Вы находитесь на странице: 1из 10

XIV Congreso Internacional de Ingeniera Grfica

Santander, Espaa 5-7 junio de 2002

ENTORNO GRFICO PARA LA OPTIMIZACIN DE


ESTRUCTURAS METLICAS EN BASE A
ALGORITMOS GENTICOS
M Beln Prendes Gero (1), Antonio Bello Garca (2), Juan Jos Del Coz Daz (3)
(1)
Universidad de Oviedo, Espaa
Departamento de Construccin e Ingeniera de Fabricacin
Correo electrnico: belen@mieres.uniovi.es
(2)
Universidad de Oviedo, Espaa
Departamento de Construccin e Ingeniera de Fabricacin
Correo electrnico: antonio@scig.uniovi.es
(3)
Universidad de Oviedo, Espaa
Departamento de Construccin e Ingeniera de Fabricacin
Correo electrnico: juanjocd@openbank.es

5(680(1
En la naturaleza, los individuos tienen que adaptarse a su medio ambiente en orden a
sobrevivir en un proceso llamado evolucin, en el que aquellas caractersticas que hacen a
un individuo ms adecuado para competir son preservadas cuando se reproduce, y aquellas
caractersticas que lo hacen ms dbil se eliminan. Tales caractersticas son controladas por
genes que se agrupan en cromosomas. Tras sucesivas generaciones los individuos ms
aptos sobreviven, y sus genes son transmitidos a sus descendientes durante el proceso de
recombinacin sexual (cruce). La tcnica que permite a los ordenadores mimetizar el
proceso de la evolucin natural se denomina algoritmo gentico (AG). En este estudio se
pretende el diseo y desarrollo de una nueva herramienta, un AG que aplicado a estructuras
metlicas, tratadas como individuos de una poblacin, obtenga un individuo ptimo en
funcin del peso y los coeficientes de seguridad. Para ello se crea un entorno grfico que
permite la modificacin de parmetros y variables de diseo del AG, la visualizacin tanto
de la evolucin del proceso como de la distribucin de los individuos en cada generacin y
por ltimo la obtencin del individuo ptimo.

3DODEUDV FODYH Algoritmo gentico, Entorno grfico, diseo y desarrollo de una nueva
herramienta.
$%675$&7

In the nature, the individuals have to be adapted to their environment in order to survive in
a process called evolution, in which those characteristics that do adequate one more
individual to compete they are preserved when reproduces themselves, and those
characteristics that they do it weaker they are eliminated. Such characteristics are controlled
for units (genes), that form groups (chromosomes). Consequently, after successive
generations the most apt individual survives, and also its genes that they are transmitted its
descendants during the process of reproduction sexual (cross). The technique that permits to
imitate the process of the natural evolution, for computing, is called genetic algorithm
(GA). This study intends designing and developing one GA applied to metallic structures,
to getting an optimum individual in function of the weight and the safety factors. It is
created an graphic entourage that permits the modification of parameters and variables of
the GA, the viewing so much of the evolution of the process as of the distribution of the
individuals in each generation and finally the obtaining of the optimum individual.

.H\ZRUGVGenetic algorithm, graphic entourage, design and development of a new tool.


 ,QWURGXFFLyQ
El famoso naturalista Charles Darwin [1] defini la seleccin natural en su libro
(Darwin, 1929) como la preservacin de las diferencias y variaciones individuales
favorables y la destruccin de las malas.
Siguiendo este concepto John H. Holland [2] [3] desarroll, a finales de los aos 60,
una tcnica que permita a programas de ordenador mimetizar el proceso de la
evolucin. Esta tcnica se denomin Algoritmo Gentico (AG).
El AG aplicado a estructuras metlicas permite alcanzar soluciones extremas que
satisfagan criterios prescritos (cumplimiento de coeficientes de seguridad, pesos
mnimos de elementos estructurales, etc.) realizndose de una forma racional sin acudir
a la intuicin o a las habilidades del diseador.
En este estudio se aborda el desarrollo de un algoritmo gentico denominado
Elitista aplicado a una celosa de 10 barras, (fig.1) con el objetivo de obtener el peso
mnimo de la estructura bajo la restriccin de cumplimiento de los coeficientes de
seguridad marcados por la Normativa Espaola MV103 [9]. Para ello se crea un entorno
grfico (programa Gademo) que permite la modificacin de parmetros y variables de
diseo del AG, la visualizacin tanto de la evolucin del proceso como de la
distribucin de los individuos en cada generacin y la obtencin del individuo ptimo.
7

(8)

(9)

(4) 6
(5)

(6) (10)
(7)
30

1 (1) 2 (2) 3 (3) 4


600 600 600

fig.1. Celosa de 10 barras.

 $OJRULWPRJHQpWLFR(OLWLVWD
La estructura (fig.1) se introduce grficamente en el programa Escal3D [10]
asignando el material y las secciones a las distintas barras que configuran la celosa
(fig.2).
Se han considerado dos hiptesis simples: el peso propio de la estructura y una
sobrecarga formada por tres cargas puntuales aplicadas en el punto 2, 3, y 4 de 40
toneladas cada una.
As mismo se ha considerado una combinacin de las hiptesis simples donde el
peso propio multiplicado por el coeficiente 1,33 se suma a las sobrecargas multiplicadas
por el coeficiente 1,5 [9].
Un primer anlisis en el programa Escal3D [10] nos permitir obtener los ficheros
que arrancarn el programa de optimizacin.
fig.2. Entorno grfico del Programa Escal3D
 &RGLILFDFLyQGHODVYDULDEOHVGHGLVHxR
Se usa como variables de diseo la seccin de los elementos estructurales
representada mediante cadenas de bits denominadas fenotipos.
Estas cadenas se unen entre s constituyendo los cromosomas que representan un
conjunto de diseo, estructura a optimizar o individuo de la poblacin.
Cada cadena de bits representa una posicin en la tabla de catlogos comerciales de
secciones. Su longitud se evala mediante la (Ec.1).
= 2n Ec.1
Donde:
es el nmero de secciones del catlogo comercial.
n es el nmero de bits. (fig.3)

x5

x1 = HEA100
x2 = HEA120
x3 = IPN100
x5 x 4 = IPE120
x 5 = IPE100

x2 x3

x5
x4 x3

x1 x1 x1

0 0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 0 1 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 1 1 0 0 0 0 1 0 0 0 1 0 0 1 1

x1 x2 x3 x4 x5
fig.3. Representacin binaria de los cromosomas de un individuo de la poblacin.
 $QDWRPtDGHO$*HOLWLVWD
Como se observa en la (fig.4), el AG presenta inicialmente un conjunto de diseos
creados al azar. De este conjunto surgirn diseos nuevos y mejores a partir de los
miembros o individuos ms aptos. El proceso entero es similar a una poblacin natural
de entidades biolgicas, donde generaciones sucesivas son concebidas, nacidas y
desarrolladas hasta que estn preparadas para reproducirse.
Comienzo

Archivos de entrada de datos:


parmetros de AG, geometra
estructural, etc.

Generacin 0
Generacin aleatoria de la poblacin inicial.

Seleccin de las propiedades de las


secciones a partir del catlogo adecuado
para cada variable de diseo.

Anlisis de la estructura, estudio del peso y


de la violacin de restricciones.

Evaluacin de las funciones objetivo y


penalizadoras para cada conjunto de diseo.

Nueva Se produce la S
convergencia?. Fin
generacin.

No

Almacenamiento de los mejores


individuos e imposicin de los mismos en
la prxima generacin, cruce y mutacin.

fig.4. Flujo de un AG simple.

Las operaciones bsicas del AG son: reproduccin, cruce y mutacin.


En la UHSURGXFFLyQ un individuo se copia en la nueva poblacin de acuerdo a su
aptitud. El operador reproductor, tambin denominado selector, se puede implementar
de mltiples formas aunque quizs la ms fcil es crear una ruleta tarada, donde cada
individuo de la poblacin tenga asignado un punto de la ruleta de peso proporcional a su
calidad.
El selector implementado Aptitud sigue el mismo principio que la ruleta tarada
pero previamente elimina aquellos individuos cuya aptitud es inferior a la media (fig.5).

Funcin aptitud Tarado de elementos

15 1007 0 1

16 1000 0 0,7742

991 0,4839

Aptitud media = 605,8

fig.5. Probabilidad de seleccin a partir del selector Aptitud.


El FUXFH permite que aquellos individuos que han sido seleccionados intercambien
caractersticas entre ellos mismos. Entre las posibles formas de realizar el cruce la ms
simple y usada es el cruce por un punto. En l se selecciona una posicin del
cromosoma y se crea, por barrido de todos los caracteres entre la posicin seleccionada
y la longitud total del cromosoma dos nuevas cadenas denominadas hijos.
El cruce implementado y denominado cruce por un fenotipo presenta una
diferencia y es que la posicin seleccionada debe estar comprendida entre fenotipos para
no romper longitudes de cadena (fig.6). Con ello se pretende que el cruce intercambie
secciones ya existentes no creando nuevas secciones pues este no es su cometido.

Punto de cruce Punto de cruce


x1 x2 x1 x2

Padre 1 0 0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 0 0 0 1 0 1 1 0 0 0 0 1 0 0 0 1 0 0 1 1 Padre 2

Hijo 1 0 0 0 1 0 0 0 1 0 1 1 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 1 1 0 0 1 1 0 0 0 1 0 0 0 1 0 0 1 1 Hijo 2

x1 x2 x1 x2

fig.6. Operador de cruce un fenotipo para cadenas binarias.

La PXWDFLyQ es el tercer paso realizado en un AG con el fin de salvar al proceso de


una prdida prematura de material gentico adecuado. En trminos de cadenas binarias,
este paso corresponde a la seleccin de unos pocos miembros de la poblacin,
determinando localizaciones al azar en sus cadenas y cambiando el 0 por el 1 en dichas
localizaciones y/o viceversa. (fig.7)

x1 Hijo 1 x2 x1 Hijo 2 x2

0 0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 0 0 0 1 0 1 1 0 0 0 0 1 0 0 0 1 0 0 1 1

0 0 0 1 0 0 1 1 0 0 1 1 0 0 0 0 0 0 1 1 0 1 0 0 0 0 1 0 0 0 1 1 0 0 1 1 0 0 0 1 0 1 0 1 0 0 1 1

Hijo mutado 1 Hijo mutado 2


x1 x2 x1 x2

fig.7. Mutacin sobre cadenas binarias.

Se ha comprobado que en un AG, el mejor individuo de la poblacin puede fracasar


en producir un descendiente para la prxima generacin. Para evitar esto se copian los
mejores individuos de cada generacin denominados lite en la generacin siguiente.
Con ello se incrementa la velocidad de obtener un individuo ptimo y parece
mejorar la actuacin del AG. (Mahfouz et al., 1998) [5].
 &RPSRVLFLyQGHODSREODFLyQ
Los operadores anteriormente descritos se repiten en cada generacin constituyendo
la nueva poblacin a analizar. Esta poblacin estar formada por tres partes (fig.8):

Parte 1
Ne Ne
N sup

Parte 3
Nr

Np
Cruce
Individuos con aptitud
inferior a la media

Cruce

Parte 2
Nc

Poblacin actual Nueva poblacin


fig.8. Creacin de nuevas poblaciones.

1.- Individuos lite .


2.- Individuos de cruce.
3.- Individuos seleccionados al azar.
 )XQFLyQREMHWLYR
Cada individuo de la poblacin es analizado mediante los programas Escal3d [10] y
Comesc [11], y posteriormente pesados con la funcin objetivo (Ec.2).

F(x) = F(x) + P(r, G(x), H(x)) Ec.2

Donde:
F es la funcin objetivo modificada.
P es el trmino de penalizacin que contiene a las funciones de restriccin.
r es un coeficiente multiplicador de penalizacin
F es el peso del individuo.
 &ULWHULRVGHFRQYHUJHQFLD
El proceso se repite generacin tras generacin hasta que se verifique alguno de los
tres criterios de convergencia implementados.
1.- el porcentaje de la diferencia entre el diseo ms apto de la generacin actual y el
diseo de la generacin 30 es menor que un valor dado.
2.- el porcentaje de la diferencia entre el ajuste medio de la poblacin actual y el
ajuste del mejor diseo es menor que un valor dado.
3.- se permite un nmero de generaciones fijo.
 (QWRUQRJUiILFR 3URJUDPD*DGHPR 
El algoritmo gentico desarrollado en los apartados anteriores, se ha implementado
en un entorno grfico que permite la modificacin de parmetros y variables de diseo
del AG, la visualizacin de la distribucin de los individuos en cada generacin (azul),
frente a la distribucin en anteriores generaciones (verde) y la obtencin del individuo
ptimo (rojo) (fig.11).
Siguiendo el esquema de un AG simple, (fig.4) la poblacin inical est formada por
un conjunto de diseos creados al azar (fig.9). Estos individuos evolucionarn hacia
diseos ms aptos.

fig.9. Poblacin inicial.

La evolucin se puede realizar paso a paso o de forma continuada. En el primer


caso, el programa para tras cada generacin (fig.10), mientras que en el segundo caso, el
programa evoluciona hasta alcanzar la convergencia, momento en el cual para (fig.11).

fig.10. Generacin uno.


fig.11. Generacin de convergencia.

La pantalla de resultados (fig.12) permite conocer el estado del AG en cada


evolucin: su convergencia, el peso mnimo, medio y desviacin tpica de la poblacin,
as como los valores de las variables y los parmetros empleados en la evolucin.

fig.12. Pantalla de resultados.

Aplicado el programa a la celosa de 10 barras, se han realizado carreras


modificando los parmetros del AG, siempre en busca del mejor ptimo entendiendo
como tal aquel individuo cuyo peso, suma del peso real y penalizacin de los
coeficientes de seguridad, sea menor.
Se ha observado que para una poblacin de 20 individuos, valores de probabilidad
de mutacin del 3% y probabilidad lite del 10% producen ptimos cuyos coeficientes
de seguridad son inferiores al valor mximo permitido.
 &RQFOXVLRQHV
1. Este estudio ha demostrado que el AG unido a las variables de diseo, suministra un
mtodo de optimizacin estructural poco complejo matemticamente, lo que hace de
l un mtodo adecuado para los diseadores.
2. El uso de un mayor nmero de variables de diseo para describir una estructura
produce una solucin mejor.
3. El AG produce ms de una solucin a escoger pero la diferencia entre ellas es
pequea. Esto podra ser ventajoso cuando un diseador necesita seleccionar una
solucin adecuada dependiendo de la disponibilidad de las secciones.
4. El tiempo de convergencia es proporcional a la probabilidad de mutacin e
inversamente proporcional a la probabilidad lite.
5. En general, se puede decir que las soluciones ms adecuadas se obtienen cuando el
tamao de la poblacin est entre 60 y 100 individuos.
6. Un valor de la probabilidad lite del 30% da mejores soluciones dentro de un
nmero medio de evaluaciones.
7. El peso medio obtenido es ms bajo cuando el valor de la probabilidad de mutacin
vara entre el 1% y el 3%.
8. Cuando se usa el mismo valor de la probabilidad lite, el efecto de la probabilidad
de cruce hace que el peso medio decrezca conforme aumenta dicha probabilidad.

 5HIHUHQFLDV
[1] Darwin, C. (1929), 7KH2ULJLQRIVSHFLHVE\0HDQVRI1DWXUDO6HOHFWLRQRUWKH
3UHVHUYDWLRQ RI )DYRUHG 5DFHV LQ WKH 6WUXJJOH IRU OLIH , The Book League of
America. Originalmente publicado en 1859.
[2] Holland, J. H. (1975), $GDSWDWLRQLQ1DWXUDODQG$UWLILFLDO6\VWHPV , University
of Michigan, Ann Arbor.
[3] Holland, J. H. (1992), $GDSWDWLRQ LQ 1DWXUDO DQG $UWLILFLDO 6\VWHPV $Q
,QWURGXFWRU\ $QDO\VLV ZLWK $SSOLFDWLRQV WR %LRORJ\ &RQWURO DQG $UWLILFLDO
,QWHOOLJHQFH , MIT press.
[4] Mahfouz, S. Y. (1993), 6WDELOLW\RI6WHHO6WUXFWXUH)UDPHZRUNV , M. Sc. Thesis.
Military Technical College, Cairo, Egypt.
[5] Mahfouz, S. Y., Toropov, U. U. and Wetsbrook, R. K. (1998 a), ,PSURYHPHQWHV
LQ WKH SHUIRUPDQFH RI D JHQHWLF DOJRULWKP DSSOLFDWLRQ WR VWHHOZRUN RSWLPXP
GHVLJQ , Proceedings of 7th AIAA/USAF/NASA/ISSMO Symposium on
Multidisciplinary Analysis and Optimization, pp. 2037-2045.
[6] Mahfouz, S. Y., Toropov, U. U. and Westbrook, R. K. (1999), 0RGLILFDWLRQ
WXQLQJDQGWHVWLQJRID*$IRUVWUXFWXUDORSWLPL]DWLRQSUREOHPV , In: Toropov,
U. (ed.), Proceeding of 1st AMSO UK/ISSMO Conference on Engineering
Design Optimization, pp. 271-278.
[7] Toropov U.U., Mahfouz, S. Y. And Westbrook, R. K. (1999), 'LVFUHWH'HVLJQ
2SWLPL]DWLRQRI'LPHQVLRQDO6WHHO6WUXFWXUHVXVLQJD*HQHWLF$OJRULWKP , 3rd
World Congress of Structural and Multidisciplinary Optimization, Buffalo, NY,
USA, May 17-21-1999.
[8] Mahfouz, S. Y. (1999). 'HVLJQ 2SWLPL]DWLRQ RI 6WUXFWXUDO 6WHHOZRUN 'HVLJQ
2SWLPL]DWLRQRIVWHHOIUDPHVWUXFWXUHVDFFRUGLQJWRWKH%ULWLVKFRGHVRISUDFWLFH
XVLQJ D JHQHWLF DOJRULWKP . Thesis. Department of Civil ad Environmental
Engineering. University of Bradford, UK.
[9] Ramiro Rodrguez Borlado. 0DQXDO GH (VWUXFWXUDV 0HWiOLFDV GH (GLILFLRV
8UEDQRV , CEDEX (Centro de Estudios y Experimentacin de Obras Pblicas).
Madrid, 1997. ISBN 84-7790-280-1.
[10] Escal3D. Programa de anlisis lineal esttico y dinmico de estructuras
espaciales. Diseado conjuntamente por el rea de Ingeniera de la Construccin
y el rea de Ingeniera de Proyectos de la Universidad de Oviedo.
[11] Comesc. Programa de comprobacin de las barras que forman las vigas de las
estructuras espaciales, calculando unos coeficientes para cada tipo de
comprobacin tensional siguiendo las indicaciones de las distintas Normas
nacionales e internacionales. Diseado conjuntamente por el rea de Ingeniera
de la Construccin y el rea de Ingeniera de Proyectos de la Universidad de
Oviedo.