Professional Documents
Culture Documents
Los Algoritmos Genticos (AGs) son mtodos adaptativos que pueden usarse para resolver
problemas de bsqueda y optimizacin
Los modelos informticos se han convertido en una herramienta esencial para la gestin de los
sistemas de distribucin de agua en todo el mundo. Existen numerosos propsitos para usar
un modelo de computadora para simular las condiciones de flujo dentro de un sistema. Un
modelo puede ser empleado para:
Asegurar una cantidad adecuada y un servicio de calidad del recurso de agua potable a
la comunidad
Verificar las estrategias de operacin para una mejor administracin del sistema de
infraestructura de agua
Realizar estudios de vulnerabilidad para evaluar los riesgos que pueden presentarse y
afectar el suministro de agua.
Para estos propsitos, se construye un modelo en el que los datos que describen los
elementos de red de tuberas, uniones, vlvulas, bombas, tanques y depsitos se ensamblan
de manera sistemtica para predecir el flujo de tuberas y uniones de grado hidrulico (HGL) o
presiones dentro de un agua sistema de distribucin.
Los modelos de computadora son inversiones significativas para las compaas de agua. Para
garantizar un buen retorno de la inversin y el uso correcto de los modelos, el modelo debe
ser capaz de simular correctamente las condiciones de flujo encontradas en el sitio. Esto se
logra calibrando los modelos. Una calibracin implica el proceso de ajustar las caractersticas y
los parmetros del modelo de modo que los flujos y presiones pronosticados del modelo
coincidan con los datos de campo reales observados hasta cierto nivel deseable o aceptable.
Esto se describe con ms detalle en Walski, Chase y Savic (2001).
La calibracin de un modelo de distribucin de agua es una tarea complicada. Hay muchos
parmetros inciertos que deben ajustarse para reducir la discrepancia entre las predicciones
del modelo y las observaciones de campo de la unin HGL y las descargas de tuberas. Los
coeficientes de rugosidad de la tubera a menudo se consideran para la calibracin. Sin
embargo, hay muchos otros parmetros que son inciertos y afectan a la unin HGL y al ndice
de flujo de tubera. Para minimizar los errores en los parmetros del modelo y eliminar el error
de compensacin de los parmetros de calibracin (Walski 2001), debera considerar calibrar
todos los parmetros del modelo, como demanda de unin, estado de operacin de tuberas y
vlvulas y coeficientes de rugosidad de la tubera.
DONDE:
Hpnt toma nota del cabezal hidrulico por punto de condicin fsica, mientras que Fpnt es el
caudal por punto de condicin fsica. NH es el nmero de grados hidrulicos observados y NF
es el nmero de descargas de tuberas observadas, Wnh y Wnf representan un factor de
ponderacin normalizado para los grados y flujos hidrulicos observados, respectivamente. Se
dan como:
DONDE:
f () es una funcin que puede ser lineal, cuadrada, raz cuadrada, log o constante. Se puede
realizar una calibracin optimizada seleccionando uno de los tres objetivos anteriores y los
factores de ponderacin entre la cabeza y el flujo. Los parmetros del modelo se calculan
utilizando un algoritmo gentico mientras se minimiza la funcin objetivo seleccionada y se
satisfacen las restricciones de calibracin.
Restricciones de Calibracin
Las restricciones de lmite de calibracin se utilizan para establecer los lmites mnimo y
mximo para los coeficientes de rugosidad de la tubera y el multiplicador de la demanda de
unin. Se dan de la siguiente manera.
Las tuberas que tienen las mismas caractersticas fsicas e hidrulicas se pueden agrupar como
un nico enlace de calibracin, y se asigna un nuevo coeficiente de rugosidad o un coeficiente
de rugosidad multiplicador a todas las tuberas del mismo grupo. Las uniones que tienen los
mismos patrones de demanda y dentro de un mismo rea topolgica tambin se pueden
agregar como una unin de calibracin a la que se calcula y asigna un mismo multiplicador de
demanda. Los parmetros de calibracin estn limitados por los lmites superior e inferior
prescritos y ajustados con un valor incremental prescrito por el usuario. Por ejemplo, un valor
Hazen-Williams C para una tubera o un grupo de tuberas se calcular dentro de un rango de
40 a 140 y por un incremento de 5. Los multiplicadores de demanda pueden variar de 0.8 a 1.2
por 0.1. La agregacin de parmetros es til para reducir la dimensin de calibracin, sin
embargo, se debe tener precaucin al agrupar tuberas y uniones, ya que esto puede afectar la
precisin de la calibracin del modelo.
Las soluciones seleccionadas se utilizan para reproducir una prxima generacin de soluciones
de calibracin mediante la realizacin de operaciones genticas. Durante muchas
generaciones, las soluciones evolucionan y finalmente surgen las soluciones ptimas o casi
ptimas. Existen numerosas variaciones de algoritmos genticos en la ltima dcada. Se han
llevado a cabo muchas aplicaciones exitosas de GA para resolver calibraciones de modelos
para una calibracin optimizada de los sistemas de recursos hdricos (Wang 1992, Wu 1994,
Babovic, etc. 1994, Wu y Larsen 1996). Ms recientemente, se ha utilizado un algoritmo
gentico competente (tambin llamado GA fast messy), que se ha demostrado que es el GA
ms eficiente para la optimizacin de un sistema de distribucin de agua (Wu y Simpson 2001),
para la calibracin optimizada. Se brinda una breve descripcin en la siguiente seccin.
Darwin Designer utiliza un paradigma de bsqueda genrica de algoritmo gentico (GA) para
ayudar a los ingenieros hidrulicos a planificar y disear eficientemente un sistema de
distribucin de agua.
Design Variables
New Pipe
Cost Rehabilitation
Pipe Cost.
Variables de diseo
Se utilizan dos tipos de variables de diseo para el diseo y la rehabilitacin ptimos de los
sistemas de distribucin de agua. Son tamaos de tubera (d) y acciones de diseo (e).
Tamao de la tubera:
El dimetro de la tubera se trata como una variable de diseo para una nueva tubera a
dimensionar. Una tubera nueva puede ser la tubera agregada a una subdivisin, un
reemplazo o una tubera paralela a las tuberas existentes. Un modelador puede agregar varias
tuberas como un enlace de diseo. Las tuberas dentro de un grupo de tuberas tienen el
mismo dimetro. El dimetro de la tubera se puede seleccionar de un conjunto de tamaos de
tubera discreta y disponible comercialmente, dado como:
Accin de diseo:
La accin de diseo se presenta como una variable de diseo para optimizar las alternativas de
rehabilitacin (por ejemplo, limpieza, revestimiento, reemplazo, tubera paralela, etc.) para
tuberas existentes. Un modelador puede definir un conjunto de acciones posibles que se
pueden aplicar a un grupo de tuberas. Las tuberas dentro de un grupo de tuberas tendrn la
misma accin de rehabilitacin, dado como:
El costo total de un diseo de red y rehabilitacin es la suma del costo del nuevo tubo (Cnew) y
el costo del tubo de rehabilitacin (Crehab). Por lo tanto, el costo total se da como:
El costo de una nueva tubera de diseo se define como una funcin de la longitud de la
tubera. Deje que el nmero total de tuberas de diseo sea DP, y que ck (dk) sea el costo por
unidad de longitud del dimetro de la tubera k-sima seleccionado a partir de un conjunto de
dimetros de tubera D0 disponibles de las opciones de DC. El costo del nuevo tubo se da como
sigue:
El costo de un tubo de rehabilitacin est asociado con el dimetro del tubo y la accin de
rehabilitacin. Sea ck (ek, dk) el costo por unidad de longitud de un tubo para la k-sima accin
de rehabilitacin ek elegida entre un conjunto de posibles acciones E0 de opciones de EC para
el tubo existente de dimetro dk. El costo de los tubos de rehabilitacin se formula como:
Para las tuberas que se agrupan en un enlace de diseo, se aplicar el mismo tamao de
tubera o accin de rehabilitacin a las tuberas.
Funciones de beneficios
El objetivo del diseo de un sistema de agua es maximizar el valor o beneficio del sistema al
tiempo que se reduce el costo del sistema. Minimizar el costo solo puede dar como resultado
tamaos de tubera ms pequeos, lo que conduce al diseo de capacidad mnima. La menor
capacidad no es la solucin preferible para la planificacin del sistema a largo plazo; cierta
capacidad extra de tubera es beneficiosa para permitir que el suministro crezca hasta su
capacidad total dentro de un horizonte de planificacin para dar cuenta de la incertidumbre en
las demandas y para cumplir con la necesidad de confiabilidad en caso de interrupciones.
El verdadero beneficio del diseo del sistema de agua es proporcionar de manera confiable un
servicio de cantidad y calidad de agua adecuada. Debe garantizarse un suministro de agua
suficiente para una comunidad, no solo en este momento, sino tambin en un horizonte de
planificacin razonable. Durante este perodo de planificacin, se estima la cantidad de agua
requerida para un sistema, o la demanda, y esto normalmente se realiza con cierta
incertidumbre. Por lo tanto, es difcil pronosticar con precisin la demanda. Para que un diseo
se lleve a cabo con el mximo valor o beneficio para un sistema de distribucin de agua, los
ingenieros deben poder determinar el beneficio mximo dentro de un presupuesto.
Con la definicin de una funcin de beneficio como uno de los objetivos de diseo, el diseo
ptimo ya no es un problema de optimizacin de un solo objetivo (minimizando el costo), sino
un objetivo multiobjetivo (minimizando el costo y maximizando el beneficio). Una optimizacin
multiobjetivo permite a los ingenieros crear un diseo que intercambia entre costo y beneficio.
El problema de optimizacin de compensacin se resuelve mediante el uso de un algoritmo
gentico competente.
Darwin Designer al mismo tiempo optimiza dos objetivos en conflicto y produce un conjunto
de soluciones ptimas de Pareto (es decir, no dominadas, no inferiores). Una solucin objetiva,
como el costo, no se puede mejorar (minimizar) sin disminuir el otro objetivo (reducir el
beneficio). Por lo tanto, un conjunto de soluciones ptimas de Pareto representa la mejor
solucin de diseo para cada rango de costos. Los ingenieros pueden justificar an ms el
mejor diseo por otros criterios no cuantificables.
Beneficios de presin
La mejora de presin para beneficio sin dimensiones se propone como una relacin de
diferencia de presin entre la presin real y una presin de referencia definida por el usuario.
El beneficio se normaliza por la demanda de unin (JQ). Los factores tambin se introducen
para permitir que un modelador convierta y personalice la funcin de beneficio hidrulico.
Pref = presin de unin de referencia definida por un usuario para evaluar la mejora de la
presin. La presin de referencia se toma como las presiones mnimas de unin requeridas.
Restricciones de diseo
Todos los grupos de tuberas especifican y utilizan una lista de tamaos de tubera (y costos)
disponibles. Para cada grupo, especifique los dimetros mnimo y mximo, lo que reduce el
alcance del problema de optimizacin. El tamao de la tubera se selecciona de una lista de
dimetros de tubera comercialmente disponibles dentro del rango del lmite mnimo y
mximo, tales como:
Tambin se puede introducir un conjunto de dimetros de tubera para excluir los tamaos de
tubera desfavorables para un grupo de tubera. Este conjunto se puede notar como:
A menudo se requiere presin de unin para mantener un nivel de presin mayor que un
mnimo para garantizar un servicio de agua adecuado, y un nivel de presin menor que el
mximo para reducir las fugas de agua en un sistema. Por lo tanto, las restricciones de presin
de unin se dan como:
DONDE:
Una solucin de diseo y rehabilitacin tambin est restringida por un conjunto de criterios
de flujo de tuberas que a menudo se dan como una velocidad de flujo mxima permisible y un
gradiente o pendiente hidrulica mxima permitida, dado como sigue:
Donde:
HGi, j = gradiente hidrulico (pendiente) del tubo i para el caso de carga de demanda j
HGmax = gradiente hidrulico mximo permitido
En muchos diseos de mejora del sistema, una solucin de diseo factible debe garantizar que
el tanque de almacenamiento se vuelva a llenar a un cierto nivel de agua para que se pueda
establecer un suministro peridico estable. Para cumplir con los criterios de relleno del
tanque, la velocidad de flujo del tubo debe ser mayor
No es necesario modificar o simplificar la hidrulica del sistema y los criterios de diseo para
adaptarse a GA de objetivos mltiples. La optimizacin de un solo objetivo se usa para
identificar las soluciones ptimas o casi ptimas segn la funcin objetivo nica. Tan pronto
como se encuentre una solucin mejor que la mejor solucin actual, se aceptar. La
optimizacin multiobjetivo es ubicar las soluciones no inferiores (o no dominadas) en el
espacio de la solucin. La solucin A se llama no inferior a la solucin B si y solo si la solucin A
no es peor que la solucin B en todos los objetivos. Tambin se dice que la solucin A domina
la solucin B o que la solucin A es una solucin no dominada. Una solucin global no
dominada se define como la solucin que no es peor que cualquier otra solucin factible en
todos los objetivos. Existen mltiples soluciones globales no dominadas. La tarea de una
optimizacin multiobjetivo es buscar todas las soluciones globales no dominadas o no
inferiores, tambin conocidas como el conjunto ptimo de Pareto o el frente ptimo de
Pareto.
Para resolver de manera efectiva el problema del diseo ptimo de compensacin de costo-
beneficio, como se formul en la seccin anterior, el algoritmo gentico rpido y desordenado
(Goldberg et al., 1993) se ha ampliado para manejar las funciones multiobjetivo. El GA rpido y
desordenado multiobjetivo se ha integrado con el solucionador de redes hidrulicas Bentley
WaterCAD V8i. El enfoque integrado (Wu et al., 2002) proporciona una poderosa herramienta
de optimizacin del diseo para ayudar a los ingenieros hidrulicos a disear de manera
prctica y eficiente un sistema de distribucin de agua. Ofrece la capacidad de tres niveles de
anlisis de diseo de optimizacin, incluido el diseo de costo mnimo, el diseo de beneficios
mximo y la optimizacin del diseo de compensacin de costo-beneficio.
Donde, x1, x2 y x3 toman directamente un valor de bit como un entero de izquierda a derecha.
En general, una plantilla de similitud corta que contribuye a una aptitud superior a la media se
llama bloque de construccin. Los bloques de construccin a menudo estn contenidos en
cadenas cortas que representan soluciones parciales a un problema especfico. Por lo tanto, la
bsqueda de buenas soluciones descubre y yuxtapone las cadenas cortas buenas, que
esencialmente designan una buena regin de solucin, y finalmente conduce una bsqueda a
la mejor solucin.
Goldberg et al. (1989) desarrollaron el desordenado algoritmo gentico como uno de los
paradigmas de algoritmos genticos competentes centrndose en mejorar la capacidad de GA
de identificar e intercambiar bloques de construccin. La primera generacin del GA
desordenado inicializa explcitamente todas las cadenas cortas de una longitud deseada k,
donde k se refiere al orden de un bloque de creacin definido por una cadena corta. Para una
representacin de cadena binaria, todas las combinaciones de bloques de construccin de
orden-k requieren un nmero de cadenas iniciales cortas de longitud k para un problema de l-
bit:
Por ejemplo, el tamao de poblacin inicial de cadenas cortas, al enumerar por completo los
bloques de construccin de orden 4 para un problema de 40 bits, es ms de un milln. Esto
hizo imposible la aplicacin de la GA desordenada de primera generacin a un problema de
optimizacin a gran escala. Este cuello de botella se ha superado introduciendo un
procedimiento de filtro de bloque de construccin (Goldberg et al., 1993) en la desordenada
AG. El procedimiento de filtro acelera el proceso de bsqueda y se llama GA rpida y sucia.
Finalmente, sigue una fase yuxtaposicin para producir nuevas cadenas. Durante esta fase, los
bloques de construccin procesados se combinan e intercambian para formar descendencia
mediante la aplicacin de los operadores de seleccin y reproduccin. La fase de yuxtaposicin
finaliza cuando se alcanza el nmero mximo de generaciones y se completa el ciclo de una
iteracin de una era. La longitud de las cuerdas cortas que contiene los bloques de
construccin deseados a menudo se especifica cmo lo mismo que una era, comenzando con
uno hasta un nmero mximo de era. Debido a esto, las cadenas cortas preferidas aumentan
en longitud sobre las iteraciones externas. En otras palabras, un GA desordenado desarrolla
soluciones a partir de cadenas cortas desde la longitud uno hasta la longitud mxima deseada.
Esto permite que el GA desordenado imite el proceso de evolucin natural y biolgica que un
organismo simple o de una clula evoluciona en un organismo ms sofisticado e inteligente.
Goldberg et al. (1989, 1993) ha dado el anlisis detallado y el procedimiento de clculo de la
desordenada GA.