el programa tal como
se muestra en la figura 12. Adems de generar un archivo *.txt que muestra todos los
cdigos binarios del cromosoma y su evolucin ocurrida de generacin en
generacin.
9341
Figura 15: Estructura optimizada en su geometra longitudinal y seccin transversal de las barras.
160.000,00
Promedio
(Aptitud)
140.000,00
120.000,00
100.000,00
80.000,00
60.000,00
40.000,00
20.000,00
0,00
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82
Nro de Generaciones
9342
4.2 Ejemplo 2.- Se pretende optimizar el peso de una estructura que tiene una luz
de 100m, para los cuales se considerar los siguientes parmetros:
Figura 18: Estructura optimizada en su geometra longitudinal y seccin transversal de las barras.
600.000,00
Promedio (Aptitud)
500.000,00
Mejor Cromosoma
400.000,00
300.000,00
200.000,00
100.000,00
0,00
1
11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96
Nro de Generaciones
Figura 19: Convergencia de la funcin objetivo (peso de la estructura).
9343
9344