Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimizacion de Redes de Agua Con Algoritmo G PDF
Optimizacion de Redes de Agua Con Algoritmo G PDF
1
Dpto. de Agronomía, 2 Dpto. de Estadística, 3 Dpto. de Ingeniería Rural. E.T.S.I.A.M., Universidad de Córdoba.
Apartado 3048. -14080- Córdoba.
Artículo publicado en Ingeniería del Agua. Vol.4 Num. 1 (marzo 1996), páginas 71-77, recibido el 29 de marzo de 1996 y aceptado para
su publicación el 11 de octubre de 1996. Pueden ser remitidas discusiones sobre el artículo hasta seis meses después de la publicación del
mismo. En el caso de ser aceptadas, las discusiones serán publicadas conjuntamente con la respuesta de los autores en el primer número de
la revista que aparezca una vez transcurrido el plazo indicado.
algoritmos genéticos trabajan a partir de una rica base de tediosos de formular mediante metodologías tradi-
datos de puntos simultáneos, saltando a muchos de ellos cionales (Martínez y col., 1995).
de forma paralela, con lo que la probabilidad de La función objetivo a minimizar representa el coste del
encontrar un óptimo local se reduce con respecto a los sistema de distribución, partiendo del supuesto de de-
métodos citados. Asimismo, los AG, sólo necesitan el pender sólo de la inversión inicial en tuberías, resultando:
valor de la función objetivo asociada a cada punto del
espacio de soluciones y una serie de reglas probabilísticas
D T
para guiar su búsqueda (Goldberg, 1989).
c= ∑∑ c L
I =1 J =1
i ij (1)
resto de las redes mediante interpolación lineal entre está controlada por una probabilidad de mutación
los valores extremos determinados en el punto Pm, que toma valores distintos según los autores:
anterior. Goldberg (1989) aconseja valores entre 0.001 y
0.05, Wang (1991) propone 0.01 y Cieniawaski y
4. Determinación de qué redes van a ser eliminadas,
col. (1995), recomiendan Pm= 0.2/ T•m. Así, para un
duplicadas y mantenidas sin duplicar. Para ello se
valor dado de Pm, el número medio de individuos
calcula:
mutados es P m •n•T•m, el cual puede conseguirse
nS = [n · PS] (3) bien seleccionando aleatoriamente entre los n•T•m
donde [ a ] representa la parte entera de a. Si ns es dígitos de la población, bien distribuyéndolos
igual a cero implica la eliminación de esa solución, uniformemente entre los individuos de la población.
si es igual a uno implica que dicha solución se En el algoritmo que aquí se describe se ha elegido la
mantiene sin duplicar. Las soluciones restantes, segunda opción, de modo que se permite la mutación
tantas como las eliminadas, son las de mayor de un dígito, como máximo, en cada cadena; con
probabilidad de selección, se duplican y su réplica este procedimiento se obtiene el mismo número de
pasa a ocupar la posición de las eliminadas. dígitos mutados que con el primer procedimiento,
según una probabilidad Pm ‘, tal que Pm'= Pm•T•m
5. Agrupación de la nueva población en parejas, (Montesinos, 1995).
comenzando por las primeras soluciones y selec
ción aleatoria del punto de cruzamiento de cada 8. Nueva población preparada para la evaluación de
par, bc. El cruzamiento de los distintos pares de la función objetivo de cada una de sus redes, tras lo
redes viene controlado por una probabilidad de cual se vuelve a repetir el procedimiento descrito,
cruzamiento pc, cuyo valor oscila entre 0.6 y 1 hasta K veces.
(Golberg, 1989; Galante ,1993, Cieniawaski y col, • Módulo de análisis hidráulico y evaluación de la fun
1995 y Liong y col, 1995). En el algoritmo ción objetivo:
propuesto pc toma el valor 1, es decir que se van a
Cada una de las soluciones (series de diámetros) que se
cruzar todas las parejas formadas.
generan en el proceso de optimización, han de ser eva-
6. Generación de una nueva población de redes hi luados. A la solución económica obtenida de la ecuación
jas, resultantes del cruzamiento de los componen (1) hay que añadirle restricciones hidráulicas. Es
tes de cada pareja, realizada de la siguiente mane necesario comprobar si cada serie de diámetros es com-
ra: el primer hijo mantiene los mismos dígitos que patible con las ecuaciones que definen la red:
el primer padre hasta la posición pc, correspondien
a) Continuidad nodal:
do el resto al segundo padre; la otra red hija es el
resultado de la combinación contraria de los dígi
tos de las redes parentales. Se obtiene una nueva ∑
i ∈ (N j )
± Qi = ± Qdj ∀j (4)
población de redes que mantienen y recombinan
las características de los mejores individuos de la b) Conservación de la energía:
población anterior. Así, por ejemplo, dados las redes
padres P1 y P2, que representan los posibles solu ∑
i ∈( N m )
± K i QiP = ∆Em ∀m (5)
ciones de una red de cuatro tuberías, en la que los
diámetros que las identifican vienen representados siendo:
por un código binario de tres dígitos: Qi = caudal circulante en la tubería i
P1 <111 100 000 101> Nj = conjunto de tuberías que convergen en el
P2 <010 101 110 111> nudo j
Los hijos resultantes, suponiendo que bc toma Qdj = demanda en el nudo j
el valor 4, son: j = nudo de unión
H1<111 101 110 111> nm = conjunto de tuberías que componen una
malla o pseudomalla
H2<010 100 000 101>
Ki = resistencia hidráulica de la tubería i
7. Mutación aleatoria del nuevo conjunto de redes.
La mutación permite obtener soluciones del pro p = exponente de la ecuación de pérdida de
blema que de otro modo permanecerían ocultas, tal carga utilizada
como ocurre en el ejemplo utilizado en el apartado ∆Em= diferencia de alturas piezométricas entre dos
anterior, ya que ambos individuos parentales tienen nudos de alturas piezométricas fijas de una
en la quinta posición un 0, con lo que cualquier pseudomalla.Toma valor cero en el caso de
combinación de los mismos daría siempre solucio mallas.
nes en las que en la quinta posición de la cadena
habría un 0. La mutación de dígitos de cada red m = índice de mallas y pseudomallas
Sonak y Bhave (1 993), obtienen como coste minimo del Galante, M. (1993) Un Algoritmo Genético Simple para la
sistema equivalente a 25.761.617 pta, utilizando la Optimizatión de Estructuras Planas Articu-
misma serie de diámetros que los autores anteriores, ladas. Métodos Numéricos para Cálculo y
admitiendo, por tanto diámetros de 25 mm, no disponi- Diseño en Ingeniería, 9(2). 179-199.
bles comercialmente. Tampoco considera restricciones de
Goldberg, D. E. (1989) Genetic Algorithms in Search,
velocidad.
Optimization and Machine Learning. Addison-
Wesley Publishing Company, Inc.
CONCLUSIONES
Goulter I. A., B. M. Lussier y D. R. Morgan (1986)
El algoritmo genético propuesto es un método idόneo de Implications of Head Loss Path Choice in the
búisqueda de soluciones óptimas para problemas de Optimization of Water Distribution Networks.
diseñio en ingeniería, siendo aplicado en el presente tra- Water Resources Research, 22(5), 819-822.
bajo a la obtención de una red de distribución de agua de
coste mĭnímo, con una topología y condición de carga Lansey, K. F. y L. W. Mays (1989) Optimization Models
fijas. Su eficiencia en la obtención de la solución ha for Design of Water Distribution Systems. Cap
quedado demostrada en su aplicación a una red estudiada 3. Reliability Analysis of Water Distribution
por diversos autores. Systems. ASCE, Ed. L. Mays.
El algorítmo genétíco inicia la búsqueda del óptimo par- Martínez, F. y R. Préz (1992) Diseño de Redes de
tiendo de un conjunto de puntos obtenídos de forma Distribución. Cap 13. Curso de Ingeniería Hi-
aleatoria y mediante los operadores de selección, cruce y dráulica Aplicada a los Sistemas de Distribu-
mutación, así como el valor de la función objetivo en cada ción de Agua. Unidad Docente de Mecánica de
uno de estos puntos, llega a obtener la solución deseada, Fluidos. UPV.
sin los inconvenientes de los métodos que requieren un
Martínez, E, R. Pérez y J. Izquierdo (1995). Diseño
determinado punto de partida para alcanzar dicha
Optimo y Fiabilidad en Sistemas de Distribu-
solución.
ción deAgua. Cap 13. Mejora del Rendimiento
Aunque no hay prueba matemática de que el óptimo y de la Fiabilidad en Sistemas de Distribución
obtenido sea global, al igual que ocurre con cualquier de Agua. Ed. E. Cabrera y A.F. Vela. UPV.
procedimiento numérico, el algoritmo genético repre-
senta una perspectiva de búsqueda más global que el Montesinos, Ma P y J. L. Ayuso (1992) Modelos de
resto de las técnicas, ya que explora el espacio de solu- Simulación de Sistemas de Distribución de
ciones a partir de un conjunto de puntos simultáneos. Agua. VIII Congreso Nacional de Ingeniería de
Proyectos, AEIPRO. 439-452. Madrid.
100 9 998
25.235.932+ 1.000 ● α2
Costetota 29.078.000 pts 30.712690 pts
pts
(1 ) Pr: precio por metro lineal de tubería (precios del catálogo de tuberías de fibrocemento de Uralita, 1994)
(2) α: representa el precio unitario de tuberías no disponibles en catálogos comerciales.