Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algoritmo - Genetico ABASTWECIMIENTO DE AGUA PDF
Algoritmo - Genetico ABASTWECIMIENTO DE AGUA PDF
Grupo Multidisciplinar de Modelacin de Fluidos Universidad Politcnica de Valencia Camino de Vera s/n
Apto 22012 46022 Valencia (Espana). Telefono: +34.963.879.890. Fax: +34.963.877.981. Email:
piglesia@gmmf.upv.es
INTRODUCCIN
El diseo de sistemas de distribucin de agua pertenece a un cada vez ms amplio grupo de
problemas cuya resolucin ptima resulta extremadamente compleja o incluso imposible. En el
campo del diseo de redes de abastecimiento de agua, la obtencin de un diseo ptimo utilizando
dimetros discretos resulta prcticamente imposible. Algunos investigadores han desarrollado
diferentes algoritmos para minimizar los costes de diseo de un sistema de abastecimiento a travs
del empleo de tcnicas matemticas tales como la programacin lineal y no lineal y la programacin
dinmica.
Es bien conocido que cuando se escogen como variables de decisin los dimetros de las
conducciones, las restricciones son funciones implcitas de dichas variables de decisin, la regin
del espacio de soluciones posibles es de tipo no convexo y la funcin objetivo se vuelve
multimodal. En este punto los mtodos tradicionales basados en tcnicas matemticas quedan
restringidos a la localizacin de mnimos locales de la funcin que dependen del punto de inicio del
proceso de convergencia.
La aplicacin de las tcnicas estocsticas de optimizacin tales como los algoritmos genticos
(AG) permiten la bsqueda ms all de estos mnimos locales, lo que ampla en muchas ocasiones
el campo de bsqueda y por ello la capacidad de obtener mejores soluciones. En este punto cabe
destacar algunos trabajos previos relacionados con el tema. Sin duda uno de los primeros modelos
de diseo ptimo de redes de abastecimiento es el modelo GAnet (Morley et al 2001) basado en el
trabajo previo de Savic y Walters (1997); Matas (2003), Matas (2004), Fujiwara y Khang (1990).
Otros modelos tambin de tipo heurstico destacables son los realizados por Cunha y Sousa (1999)
y Eussuf y Lansey (2003).
Este trabajo muestra el desarrollo de un mtodo de diseo ptimo de redes de abastecimiento
de agua basado en el empleo de AG. El objetivo es minimizar los costes de inversin necesarios
para la implantacin de un determinado sistema a partir del trazado topolgico y de las demandas y
requerimientos de presin en los nudos. El mtodo propuesto difiere de trabajos anteriores en
desarrollar un cdigo basado en la utilizacin de cadenas numricas en lugar de cadenas binarias.
La diferencia fundamental estriba en la capacidad de adaptarse a los requerimientos de diferentes
rangos de valores para cada una de las variables de decisin.
METODOLOGA PROPUESTA
Las tcnicas basadas en AG hacen uso de las reglas de seleccin natural que guan el proceso
evolutivo de los seres vivos. Son tcnicas cuyo objetivo es emular dicho proceso para conseguir una
solucin cada vez mejor en la bsqueda por el ptimo. Tradicionalmente han sido mtodos
adecuados para problemas formulados en variables binarias y en los que otros mtodos de bsqueda
no resultan convenientes. No obstante en este trabajo se introduce una formulacin del problema
basndose en una codificacin numrica, no binaria, de la solucin.
La mayora de las tcnicas de bsqueda convencionales parten de una solucin factible que se
intenta mejorar desplazndose en la direccin que implica una mejora en la funcin objetivo. El
diseo de redes de distribucin de agua dificulta notablemente la exploracin completa del espacio
de soluciones mediante las tcnicas de optimizacin clsicas. Por ello los AG, basados en la
exploracin aleatoria de dicho espacio, resultan adecuados. Para ello es necesario definir unas
reglas sencillas de exploracin y cambio entre cada conjunto de soluciones y el siguiente. El
carcter aleatorio del mtodo no garantiza una exploracin completa del espacio de soluciones, ni
2
supone garanta alguna de alcanzar un mnimo de la funcin objetivo. No obstante el mtodo ofrece
un conjunto de buenas soluciones que intentan mejorarse poco a poco.
Los elementos de trabajo de un AG quedan perfectamente definidas tanto el Iglesias y otros
(2002) como en Matas (2003). A continuacin se recoge tan solo una breve descripcin de los
mismos poniendo nfasis en las adaptaciones realizadas para el algoritmo seudo-gentico (APG)
propuesto.
Eslabn.
El eslabn es la unidad bsica de informacin que adopta un valor binario (0/1). En el mtodo
que se propone cada una de las variables de decisin puede tener un rango de soluciones posible
diferente; cada eslabn se representa as mediante una variable entera. Esta codificacin supone
identificar cada eslabn con una variable de decisin, al contrario de lo que ocurre con los AG. En
el caso del diseo de redes de abastecimiento cada eslabn, representado mediante un nmero o
letra, recoge la solucin del dimetro de cada una de las lneas (ver Figura 1). Es necesario para ello
que exista una codificacin de las variables de decisin como la recogida en la tabla siguiente.
Tabla 1. Tabla de codificacin para diseo y rehabilitacin de una red de abastecimiento de
agua.
Cdigo
variable
decisin
A
B
C
D
E
F
Sub. 1
Sub. 2
D (mm)
Acciones
100
150
200
250
300
350
Mantener tubera
Duplicar tubera
Rehabilitar tubera
-
Sub. 3
Dvlvula
(mm)
60
80
100
150
200
300
Sub. 4
Altura de la bomba
Hmin
Hmin+025*(Hmax-Hmin)
Hmin+050*(Hmax-Hmin)
Hmin+075*(Hmax-Hmin)
Hmax
-
Sub. 5
Grado apertura
vlvula (%)
Abierta
Cerrada
-
Eslabn binario
Eslabn numrico
X i = X1i , X i2 , K , X iN VD
(1)
La aptitud una cadena genrica Xi se identifica a travs del valor que adopta la funcin
objetivo para la solucin codificada. En el caso del APG propuesto para diseo de redes de
abastecimiento de agua dicha funcin objetivo se define como
( ) C (X ) L
F Xi =
N VD
j=1
i
j
NS N R
j + k ,s (H min,k H k ,s )
(2)
s =1 k =1
probabilidad depende del orden segn el coste de la cadena dentro de la poblacin, y debe estar
comprendida entre una probabilidad mxima pmx, asociada al individuo de coste menor, y una
probabilidad mnima, asociada a la solucin de coste mayor. Ambas probabilidades se definen
como
2
p max =
p min =
(3)
NC
NC
donde es una constante que debe estar entre 15 y 2.
De acuerdo con este mtodo para una cadena genrica i su probabilidad de seleccin es
N i
p i = p min + (p max p min ) C
(4)
NC 1
Las posibilidades de cada una de las cadenas de reproducirse en la siguiente generacin se
determinan en funcin del producto de la probabilidad pi por el nmero de cadenas NC. Si dicho
producto es mayor o igual que 15 la cadena se duplica; si est entre 05 y 15 la cadena se
mantiene; y si es inferior a 05 la cadena se elimina de la siguiente generacin.
La
Tabla 2 recoge el proceso de reproduccin constante de la poblacin hipottica de 16 cadenas
de la Figura 2. En las dos primeras columnas se recoge la cadena y el valor de la funcin objetivo
asociada a cada una de ellas. En las primeras filas se recogen los valores de la constante y las
probabilidades asociadas a los individuos ms caro y ms barato. En el resto de columnas aparece
para cada valor de los valores de la probabilidad de cada cadena pi, el producto pi*NC y el nmero
de copias de la cadena en cuestin que estarn en la siguiente generacin.
Tabla 2. Nmero de individuos en la siguiente generacin en el mtodo de la reproduccin
constante en funcin de la constante .
Constante
pmx
pmin
Cadena Valor
1
36
2
327
3
799
4
1640
5
3569
6
4711
7
5363
8
7713
9
10020
10
13952
11
14939
12
15346
13
15747
14
16450
15
18735
16
19822
pi
0,100
0,095
0,090
0,085
0,080
0,075
0,070
0,065
0,060
0,055
0,050
0,045
0,040
0,035
0,030
0,025
1,6
0,1000
0,0250
pi*NC Indiv.
1,60
2
1,52
2
1,44
1
1,36
1
1,28
1
1,20
1
1,12
1
1,04
1
0,96
1
0,88
1
0,80
1
0,72
1
0,64
1
0,56
1
0,48
0
0,40
0
pi
0,106
0,100
0,095
0,089
0,083
0,077
0,071
0,065
0,060
0,054
0,048
0,042
0,036
0,030
0,025
0,019
1,7
0,1063
0,0188
pi*NC Indiv.
1,70
2
1,61
2
1,51
2
1,42
1
1,33
1
1,23
1
1,14
1
1,05
1
0,95
1
0,86
1
0,77
1
0,67
1
0,58
1
0,49
0
0,39
0
0,30
0
pi
0,113
0,106
0,099
0,093
0,086
0,079
0,073
0,066
0,059
0,053
0,046
0,039
0,033
0,026
0,019
0,013
1,8
0,1125
0,0125
pi*NC Indiv.
1,80
2
1,69
2
1,59
2
1,48
1
1,37
1
1,27
1
1,16
1
1,05
1
0,95
1
0,84
1
0,73
1
0,63
1
0,52
1
0,41
0
0,31
0
0,20
0
pi
0,119
0,111
0,104
0,096
0,089
0,081
0,074
0,066
0,059
0,051
0,044
0,036
0,029
0,021
0,014
0,006
1,9
0,1188
0,0063
pi*NC Indiv.
1,90
2
1,78
2
1,66
2
1,54
2
1,42
1
1,30
1
1,18
1
1,06
1
0,94
1
0,82
1
0,70
1
0,58
1
0,46
0
0,34
0
0,22
0
0,10
0
esu
c a ta te
B
D
C
A
F
E
Bslabn jide cruce
Cadena
Cadena j 1 0 0 0 0 0 1 1 1 0
Eslabn de cruce
Cadena i
1 1 1 0 1 0 1 1 1 0
Cadena j 1 0 0 0 0 0 1 1 0 1
Una de las caractersticas fundamentales del APG est el efecto generado al cruzar diferentes
cadenas entre s. Si la codificacin es binaria y se realiza el cruce (Figura 3) la seleccin aleatoria
del eslabn de cruce determina el punto donde se trocean las cadenas para cruzarlas entre s. Esto
puede originar la fraccin del cdigo binario que identifica una de las posibles variables de
decisin. En el caso de implementar el APG (Figura 4) la seleccin de un eslabn de cruce no
genera este efecto. Por ello la utilizacin de los APG genera menos posibilidad de cambio en las
soluciones finales que los AG clsicos. Este hecho origina, tal como se muestra con posterioridad,
que sea necesario introducir cambios en las cadenas mediante el siguiente de los procedimientos: la
mutacin.
Proceso de mutacin.
El proceso de mutacin se aplica a la poblacin intermedia obtenida tras el proceso de
reproduccin y de cruce. En un AG (ver Figura 5) es un proceso que consiste en transponer el
valor binario de eslabones aislados: si su valor es 0 pasa a ser 1 y viceversa. La utilidad del
proceso es ampliar las zonas de bsqueda dentro del espacio de soluciones factibles. Para
evitar que el cambio de uno solo de los bits de una cadena genere un gran cambio en la
variable de decisin que afecta normalmente suele emplearse en los AG la codificacin de
Gray. Esta codificacin (ver ejemplo en la
Tabla 3) tiene como principio que el cambio en nico bit genera tan solo un aumento o
disminucin en la representacin del dimetro, cosa que en el cdigo binario no ocurre.
Tabla 3. Valores del cdigo binario y del cdigo Gray para un conjunto de 8 dimetros
candidatos.
Nmero
Dimetro
A
B
C
D
E
F
G
H
Cadena i
Dimetro
Interior (mm)
100
125
150
200
250
300
350
400
1 1 1 0 1 0 1 1 0 1
Cdigo Binario
Cdigo Gray
000
001
010
011
100
101
110
111
000
001
011
010
110
111
101
100
Cadena i
Eslabn de mutacin
Cadena i
1 1 1 0 1 0 1 1 1 0
Eslabn de mutacin
Cadena i
L (m)
1000
66
934
1000
713
287
836
164
109
891
819
181
920
80
D (mm)
457,2
304,8
254,0
406,4
76,2
50,8
406,4
355,6
304,8
254,0
254,0
203,2
76,2
50,8
417.500
Eiger et al (2)
Savic y
Walters (3)
D (mm)
4572
Cunha y
Sousa (4)
D (mm)
4572
D (mm)
4572
APG
Fiab. (6)
D (mm)
5080
2540
2540
2540
5080
4064
4064
4064
4572
1016
1016
1016
4064
4064
4064
4064
3556
2540
2540
2540
3556
2540
2540
2540
4572
APG (5)
L (m)
1000
238,02
761,98
1000
D (mm)
457,2
304,8
254,0
406,4
1000
25,4
682,86
317,14
989,05
10,95
921,86
78,14
406,4
355,6
254,0
203,2
254,0
203,2
1000
25,4
254
254
254
3556
403.968
419.000
419.000
419.000
870.000
(1)
(2)
(3)
(4)
(5)
(6)
Resultados obtenidos mediante Kessler y Shamir (1997) utilizando dimetros discretos pero contemplando
la posibilidad de dividir la longitud de conduccin en dos tramos.
Resultados de Eiger et al (1994) con las mismas restricciones que en (1) pero considerando como
posibilidad que el dimetro mnimo de las conducciones fuese 254 mm.
Resultados obtenidos por Savic y Waters (1997) mediante algoritmos genticos.
Resultados de Cunha y Sousa (1999) mediante una tcnica heurstica de recocido simulado.
Resultados obtenidos con el APG propuesto sin considerar la fiabilidad del sistema.
Resultados obtenidos con el APG considerando la fiabilidad del sistema.
El resultado obtenido como ptimo mediante el modelo APG de diseo ofrece una solucin
cuyo coste es 419.000 unidades monetarias. En la Tabla 6 se recogen los resultados obtenidos del
diseo de la misma red por diferentes autores bien utilizando dimetros discretos, bien utilizando la
posibilidad de que una tubera se divida en dos tramos de dimetro diferente. Se recoge tambin el
resultado de otro estudio de tipo heurstico no directamente relacionados con los AG, como el
estudio de Cunha y Sousa. Del anlisis de los resultados se pueden extraer las siguientes
conclusiones:
Aquellos mtodos de diseo que suponen dimetros discretos y nicos por lnea
obtienen los mismos resultados.
Es posible encontrar soluciones ms baratas que las obtenidas mediante el mtodo
APG, si bien tan solo en el caso de considerar la posibilidad de dos tramos de
dimetro por lnea.
Excepto la primera solucin propuesta por Kessler y Shamir (1997) el resto supone la
inclusin de una conduccin de dimetro pequeo. Esto se debe a que la tendencia
natural del ptimo es construir una red ramificada donde las mallas acaban cerrndose
con dimetros iguales o similares al menor de los disponibles en la tabla de dimetros.
En este sentido el caso ms significativo es la tubera 8 que en el diseo ptimo tiene
una solucin de DN 1 (254 mm). En el caso de que hubiese un dimetro menor en la
lista de dimetros probablemente hubiese sido ste el seleccionado. Adems en el caso
de eliminar la tubera 8 el coste mnimo obtenido es 417.000, exactamente el
equivalente a descontar el coste de la tubera 8 (2.000 unidades) del coste mnimo
obtenido con el APG.
El anlisis de las soluciones de la tabla plantea una cuestin fundamental: qu ocurrira con
cualquiera de estas soluciones si hubiese una rotura o avera en una de las conducciones? La
respuesta es sencilla: no se verificarn las restricciones de presin mnima en los nudos. Esto entra
en contradiccin con el diseo de una red mallada, donde el trazado de la red trata de garantizar el
suministro en caso de fallo. Esto hace que los costes de diseo aumenten. En caso contrario las
redes obtenidas no verifican las condiciones de una red mallada, por lo que resultara ms
econmico haber diseado ramificada.
En la ltima columna de la Tabla 6 se recoge una solucin obtenida mediante el APG,
incluyendo la opcin de considerar la fiabilidad del sistema. Para ello se prueba la rotura de cada
una de las conducciones del sistema que constituyen una malla y se verifica que en ese caso
tambin se verifiquen las presiones mnimas requeridas. Los resultados obtenidos son dimetros
superiores, fundamentalmente en aquellas lneas que en el diseo inicial presentaban dimetros
menores. El coste total supone un incremento de ms del 100% para alcanzar un coste total de
870.000 unidades monetarias.
Longitud
(m)
100
1350
900
1150
1450
450
850
850
800
950
1200
3500
800
500
550
2730
1750
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Longitud
(m)
800
400
2200
1500
500
2650
1230
1300
850
300
750
1500
2000
1600
150
860
950
1045
820
170
900
370
290
360
360
105
805
30
30
30
30
30
30
30
30
30
30
Lnea
Cota
(m)
100
0
0
0
0
0
0
0
0
0
Caudal
(m3/h)
-750
890
850
130
725
1005
1350
550
525
525
Pmnima
(mca)
0
30
30
30
30
30
30
30
30
30
11
12
13
14
15
16
17
18
19
20
21
22
0
0
0
0
0
0
0
0
0
0
0
0
500
560
940
615
280
310
865
1345
60
1275
930
485
30
30
30
30
30
30
30
30
30
30
30
30
23
24
25
26
27
28
29
30
31
32
0
0
0
0
0
0
0
0
0
0
A
3048
B
4064
C
5080
D
6096
E
7620
F
10160
45726
70400
98387
129333
180748
278280
10
Uno de los aspectos que contribuye a definir la solucin ptima de una red de abastecimiento
de agua es el nmero de dimetros candidatos. En los resultados presentados en la Tabla 10 se
ha empleado la tabla de dimetros de la
Tabla 9. Algunas de las soluciones dan como resultado los valores extremos del intervalo
seleccionado. En cualquier proceso de optimizacin este hecho es indicativo de una inadecuada
seleccin del intervalo de soluciones posibles, siendo necesario ampliar dicho intervalo. Para poner
esto de manifiesto se ha realizado un estudio sobre la red de Hanoi donde se ha ampliado el nmero
de dimetros candidatos (ver Tabla 11). El empleo de esta gama de dimetros conduce a una
solucin cuyo coste (es notablemente inferior a las soluciones obtenidas tanto en la bibliografa
como en las simulaciones realizadas con el modelo de APG. Los resultados se recogen en la Figura
12.
Tabla 10. Comparacin de las soluciones obtenidas para la red de las Torres de Hanoi.
Lnea
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Coste (miles um)
(1)
(1)
Matas
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
609,6
609,6
508
406,4
304,8
304,8
406,4
609,6
609,6
1016
508
304,8
1016
762
762
508
304,8
304,8
406,4
304,8
304,8
406,4
406,4
609,6
6.093
Soluciones bibliografa
Savic1(2) Savic2(3) Cunha(4)
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
1016
1016
762
762
762
762
609,6
609,6
609,6
609,6
609,6
406,4
508
508
406,4
406,4
406,4
304,8
304,8
304,8
406,4
304,8
304,8
508
406,4
406,4
609,6
508
508
609,6
508
508
1016
1016
1016
508
508
508
304,8
304,8
304,8
1016
1016
1016
762
762
762
762
762
762
508
508
508
304,8
304,8
304,8
304,8
304,8
304,8
406,4
406,4
406,4
406,4
406,4
304,8
304,8
304,8
304,8
304,8
304,8
406,4
406,4
406,4
406,4
508
508
609,6
6.187
6.073
6.056
Sol 1
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
609,6
609,6
508
406,4
304,8
304,8
406,4
609,6
508
1016
508
304,8
1016
762
762
508
304,8
304,8
406,4
304,8
304,8
406,4
406,4
609,6
6.081
Soluciones obtenidas(5)
Sol 2
Sol 3
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
762
609,6
609,6
609,6
609,6
508
508
406,4
304,8
304,8
304,8
304,8
304,8
406,4
406,4
508
609,6
609,6
508
1016
1016
508
508
304,8
304,8
1016
1016
762
762
762
762
508
508
406,4
406,4
304,8
304,8
406,4
406,4
406,4
304,8
304,8
304,8
406,4
304,8
406,4
508
508
609,6
6.096
6.097
Sol 4
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
609,6
609,6
508
406,4
304,8
304,8
406,4
609,6
508
1016
508
304,8
1016
762
762
508
304,8
304,8
406,4
406,4
304,8
304,8
406,4
508
6.097
11
(5)
A
101,6
8,8
B
152,4
16,17
C
203,2
24,89
D
254
34,79
E
304,8
45,73
F
406,4
70,4
G
H
I
J
K
L
508
609,6
762
1016
1270
1524
98,39 129,33 180,75 278,28 388,91 511,23
Tabla 12. Comparacin de soluciones obtenidas con la metodologa propuesta con diferentes
rangos de dimetros para la red de las Torres de Hanoi.
Lnea
1
2
3
4
5
6
7
8
9
10
11
Nueva
Sol 1
D (mm) D (mm)
1270
1016
1270
1016
1016
1016
1016
1016
1016
1016
1016
1016
762
1016
762
1016
762
1016
609,6
762
609,6
609,6
12
13
14
15
16
17
18
19
20
21
22
23
24
508
508
406,4
406,4
101,6
406,4
406,4
508
1016
406,4
254
762
762
609,6
508
406,4
304,8
304,8
406,4
609,6
508
1016
508
304,8
1016
762
25
26
27
28
29
30
31
32
33
34
Coste
(miles
um)
609,6
406,4
203,2
254
406,4
304,8
101,6
254
406,4
508
762
508
304,8
304,8
406,4
304,8
304,8
406,4
406,4
609,6
5.201
6.081
Sin Fiab.
D (mm)
1270
1270
1016
Con Fiab.
D (mm)
1270
1270
1016
Sol 1
D (mm)
1016
1016
1016
4
5
6
7
8
1016
1016
1016
762
762
1016
1016
762
762
762
1016
1016
1016
1016
1016
12
9
10
11
12
13
14
15
16
17
18
19
20
21
22
762
609,6
609,6
508
508
406,4
406,4
101,6
406,4
406,4
508
1016
406,4
254
762
609,6
609,6
508
1016
762
1016
1016
1016
1016
1016
1016
609,6
406,4
1016
762
609,6
609,6
508
406,4
304,8
304,8
406,4
609,6
508
1016
508
304,8
23
24
25
26
27
28
29
30
31
32
33
34
Coste
(miles um)
762
762
609,6
406,4
203,2
254
406,4
304,8
101,6
254
406,4
508
1016
762
1016
1016
1016
1016
508
508
508
304,8
406,4
406,4
1016
762
762
508
304,8
304,8
406,4
304,8
304,8
406,4
406,4
609,6
5.201
8.068
6.081
13
10,00%
100,00%
8,00%
80,00%
7.018
6.988
6.958
6.928
6.897
6.867
6.837
6.807
6.776
6.746
6.716
6.686
6.656
6.625
6.595
6.565
0,00%
6.535
0,00%
6.504
10,00%
6.474
1,00%
6.444
20,00%
6.414
2,00%
6.383
30,00%
6.353
3,00%
6.323
40,00%
6.293
4,00%
6.263
50,00%
6.232
5,00%
6.202
60,00%
6.172
6,00%
6.142
70,00%
6.111
7,00%
6.081
Probabilidad
90,00%
Frecuencia Soluciones
Probabilidad Acumulada
Probabilidad
acumulada
9,00%
Miles (UM)
Tasa de Exito
0,9
12,00%
11,00%
10,00%
9,00%
8,00%
7,00%
6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
0,8
0,7
0,6
0,5
0,4
Probabilidad de Cruce
0,3
0,2
0,1
0,005
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
Probabilidad de Mutacin
Tasa de xito
0,9
60,00%
55,00%
50,00%
45,00%
40,00%
35,00%
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
0,8
0,7
0,6
0,5
0,4
Probabilidad de Cruce
0,3
0,2
0,1
0,005
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
Probabilidad de Mutacin
15
0,08
0,03
0,06
0,02
0,04
0,01
0,02
0
0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,1
0,2
Probabilidad de Mutacin
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Probabilidad de Cruce
Figura 11. Valores medios de la tasa de xito en la obtencin del mnimo con un margen de
tolerancia del 95% en funcin de las probabilidades de mutacin y de cruce.
0,25
0,15
0,2
0,12
0,15
0,09
0,1
0,06
0,05
0,03
0
0,1
0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Probabilidad de Cruce
Probabilidad de Mutacin
Figura 12. Valores medios de la tasa de xito en la obtencin de buenas soluciones con un
margen de tolerancia del 95% en funcin de las probabilidades de mutacin y de cruce.
(X 1,E6)
7,2
6,8
6,8
Coste
Coste
(X 1,E6)
7,2
6,6
6,6
6,4
6,4
6,2
6,2
6
0,1
0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
Probabilidad de Cruce
Probabilidad de Mutacin
Figura 13. Grfico box-whisler del coste medio obtenido en cada caso frente a las
probabilidades de mutacin y de cruce.
64,5
64,5
64
64
Coste
(X 100000)
65
Coste
(X 100000)
65
63,5
63,5
63
63
62,5
62,5
62
62
0.0050.01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
Probabilidad de Mutacin
0,4
0,5 0,6
0,7 0,8
0,9
Probabilidad de Cruce
Figura 14. Valores medios del coste con un margen de tolerancia del 95% en funcin de la
probabilidad de mutacin y de cruce.
16
COSTE TOTAL
100.000.000,00
10.000.000,00
1.000.000,00
0
200
400
600
800
1000
1200
1400
N GENERACIN
17
MORLEY, M.S.; ATKINSON, R.M.; SAVIS, D.A.; WALTERS, G.A. (2001). GAnet: genetic
algorithm platform for pipe network optimization. Advances in Engineering Software. Vol
32 (2001). Pp.467-475.
ROSSMAN, L.A. (2002). EPANET. Users Manual. Environmental Protection Agency,
Cincinnati, USA.
SAVIC, D.A y WALTERS, G.A (1997). Genetic Algorithms for Least-Cost Design of water
Distribution Systems. Journal of Water Resources Planning and Management, Vol 125. n2,
67-77.
19