Академический Документы
Профессиональный Документы
Культура Документы
ARTICLE IN PRESS
r e s u m e n
Palabras clave:
Optimizacin multicriterio
Integracin de variables
Seleccin de materiales
Revestimiento de cazuelas
2015 CIMNE (Universitat Politcnica de Catalunya). Publicado por Elsevier Espaa, S.L.U. Todos los
derechos reservados.
Until the present the problem of the refractory and isolating materials selection has not been treated,
in all its complexity, as an optimization under multiple criteria task, but basically as a metallurgical
problem. In the present article the mathematical modelling of the optimal under multiple criteria task,
the analysis of it mathematical complexity, considering the dimensions of the materials by layers and by
zones are exposed. The complexity of the formulated task conditions the necessity of its decomposition
in simpler tasks by zones of the ladle. The experimental validation of the obtained numeric results, where
the efciency and resulting quality of the used procedures is evidenced. The procedures applied are a part
of the Integration of Variables method. Particularly, the Random Search of the Extremes of a Function of
a Variable Code operator is applied to the problem studied.
2015 CIMNE (Universitat Politcnica de Catalunya). Published by Elsevier Espaa, S.L.U. All rights
reserved.
1. Introduccin
La seleccin de materiales refractarios y aislantes es objeto
de numerosas investigaciones encaminadas a reducir los gastos
Autor para correspondencia.
Correos electrnicos: osmelmv@gmail.com (O. Martnez Valds),
jararzola@cemat.cujae.edu.cu (J. Arzola Ruiz).
de montaje, los costos de elaboracin del acero, las prdidas trmicas excesivas, el exceso de peso y la deformacin irreversible
de la carcasa metlica a partir de la utilizacin racional de los
materiales empleados en su produccin, entre otros. Su evolucin
constante, junto con las mejoras continuas de los procedimientos
de ingeniera, han propiciado diversas formas para buscar alternativas de solucin al problema de la seleccin de materiales.
El mejor enfoque contenido hasta el momento en la bibliografa,
http://dx.doi.org/10.1016/j.rimni.2015.08.001
0213-1315/ 2015 CIMNE (Universitat Politcnica de Catalunya). Publicado por Elsevier Espaa, S.L.U. Todos los derechos reservados.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
previo al tratamiento por anlisis multicriterio, toma en consideracin solamente el criterio trmico, que consiste en reducir
las prdidas energticas por ujo de calor. En la obra Refractories Handbook [1], Schacht y Maupin exponen con claridad este
criterio desarrollado en un captulo. Sukul y Balaramakrishna [2]
argumentan ampliamente a favor de este criterio, aplicado a la
prctica. La norma internacional ASTM C680-10 [3] establece las
por ordenador revestimientos trmiconsideraciones para disenar
cos considerando los costos por prdidas energticas. The Whole
de
Building Design Guide [4] dicta recomendaciones para el diseno
aislamiento con adecuados costos de mantenimiento. Adems de
estos enfoques para la seleccin de materiales, han surgido otros
ms completos.
En las obras Materials: Engineering, Science, Processing and Design
[5] y Materials Selection in Mechanical Design [6], Ashby desarrolla
unas metodologas de seleccin de materiales que han recibido una
gran aceptacin en la ingeniera de materiales moderna, las cuales
parten del contraste que se deriva de combinar los atributos de
los procesos con las propiedades de los materiales, mediante grcos especiales [7]. Este mtodo, al ser de carcter general, elude
de las instalaciones trmicas
conceptos determinantes del diseno
y es muy utilizado como discriminante para reducir el nmero de
alternativas a evaluar en los problemas de seleccin de materiales
[8].
Minimizar
OR
d
d
Ct Ctd
, w2 Qt Qt , w3 Pt Pt
Qd
Pd
Cd
max w1
(1)
(2)
(3)
xij
(4)
(5)
s 2
bi i
, i I
B Bmin
(6)
(7)
min
hc h
(8)
mij Mi,j Mi M
(9)
xij Xij Xj X
(10)
we = 1,
we R, 0 we 1, l = 1, ..., e
(11)
e=1
nc
cz
Cij xij
(12)
i=1 j=1
cz
qi Ai
(13)
i=1
nc
cz
Vij ij
(14)
i=1 j=1
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
calculada, hmin es la altura de reserva metalrgica mnima requerida, M es el conjunto de materiales asociados a una capa en una
zona y X es el conjunto de espesores permitidos para cada capa en
cada zona.
La tarea consiste en encontrar las opciones de revestimientos OR
que minimicen la funcin objetivo (1), asegurando el cumplimiento
de las restricciones (2)-(10). La relacin (1) modela el propsito
de minimizar la distancia de Chebyshov ponderada y normalizada
de los indicadores de eciencia con respecto a los valores deseados,
los cuales se corresponden con el concepto del mtodo de niveles
de aspiracin de A. P. Wierzbicki, [20], y se utiliza durante la generacin y la seleccin de las soluciones [21]. Las relaciones (2)-(10)
aportan un modelo de carcter implcito, por lo cual el mtodo de
solucin ha de incluir necesariamente algn procedimiento numrico en el clculo de las funciones sometidas a restricciones para
cada conjunto de valores de las variables de decisin contenidas en
cada iteracin por el mtodo que se adopte [19].
2. Anlisis de la tarea de seleccin de revestimientos para
cazuelas
En el modelo (1)-(10), se integran el conjunto de variables de
decisin e intermedias, y los indicadores de eciencia que caracterizan las interacciones de naturaleza trmica, mecnica, econmica,
y geometra del agregado que
as como las restricciones de diseno
hay que tomar en consideracin en la evaluacin de cada posible
solucin. Las interacciones se maniestan de dos formas: entre las
zonas de la cazuela y entre las capas de materiales de cada zona,
y estn determinadas por el conjunto de valores de las variables
de decisin, que afectan a todas las variables intermedias e indicadores de eciencia, y constituyen una medida del comportamiento
del agregado dentro del proceso productivo.
Las interacciones entre las capas se evalan a partir de las restricciones (2), (3), (4) y (5), las cuales evalan el comportamiento
de la zona a partir de las propiedades resultantes de la unin de las
capas de materiales. La variacin de la cantidad de evaluaciones en
el clculo de las interacciones es funcin del nmero de materiales,
del nmero de capas y del nmero de zonas, y aporta una medida de
la complejidad computacional del modelo presentado, que puede
calcularse por la expresin:
It =
cz
cz
nci
cz
2(3cz + 2
i=1
(15)
nci )
i=1
1026
1018
109
103
40 materiales
3 zonas
1032
Nmeno de evaluaciones
3 zonas
3 capas
1032
Nmeno de evaluaciones
Nmeno de interacciones
donde It es la cantidad de evaluaciones, mt (i) es la cantidad de materiales en la zona i, dt (i) es la cantidad de posibles espesores en que
se pueden situar los materiales conformados (ladrillos, placas, etc.)
1026
1018
109
103
10
20
30
40
Nmeno de materiales
50
40 materiales
3 capas
1032
1026
1018
109
103
1
Nmeno de capas
Nmeno de zonas
Figura 1. Representacin del crecimiento de las evaluaciones con el aumento del nmero de materiales, del nmero de capas y del nmero de zonas, respectivamente.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
Yn
Y2
Or1
Or2 Orn
Or2 G2 (y2) U2
Orn Gn (yn) Un
Minimizar
OR
d
d
Ct Ctd
, w2 Qt Qt , w3 Pt Pt
Qd
Pd
Cd
max w1
(16)
donde Or1 , Or2 ,. . .,Orn son los conjuntos de opciones de revestimientos generados en las tareas subordinadas, a partir del
subprograma de optimizacin para la generacin de opciones por
zonas siguiente:
Minimizar
Or
d
d
ct ctd
, w2 qt qt , w3 pt pt
qd
pd
cd
max w1
(17)
en anos
recientes en la literatura especializada. As, los trabajos
[2631] son ejemplos del uso de conjuntos de cdigos para hacer
evolucionar las opciones de solucin mediante unos operadores
denominados genticos, que imitan los procesos que se dan en
la evolucin de los seres vivos [32,33]. A partir del concepto del
mtodo de integracin de variables, se han desarrollado varios algoritmos, como los de bsqueda y exploracin aleatorias de cdigos
variables [22], y un procedimiento para la resolucin del problema
del mximo clique ponderado [34].
Para la seleccin de materiales en las subetapas, se aplica el algoritmo que se muestra en el pseudocdigo de la gura 3. El algoritmo
se inicia con la denicin de los valores de las variables del conjunto de preferencias por parte del usuario. Entre estos valores, se
incluyen el nmero mximo admisible de iteraciones sin actualizacin de la poblacin NoActMax y el nmero mximo de individuos
de la poblacin de soluciones a encontrar CInd. A continuacin, se
requiere un proceso de codicacin y descodicacin que permita
representar los materiales de forma sencilla y adecuada.
4.1. Codicacin
La cantidad mnima de posibles cdigos Inter se calcula por la
funcin MaxCod a partir de la expresin:
nc
Inter =
mt (j) 1
(18)
j=1
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
01 Start
02
Inter = MaxCod (Alternaivas)
Repeat
03
If (CodMax - CodMin) < = 2 CodMin = 0, CodMax = Inter
04
Cod1 = Rand (CodMin, CodMax), Cod2 = Rand (CodMin, CodMax)
05
S1 = DeCod (Cod1), S2 = DeCod (Cod2)
06
Z_Fitness1 = GetFuntionZ (S1), Z_Fitness2 = GetFuntionZ (S2)
07
If Length (Poblacion) < CInd Then AddPoblacion (S1, Z_Fitness1; S2, Z_Fitness1): UpPS=True
08
Else UpPS = UpdatePoblacion (S1, Z_Fitness1; S2, Z_Fitness2)
09
If Z_Fitness1 > Z_Fitness2 Then CodMin = Cod1
10
Else CodMax = Cod2
11
If UpPS = True Then NoAct = 0
12
Else NoAct = NoAct + 1
13
Until (NoAct > NoActMax)
14
Print (Poblacion)
15
16 End
Figura 3. Pseudocdigo del algoritmo de bsqueda del extremo de un cdigo variable.
codicacin posible, seleccionada por los autores, es la que se descodica por el procedimiento de la gura 5.
4.2. Decodicacin
La seleccin de los cdigos a evaluar se realiza de forma aleatoria
mediante una funcin Rand. La descodicacin de los cdigos decimales seleccionados (Cod1 y Cod2) se realiza con la funcin DeCod
a partir del pseudocdigo presentado en la gura 4. Cada entero
consecutivo desde 0 hasta Inter representa una opcin de solucin
a evaluar. Cod(j) es el identicador del material, segn el orden
establecido para la capa j; el operador (Mod) devuelve el resto de
dividir Cod x entre (mt (j) +1), y el valor Cod x se modica con el
operador (Fix), que devuelve la parte entera de (Cod x/mt (j)). Este
procedimiento ha sido empleado en mltiples trabajos investigativos referenciados en [22].
01 For j = 1 to nc
02
Cod (j) = Cod_x Mod (mt(j ) + 1
Cod_(x) = Fix (Cod_x /mt(j))
03
04 Next j
Figura 4. Representacin en pseudocdigo del procedimiento de descodicacin
de cdigos numricos.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
Tabla 1
Resumen de resultados computacionales de la experimentacin para la seleccin de materiales por zona
Indicador
CI
TC
VFO
VMF
DC
Zona de escoria
Zona de trabajo
Fondo
VM
DT
CA
CK
VM
DT
CA
CK
VM
DT
CA
CK
10364,46
12097,68
0,0035
0,012498
0,5515
120,18
5849,17
0,0024
0,0055
0,2215
1,1263
1,594
0,8689
1,4440
0,5982
1,0861
1,3689
0,2620
1,1726
0,393
10334,86
11557,5
0,0034
0,0116
0,5346
103,03
3779,79
0,0018
0,0037
0,2538
0,7459
0,4310
0,0051
0,0001
0,0957
0,5547
0,455
1,412
0,6219
0,8750
10337,46
13145,63
0,2063
0,3872
0,4563
108,89
4111,12
0,0600
0,0859
0,1889
0,4733
0,5416
0,263
0,3054
0,040
1,2246
0,1123
0,9735
0,7852
0,3389
Tabla 2
Resumen de resultados computacionales para la tarea de conciliacin general
Indicador
CI
TC
VFO
VMF
DC
DT
CA
CK
1392,43
38097,95
0,370038
0,413813
0,44172
283,55
8857,51
0,0722
0,0955
0,3386
0,900098
1,214064
1,736268
0,756371
0,494689
0,808512
1,833987
1,189538
0,561416
0,682517
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
El procedimiento concluye cuando transcurre un nmero determinado de iteraciones en que no se encuentran soluciones que
mejoren la calidad de la poblacin creada. Al concluir los procedimientos de bsqueda de las soluciones particulares para cada zona,
el algoritmo inicia la tarea de conciliacin general, donde, a partir de
las 20 soluciones generadas por cada zona, se procede a seleccionar
aquellas combinaciones que aseguren la creacin de una poblacin
nal de soluciones de revestimientos. En la gura 8, se observa el
grco de evolucin de la mejor funcin objetivo de la poblacin y
los valores medios de la funcin objetivo de la poblacin durante
el proceso bsqueda de las soluciones nales.
Como se puede observar, al evaluarse cerca del 3 % de las combinaciones, los valores de la funcin objetivo de la mejor solucin
y el valor medio de la funcin objetivo de la poblacin encontrados
se mantienen muy cercanos, debido al propio mecanismo de conformacin de la poblacin inicial y a que las soluciones encontradas
son de buena calidad. Obsrvese que los valores de ambos indicado
res son pequenos,
de modo que no se tienen soluciones con valores
de la funcin objetivo con penalizaciones, lo cual ratica la validez del procedimiento de seleccin de materiales para cada zona. A
medida que se van evaluando nuevas soluciones, se van reduciendo
los valores correspondientes hasta cerca del 35 % de las combinaciones evaluadas. Se puede observar que el valor de la mejor
solucin encontrada no vara, mientras que el valor medio de la funcin objetivo mejora ligeramente a medida que se evalan nuevas
soluciones, lo cual permite aumentar la variabilidad de soluciones
en la poblacin nal, y as se generan 20 soluciones de revestimiento de cazuelas de vaciado de acero con buenos indicadores de
calidad de los valores de las funciones objetivo evaluadas.
5.4. Anlisis de las soluciones obtenidas
Para evaluar la calidad real de las soluciones, se considera el comportamiento de los indicadores de eciencia que se
Mejor valor Z
800
800
Valor promedio Z
600
400
200
0
0
10
20
30
40
50
60
70
80
90
100
Mejor valor Z
Valor promedio Z
600
400
200
0
0
% poblacin evaluada
10
20
30
40
50
60
70
80
90
100
% poblacin evaluada
Figura 5. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin evaluada para la zona de escoria.
Mejor valor Z
800
Valor promedio Z
Mejor valor Z
600
Valor Z promedio
0,33
0,3295
400
200
0
0
10
20
30
40
50
60
70
80
90
100
% poblacin evaluada
Figura 6. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin evaluada para la zona de trabajo.
0,320
10
20
30
40
50
60
70
80
90
100
% poblacin evaluada
Figura 8. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin para la tarea general de conciliacin.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
Valor indicador
25.000
20.000
15.000
10.000
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
% poblacin
Figura 9. Comportamiento de los valores de los indicadores de eciencia de la
poblacin en la ejecucin de la tarea conciliadora para los indicadores de la mejor
solucin.
25.000
20.000
15.000
10.000
10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
% poblacin
Figura 10. Comportamiento de los valores de los indicadores de eciencia de la
poblacin en la ejecucin de la tarea conciliadora para los indicadores medios de la
poblacin.
6. Conclusiones
La descomposicin de la tarea de seleccin de revestimiento en
mltiples tareas de seleccin de materiales por zonas y una tarea
de conciliacin de opciones permite reducir signicativamente
la complejidad computacional que presenta el modelo original y
disminuir considerablemente los tiempos en su solucin.
La aplicacin del mtodo de integracin de variable y el operador
de bsqueda aleatoria del extremo de una funcin de un cdigo
variable permite crear poblaciones de soluciones ecientes, tanto
para la seleccin de materiales por zona, como para la generacin de combinaciones para la tarea de conciliacin posterior, con
resultados consecuentes con el modelado matemtico expuesto
en este artculo.
La experimentacin computacional realizada a partir de la implementacin en software del modelo computacional creado como
resultado del modelo matemtico descompuesto permite validar el enfoque de solucin propuesto a partir del anlisis grco
y estadstico de mltiples pruebas, donde se verica un ahorro
del esfuerzo computacional con relacin al problema original en
un tiempo relativamente breve, y adems se obtiene una buena
calidad en las soluciones de revestimiento nales.
Bibliografa
[1] C. Schacht, M. Maupin, Refractory Lining Design and Installation, en: C.A. Schacht (Ed.), Refractories Handbook, Marcel Dekker Inc, New York, 2004, pp.
475490.
[2] G. Sukul, P.V. Balaramakrishna, Steady state heat transfer design considerations
for refractory lining in process plants, Refractories Applications and News 16
(5) (2011) 2332.
[3] ASTM C680-10. ASTM International, 2004.
[4] Whole Building Design Guide-WBDG. NMIC, Washington DC, 2012.
[5] M.F. Ashby, H. Shercliff, D. Cebon, Materials Engineering, science, processing
and design, Second Editions, Editorials Elsevier Ltd, Oxford, 2010.
[6] M.F. Ashby, Materials Selection in Mechanical Design, Fourth Editions, Elsevier
Ltd, Oxford, 2011.
[7] M.F. Ashby, K.W. Johnson, Materials and Design, the art and science of material
selection in product design, Second Editions, Elsevier Linacre House, Oxford,
2010.
[8] G.E. Dieter, L.C. Schmidt, Engineering Design, Fourth Editions, McGraw-Hill,
2009.
[9] M.L. Wei, K.N. Singh, Design of refractory lining and steel shell for caster ladles,
Iron and Steel Engineer 16 (2) (1986) 45.
[10] M.A. Barbs, E. Martnez, M.F. Barbs, A. Alfonso, L.F. Verdeja, Criterios para el
de revestimientos que contactan con uidos a elevadas temperaturas,
diseno
2, FUNDIpress, 2007, pp. 2630.
[11] S.L. Chawla, R.K. Gupta, Materials Selection for Corrosion Control, Digital printing, ASTM International Materials Park, Michigan, 2010.
[12] D.E. Clark, D.C. Folz, T.D. McGee, An introduction to Ceramic Engineering Design,
Materials Selection, Wiley-Blackwell, Ohio, 2002, pp. 446.
[13] T. Prietl, O. Zach, H. Studnicka, The Evaluation of Refractory Linings ThermoMechanical Properties, World of MetallurgyERZMETALL 59 (3) (2006)
127132.
[14] P. Boisse, A. Gasser, J. Rousseau, Simulations of thermomechanical behavior of
composite refractory linings, COMPOS P B 32 (5) (2001) 459472.
[15] A.V. Zabolotsky, Thermal crack growth modeling in refractory linings of
metallurgical installations, International Journal of Mathematical Models and
Methods in Applied Sciences 5 (3) (2011) 56.
[16] Z. Chlup, D.N. Boccaccini, C. Leonelli, A.R. Boccaccini, Fracture behaviour of
refractory ceramics after cyclic thermal shock, CeramicsSilikty 50 (4) (2006)
245250.
[17] N. Rendtorff, L.B. Garrido, E.F. Aglietti, Choque Trmico de Materiales Refractarios: Comportamiento, Evaluacin y Ensayos, Cermica y Cristal 139 (2007)
181.
[18] R.J. Arzola, Sistemas de Ingeniera, Primera edicin, Editorial Flix Varela, La
Habana, 2000.
[19] V.O. Martnez, Tesis de Maestra, Universidad de Holgun, 2011.
[20] A. Lewandowski, A.P. Wierzbicki, Aspiration based decision support systems:
theory, software, and applications, Springer-Verlag, New York, 1990.
[21] G.L. Jimnez, Optimizacin. Primera Edicin, Seccin de Publicaciones e Imagen, Manizales, 2009.
[22] R.J. Arzola, Monografa Anlisis y Sntesis de Sistemas de Ingeniera, La Habana,
2008.
[23] M.F. Ashby, Y.J.M. Brechet, D. Cebon, L. Salvo, Selection strategies for materials
and processes, Materials & Design 25 (1) (2004) 5167.
[24] Granta Design Ltd. Cambridge Engineering Selector CES v4.0 software, Cambridge, 2010.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001
G Model
RIMNI-164; No. of Pages 9
ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx
[25] R.J. Arzola, R.E. Simen, A. Maceo, Proc. Intensive Workshop Optimal Design
of Materials and Structures, Ecole Polytechnique Palaiseau, Pars, 2003, pp.
89101.
[26] Z. Michalewicz, M. Schoenauer, Evolutionary Algorithms for Constrained
Parameter Optimization Problems, Evolutionary Computation 4 (1) (1996)
132.
[27] P.T. Runarsson, X. Yao, Stochastic Ranking for Constrained Evolutionary Optimization, IEEE Transactions on Evolutionary Computation 4 (3) (2000) 284294.
[28] A.E. Eiben, Z. Michalewicz, M. Schoenauer, J.E. Smith, Parameter Control in Evolutionary Algorithms, IEEE Transactions on Evolutionary Computation 3 (2)
(1999) 124141.
[29] D. Dasgupta, Z. Michalewicz, Evolutionary Algorithms in Engineering Applications, Springer-Verlag Berlin Heidelberg, New York, 1997.
[30] S.Y. Ho, L.S. Shu, J.H. Chen, Intelligent Evolutionary Algorithms for Large Parameter Optimization Problems, IEEE Transactions on Evolutionary Computation
8 (6) (2004) 522541.
[31] J.A. Lampinen, Proc. 2002 Congress on CEC02, Lappeenranta, University of
Technology, 2002.
[32] A. Daz, F. Glover, H.M. Ghaziri, J.L. Gonzlez, M. Laguna, P. Moscazo, et al.,
Optimizacin heurstica y redes neuronales, Editorial Paraninfo, Madrid, 1996.
[33] M. Gen, R. Cheng, Genetic Algorithms and Engineering Optimization, First Edition, Wiley-Interscience, New York, 1997.
[34] L.G. Toranzo, R.J. Arzola, Un algoritmo del mtodo de Integracin de Variables
para la solucin del problema mximo clique ponderado, Revista de Investigacin Operacional 35 (1) (2014) 2734.
[35] G. Ausiello, Complexity and approximation: combinatorial optimization problems and their approximability properties, Springer-Verlag, Berlin Heidelberg,
1999, pp. 38.
[36] J. Hromkovic, Theoretical computer science: introduction to Automata, computability, complexity, algorithmics, randomization, communication, and
cryptography, Springer, 2011, pp. 177178.
[37] I. Wegener, Complexity theory: exploring the limits of efcient algorithms,
Springer-Verlag, New York, 2005, pp. 20.
[38] T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, Introduction to Algorithms,
Second Editions, MIT Press and McGraw-Hill, Cambridge, 2001, pp. 3122.
[39] DIDIER. Refractory Products and Services, Didier-Werke AG, 1996.
Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001