Optimización sostenible de marcos prefabricados articulados

Acaban de publicarnos un artículo en Materials, revista indexada en el primer cuartil del JCR. En este caso se han optimizado las emisiones de CO₂ de un marco prefabricado articulado, de sección en U, empleando para ello varias metaheurísticas. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El desarrollo sostenible requiere mejoras en el uso de los recursos naturales. El objetivo principal del presente estudio es optimizar la utilización de materiales en la construcción de pórticos articulados prefabricados de hormigón armado. Se desarrolló un software propio en el lenguaje de programación Python. Esto permitió el cálculo, verificación y optimización de la estructura mediante la aplicación de técnicas metaheurísticas. El coste final es una representación directa del empleo de materiales. Así, se aplicaron tres algoritmos para resolver la optimización económica de la estructura. Mediante la aplicación de los algoritmos de recocido simulado, aceptación de umbrales y algoritmo del solterón, se consiguieron diseños sostenibles y no tradicionales. Estos hacen un empleo óptimo de los recursos naturales, manteniendo un coste final muy restringido. Para evaluar la mejora del impacto ambiental, se estudiaron las emisiones asociadas al dióxido de carbono y se compararon con una estructura de hormigón armado in situ de referencia. Los resultados mostraron diseños con una profundidad reducida de la losa superior y los muros laterales y un refuerzo pasivo denso. Con ellos se consiguió reducir hasta un 24% el coste final de la estructura, así como más del 30% de las emisiones asociadas.

Marco prefabricado articulado. https://forte.es/productos/marcos-articulados/

Abstract:

Sustainable development requires improvements in the use of natural resources. The main objective of the present study was to optimize the use of materials in the construction of reinforced concrete precast hinged frames. Proprietary software was developed in the Python programming language. This allowed the structure’s calculation, verification, and optimization by applying metaheuristic techniques. The final cost is a direct representation of the use of materials. Thus, three algorithms were applied to solve the economic optimization of the frame. By applying simulated annealing, threshold accepting, and old bachelor’s acceptance algorithms, sustainable, non-traditional designs were achieved. These make optimal use of natural resources while maintaining a highly restricted final cost. The carbon-dioxide-associated emissions were studied and compared with a reference cast-in-place reinforced concrete frame to evaluate the environmental impact improvement. The results showed designs with reduced upper slab and lateral wall depth and dense passive reinforcement. These were able to reduce up to 24% of the final cost of the structure, as well as over 30% of the associated emissions.

Keywords:

Reinforced concrete; precast; hinged frame; metaheuristic; optimization; sustainability.

Reference:

RUIZ-VÉLEZ, A.; ALCALÁ, J.; YEPES, V. (2023). Optimal design of sustainable reinforced concrete precast hinged frames. Materials, 16(1):204. DOI:10.3390/ma16010204.

Descargar (PDF, 2.85MB)

Optimización heurística de un nuevo tipo de cercha pretensada

Acaban de publicarnos un artículo en Materials, revista indexada en el primer cuartil del JCR. En este caso se ha optimizado, mediante un algoritmo de optimización heurística, un nuevo tipo de cercha metálica pretensada. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. En este caso, se trata de una colaboración entre nuestro grupo de investigación e investigadores de Georgia.

Este artículo presenta nuevos enfoques para el cálculo, el diseño y la optimización de cerchas pretensadas con un elemento de unión. Los sistemas estructurales con grandes luces, como cerchas, vigas, pórticos, etc., están sometidos a un riesgo considerable de pérdida de capacidad de carga debido a los diferentes tipos de cargas utilizadas. Algunos métodos de diseño tradicionales definen los valores del pretensado en el elemento de unión y las fuerzas internas en los elementos de la celosía para evitar esta pérdida de capacidad de carga. Sin embargo, la precisión y los límites de la determinación de las fuerzas no son necesariamente conocidos. Los autores proponen un nuevo tipo de celosía pretensada y algunos nuevos enfoques en el proceso de diseño y cálculo para resolver estos inconvenientes. Los principales objetivos del estudio fueron diseñar una innovadora y nueva forma geométrica de celosía arqueada pretensada, que permite el desarrollo de una fuerza de pretensado de alto valor, para optimizar una nueva celosía para reducir el peso propio, aumentando la capacidad de carga en comparación con sus análogos. Durante el estudio se empleó el recocido simulado. Un nuevo avance en la optimización de la celosía arqueada pretensada sugerido por los autores reduce el peso propio y mejora la capacidad de carga de la celosía entre un 8 y un 17%, dependiendo de la luz.

Abstract:

This paper represents new approaches for calculating, designing, and optimizing prestressed arched trusses with a tie member. Structural systems with long spans, such as trusses, beams, frames, etc., are subjected to a considerable/substantial risk of losing load-carrying capacity because of the different types of loads used. Some traditional design methods define the values of prestressing force in the tie member and internal forces in the truss elements to avoid this load capacity loss. However, the accuracy and limits of the determination of the forces are not necessarily known. The authors offer a new type of prestressed arched truss and some new approaches in the design and calculation process to solve these disadvantages. The study’s main objectives were to design an innovative and new geometric form of prestressed arched truss, which allows the development of high-value prestressing force, to optimize a new truss for reducing self-weight, increasing load-carrying capacity compared to its analogs. The force, stiffness matrix, and simulated annealing methods were used during the study. A new advance to the optimization of prestressed arched truss suggested by the authors reduces the self-weight and improves the load capacity of the truss by 8–17%, depending on the span.

Keywords:

Prestressed truss; stiffness matrix method; tensile element; compressed element; optimization; simulated annealing.

Reference:

PARTSKHALADZE, G.; ALCALÁ, J.; MEDZMARIASHVILI, E.; CHAVLESHVILI, G.; SURGULADZE, B., I.; YEPES, V. (2022). Heuristic Optimization of a New Type Prestressed Arched Truss. Materials, 15(22): 8144. DOI:10.3390/ma15228144

Descargar (PDF, 1.12MB)

Diseño óptimo de un puente mixto basado en un algoritmo de inteligencia de enjambre discreto

Acaban de publicarnos un artículo en la revista Structural and Multidisciplinary Optimization (revista indexada en el JCR en el primer cuartil) sobre la optimización de puentes mixtos de hormigón y acero usando un algoritmo de inteligencia de enjambre discreto y funciones de transferencia. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La optimización de puentes puede ser compleja debido al gran número de variables que intervienen en el problema. En este trabajo se ha ejecutado dos optimizaciones de puentes mixtos de sección en cajón, considerando el coste y las emisiones de CO₂ como funciones objetivo. Tomar las emisiones de CO₂ como función objetivo permite añadir criterios de sostenibilidad para comparar los resultados con el coste. Se han aplicado las metaheurísticas SAMO2, SCA y Jaya para alcanzar este objetivo. Se implementaron funciones de transferencia para adaptar SCA y Jaya a la naturaleza discontinua del problema de optimización del puente. Además, se ha llevado a cabo un Diseño de Experimentos para afinar el algoritmo y establecer sus parámetros. En consecuencia, se ha observado que SCA muestra valores similares para la función objetivo de coste que SAMO2, pero mejora el tiempo computacional en un 18% a la vez que obtiene valores más bajos para la desviación del resultado de la función objetivo. A partir de un análisis de optimización de costes y CO₂, se observa una reducción de 2,51 kg de CO₂ por cada euro reducido utilizando técnicas metaheurísticas. Además, para ambos objetivos de optimización, se comprueba que la adición de celdas a las secciones de los puentes mejora no solo el comportamiento de la sección, sino también los resultados de la optimización. Por último, los resultados muestran que el diseño propuesto de doble acción mixta en los apoyos permite eliminar los rigidizadores longitudinales continuos dispuestos en el ala inferior en este estudio.

Abstract:

Bridge optimization can be complex because of the large number of variables involved in the problem. In this paper, two box-girder steel–concrete composite bridge single objective optimizations have been carried out considering cost and CO₂ emissions as objective functions. Taking CO₂ emissions as an objective function allows adding sustainable criteria to compare the results with cost. SAMO2, SCA, and Jaya metaheuristics have been applied to reach this goal. Transfer functions have been implemented to fit SCA and Jaya to the discontinuous nature of the bridge optimization problem. Furthermore, a Design of Experiments has been conducted to tune the algorithm and set its parameters. Consequently, it has been observed that SCA shows similar values for objective cost function as SAMO2 but improves computational time by 18% while also getting lower values for the objective function result deviation. From a cost and CO₂ optimization analysis, it has been observed that a reduction of 2.51 kg CO₂ is obtained by each euro reduced using metaheuristic techniques. Moreover, for both optimization objectives, it is observed that adding cells to bridge cross-sections improves not only the section behavior but also the optimization results. Finally, it is observed that the proposed design of double composite action in the supports allows this study to remove continuous longitudinal stiffeners in the bottom flange.

Keywords:

Swarm intelligence; Steel–concrete composite structures; Bridges; Optimization; Metaheuristics; Sustainability

Reference:

MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2022). Optimal design of steel-concrete composite bridge based on a transfer function discrete swarm intelligence algorithm. Structural and Multidisciplinary Optimization, 65:312. DOI:10.1007/s00158-022-03393-9

El artículo está publicado en abierto, por lo que podéis realizar su descarga gratuita en este enlace: https://link.springer.com/article/10.1007/s00158-022-03393-9

Descargar (PDF, 1.92MB)

Optimización sostenible de puentes losa postesados usando metamodelos

Durante los días 12 a 14 de septiembre de 2022 tuvo lugar en las Palmas de Gran Canaria el Congreso de Métodos Numéricos en Ingeniería CMN 2022. El objetivo de este congreso es actuar como un foro en que se recopilen los trabajos científicos y técnicos más relevantes en el área de los métodos numéricos y la mecánica computacional, así como sus aplicaciones prácticas. CMN 2022 está organizado conjuntamente por las sociedades de métodos numéricos española (SEMNI), portuguesa (APMTAC) y por el Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI) de la Universidad de Las Palmas de Gran Canaria (ULPGC).

Dentro de este congreso tuve la ocasión de actuar como presidente, junto con el profesor David Greiner, de la sesión paralela denominada “Optimization, metaheuristics and evolutionary algorithms in civil engineering“. Además, nuestro grupo de investigación presentó un trabajo de investigación sobre la optimización de puentes mediante metamodelos Kriging. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Os dejo la comunicación en español por si os resultara de interés.

Referencia:

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2022). Sustainable optimization of post-tensioned cast-in-place concrete slab road bridges using metamodels. Congress on Numerical Methods in Engineering CMN2022, 12-14 September 2022, Las Palmas de Gran Canaria, Spain, pp. 166-185. ISBN: 978-84-123222-9-3

Descargar (PDF, 1.61MB)

Rendimiento de los métodos de detección de daños estructurales basados en la función de respuesta en frecuencia y la densidad espectral de potencia

Acaban de publicarnos un artículo en DYNA, revista indexada en el JCR. Se trata de comparar el rendimiento de los métodos de detección de daños estructurales basados en la función de respuesta en frecuencia y la densidad espectral de potencia. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Los recientes sucesos catastróficos han despertado un gran interés en la comunidad científica en relación con la evaluación y predicción de la respuesta estructural a lo largo del ciclo de vida de las infraestructuras. Se están realizando esfuerzos para desarrollar sistemas adecuados de monitorización de las estructuras que ayuden a prevenir futuras pérdidas de vidas humanas y económicas. Aquí se presentan dos métodos no destructivos de detección de daños: el basado en la función de respuesta en frecuencia y el basado en la función de densidad espectral. El desempeño en la detección de daños de ambos métodos se compara a través de un caso de estudio concreto, en el que se analizan diferentes escenarios de daños en un puente en celosía 2D. La fiabilidad de cada método se estudia en términos de diferentes errores de predicción. Los resultados numéricos muestran que el método PSD para la detección de daños en una estructura de puente en celosía de acero proporciona resultados más precisos y robustos en comparación con el basado en el método FRF.

Abstract:

Recent catastrophic events have aroused great interest in the scientific community regarding evaluating and predicting the structural response along the life cycle of infrastructures. Efforts are put into developing adequate health monitoring systems to help prevent future human life and economic losses. Here, two non-destructive damage detection methods are presented: the Frequency Response Function-based and the Spectral Density Function-based methods. The damage detection performance of both methods is compared through a particular case study, where different damage scenarios are analyzed in a 2D truss bridge. The reliability of each method is studied in terms of different prediction errors. Numerical results show that the PSD method for damage detection on a steel truss bridge structure provides more accurate and robust results when compared to that based on FRF.

Keywords:

Structural Health Monitoring, Power Spectral Density Function, Frequency Response Function, Construction, Structures, Damage detection, Non-destructive

Reference:

HADIZADEH-BAZAZ, M.; NAVARRO, I.J.; YEPES, V. (2022). Performance comparison of structural damage detection methods based on Frequency Response Function and Power Spectral Density. DYNA, 97(5):493-500. DOI:10.6036/10504

Como el artículo se encuentra en abierto, os paso el documento para que os lo podáis descargar.

Descargar (PDF, 822KB)

Machine learning aplicado a la construcción: Un análisis de los avances científicos y del futuro próximo

Acaban de publicarnos un artículo en la revista Automation in Construction, que es la revista indexada de mayor impacto JCR en el ámbito de la ingeniería civil. En este caso se ha realizado un análisis bibliométrico del estado del arte y de las líneas de investigación futura del Machine Learning en el ámbito de la construcción. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. En este caso, se trata de una colaboración con grupos de investigación de Chile, Brasil y España.

El artículo lo puedes descargar GRATUITAMENTE hasta el 11 de octubre de 2022 en el siguiente enlace: https://authors.elsevier.com/c/1fdIq3IhXMtgv2

Los complejos problemas industriales, junto con la disponibilidad de una infraestructura informática más robusta, presentan muchos retos y oportunidades para el aprendizaje automático (Machine Learning, ML) en la industria de la construcción. Este artículo revisa las técnicas de ML aplicadas a la construcción, principalmente para identificar las áreas de aplicación y la proyección futura en esta industria. Se analizaron estudios desde 2015 hasta 2022 para evaluar las últimas aplicaciones de ML en la construcción. Se propuso una metodología que identifica automáticamente los temas a través del análisis de los resúmenes utilizando la técnica de Representaciones Codificadoras Bidireccionales a partir de Transformadores para posteriormente seleccionar manualmente los temas principales. Hemos identificado y analizado categorías relevantes de aplicaciones de aprendizaje automático en la construcción, incluyendo aplicaciones en tecnología del hormigón, diseño de muros de contención, ingeniería de pavimentos, construcción de túneles y gestión de la construcción. Se discutieron múltiples técnicas, incluyendo varios algoritmos de ML supervisado, profundo y evolutivo. Este estudio de revisión proporciona directrices futuras a los investigadores en relación con las aplicaciones de ML en la construcción.

Highlights:

State-of-the-art developed using natural language processing techniques.
Topics analyzed and validated by experts for consistency and relevance.
Topics deepened through application of bigram analysis and clustering in addition to traditional bibliographic analysis.
Identified five large areas, and detailed two to three groups of relevant lines of research.

Abstract:

Complex industrial problems coupled with the availability of a more robust computing infrastructure present many challenges and opportunities for machine learning (ML) in the construction industry. This paper reviews the ML techniques applied to the construction industry, mainly to identify areas of application and future projection in this industry. Studies from 2015 to 2022 were analyzed to assess the latest applications of ML techniques in construction. A methodology was proposed that automatically identifies topics through the analysis of abstracts using the Bidirectional Encoder Representations from Transformers technique to select main topics manually subsequently. Relevant categories of machine learning applications in construction were identified and analyzed, including applications in concrete technology, retaining wall design, pavement engineering, tunneling, and construction management. Multiple techniques were discussed, including various supervised, deep, and evolutionary ML algorithms. This review study provides future guidelines to researchers regarding ML applications in construction.

Keywords:

Machine learning; BERT; Construction; Concretes; Retaining walls; Tunnels; Pavements; Construction management

Reference:

GARCÍA, J.; VILLAVICENCIO, G.; ALTIMIRAS, F.; CRAWFORD, B.; SOTO, R.; MINTATOGAWA, V.; FRANCO, M.; MARTÍNEZ-MUÑOZ, D.; YEPES, V. (2022). Machine learning techniques applied to construction: A hybrid bibliometric analysis of advances and future directions. Automation in Construction, 142:104532. DOI:10.1016/j.autcon.2022.104532

Special Issue: “Machine Learning, Metaheuristics and Combinatorial Optimization Problems”

Mathematics (ISSN 2227-7390) is a peer-reviewed open-access journal that provides an advanced forum for studies related to mathematics and is published monthly online by MDPI.

Open Access – free for readers, with article processing charges (APC) paid by authors or their institutions.
High visibility:indexed within Scopus, SCIE (Web of Science), RePEc, and other databases.
Rapid publication: manuscripts are peer-reviewed, and a first decision provided to authors approximately 17.8 days after submission; acceptance to publication is undertaken in 2.8 days (median values for papers published in this journal in the first half of 2022).
Recognition of reviewers: reviewers who provide timely, thorough peer-review reports receive vouchers entitled to a discount on the APC of their next publication in any MDPI journal in appreciation of the work done.

Impact Factor: 2.592 (2021) ; 5-Year Impact Factor: 2.542 (2021) (First decile JCR journal) JCR – Q1 (Mathematics) / CiteScore – Q1 (General Mathematics)

Special Issue “Machine Learning, Metaheuristics and Combinatorial Optimization Problems”

Deadline for manuscript submissions: 10 February 2023.

Special Issue Editors

Prof. Dr. Víctor Yepes E-Mail Website SciProfiles Guest Editor

Institute of Concrete Science and Technology (ICITECH), Universitat Politècnica de València, 46022 València, Spain
Interests: multiobjective optimization; structures optimization; lifecycle assessment; social sustainability of infrastructures; reliability-based maintenance optimization; optimization and decision-making under uncertainty
Special Issues, Collections and Topics in MDPI journals

Dr. José Antonio García E-Mail Website Guest Editor

Escuela de Ingeniería en Construcción, Pontificia Universidad Católica de Valparaíso, Avenida Brasil 2147, Valparaíso 2362804, Chile
Interests: optimization; deep learning; operations research; artificial intelligence applications to industrial problems
Special Issues, Collections and Topics in MDPI journals

Dr. Broderick Crawford E-Mail Website SciProfiles Guest Editor

Escuela de Ingeniería Informática, Pontificia Universidad Católica de Valparaíso, Avenida Brasil 2241, Valparaíso 2362807, Chile
Interests: information systems; management information systems; operations research; constraint satisfaction problems; collaboration of solvers

Special Issue Information

Dear Colleagues,

Complex combinatorial problems have been successfully addressed through metaheuristic techniques. However, as the size of the problem increases, so does the need for robust optimization algorithms. An interesting method of strengthening these algorithms is through the application of hybrid techniques, specifically the hybridization of machine learning and metaheuristics. We invite researchers to submit articles on combined optimization and hybrid techniques for this Special Issue. Benchmarking problems or applications in the industry are also of interest.

The areas of machine learning and data science have received considerable research interest in recent years. These techniques have strongly excelled in supporting decision-making in complex and data-intensive scenarios. In this Special Issue, we are additionally interested in contributions to machine learning applications in the industry.

Prof. Víctor Yepes
Dr. José Antonio García
Dr. Broderick Crawford
Guest Editors

Manuscript Submission Information

Manuscripts should be submitted online at www.mdpi.com by registering and logging in to this website. Once you are registered, click here to go to the submission form. Manuscripts can be submitted until the deadline. All submissions that pass pre-check are peer-reviewed. Accepted papers will be published continuously in the journal (as soon as accepted) and will be listed on the special issue website. Research articles, review articles as well as short communications are invited. For planned papers, a title, and short abstract (about 100 words) can be sent to the Editorial Office for announcement on this website.

Submitted manuscripts should not have been published previously nor be under consideration for publication elsewhere (except conference proceedings papers). All manuscripts are thoroughly refereed through a single-blind peer-review process. A guide for authors and other relevant information for submission of manuscripts is available on the Instructions for Authors page. Mathematics is an international peer-reviewed open access semimonthly journal published by MDPI.

Please visit the Instructions for Authors page before submitting a manuscript. The Article Processing Charge (APC) for publication in this open access journal is 1800 CHF (Swiss Francs). Submitted papers should be well formatted and use good English. Authors may use MDPI’s English editing service before publication or during author revisions.

Optimización de puentes mixtos mediante aceptación por umbrales

Hemos presentado en el 11th International Conference on Bridge Maintenance, Safety and Management IABMAS 2022, una comunicación sobre la optimización de puentes mixtos mediante el algoritmo de aceptación por umbrales. Este congreso se desarrolla en Barcelona, del 11 al 15 de julio del 2022. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La complejidad de la optimización de los puentes se debe, entre otras razones, a que el diseño de este tipo de estructuras presenta muchas variables. Estas generan un espacio de soluciones con demasiadas posibilidades para ser evaluadas en su totalidad. Por ello, en este trabajo se ha realizado la optimización de un puente mixto de vigas cajón considerando el coste como función objetivo mediante el uso de métodos heurísticos. Para lograr este objetivo, se ha elegido un Operador de Aceptación de Umbral con Mutación (TAMO) para la optimización estructural de un puente compuesto de acero-hormigón. La adición de celdas en las conexiones entre almas y alas mejora el comportamiento estructural de la sección transversal. El diseño de doble acción compuesta propuesto permite reducir el número de rigidizadores para este caso de estudio. Este método automatiza el proceso de optimización de un diseño inicial de un puente de material compuesto, permitiendo alcanzar diseños óptimos sin necesidad de contar con una experiencia significativa en el diseño estructural de puentes.

Abstract

The bridge optimization’s complexity is due to the design of this type of structure’s many variables. These generate a space of solutions with too many possibilities to be evaluated in their totality. Because of this, in this work, the optimization of a steel-concrete composite box girder bridge has been performed considering cost as an objective function by using heuristic methods. To achieve this objective, a Threshold Accepting with a Mutation Operator (TAMO) has been chosen for the structural optimization of a steel-concrete composite bridge. The addition of cells on the connections between webs and flanges improves the cross-section structural behaviour. The proposed double composite-action design allows for reducing the number of stiffeners for this study case. This method automatizes the optimization process of an initial design of a composite bridge, allowing it to reach optimum designs without significant expertise in bridge structural design.

Reference:

MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2022). Steel-concrete composite bridge optimization through threshold accepting. 11th International Conference on Bridge Maintenance, Safety and Management IABMAS 2022, 11-15 July 2022, Barcelona, Spain.

Descargar (PDF, 760KB)

Optimización de puentes mixtos mediante algoritmos de inteligencia de enjambre

Acaban de publicarnos un artículo en la revista Engineering Structures, revista indexada en el primer cuartil del JCR. En este caso se ha optimizado un puente mixto de hormigón y acero, mediante algoritmos discretos de inteligencia de enjambre. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El artículo lo puedes descargar GRATUITAMENTE en el siguiente enlace: https://authors.elsevier.com/sd/article/S0141-0296(22)00708-8

La optimización de un puente mixto puede ser un reto debido al importante número de variables que intervienen en el problema. En este estudio se realizó la optimización de un puente mixto de hormigón y acero con vigas en cajón, con el coste y las emisiones como funciones objetivo. Ante este reto, el trabajo propone un algoritmo híbrido que integra la técnica de aprendizaje no supervisado de k-means con la metaheurística de inteligencia de enjambre continuo para reforzar el rendimiento de esta última. En particular, se discretizan las metaheurísticas sine-cosine y cuckoo search. Se estudia la contribución del operador k-means a la calidad de las soluciones obtenidas. En primer lugar, se diseñan operadores aleatorios para utilizar posteriormente funciones de transferencia que permitan evaluar y comparar los rendimientos. Además, para tener otro punto de comparación, se adaptó una versión del recocido simulado, que ha resuelto eficientemente problemas de optimización relacionados. Los resultados muestran que nuestra propuesta híbrida supera a los diferentes algoritmos diseñados.

Highlights

A cost and CO2 emissions optimization a three-span steel–concrete composite bridge has been performed.
The optimization considers 35 design variables on average 55 possible choices for each variable.
The performance and robustness of a hybrid k-means swarm intelligence metaheuristic is studied for this optimization problem.
Hybrid k-means algorithm results are compared with other discrete trajectory based and swarm algorithms.

Abstract

Composite bridge optimization might be challenging because of the significant number of variables involved in the problem. The optimization of a box-girder steel-concrete composite bridge was done in this study with cost and emissions as objective functions. Given this challenge, this study proposes a hybrid algorithm that integrates the unsupervised learning technique of k-means with continuous swarm intelligence metaheuristics to strengthen the latter’s performance. In particular, the metaheuristics sine-cosine and cuckoo search are discretized. The contribution of the k-means operator regarding the quality of the solutions obtained is studied. First, random operators are designed to use transfer functions later to evaluate and compare the performances. Additionally, a version of simulated annealing was adapted to have another point of comparison, which has solved related optimization problems efficiently. The results show that our hybrid proposal outperforms the different algorithms designed.

Keywords

Combinatorial optimization; Bridge; Metaheuristics; Composite structures; K-means

Reference:

MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2022). Discrete swarm intelligence optimization algorithms applied to steel-concrete composite bridges. Engineering Structures, 266:114607. DOI:10.1016/j.engstruct.2022.114607

Como este artículo está publicado en abierto, os lo dejo para vuestra descarga:

Descargar (PDF, 778KB)

Optimización de las emisiones de CO₂ en la construcción de puentes losa postesados utilizando metamodelos

Acaban de publicarnos un artículo en la revista Materials, revista indexada en el primer cuartil del JCR. En este caso se ha optimizado, mediante un metamodelo tipo Kriging, las emisiones de CO₂ de un puente losa postesado aligerado. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Se trata de un trabajo de investigación en el que se ha propuesto una metodología novedosa, bifase, que utilizando un metamodelo tipo Kriging y con un muestreo inteligente del espacio de soluciones, permite optimizar problemas de alto nivel de complejidad computacional. Es el caso de las estructuras de hormigón, y en este trabajo en particular, de un tablero de puente losa pretensado aligerado. Por tanto, el objetivo general de este trabajo es proponer y comprobar la aplicabilidad de una metodología que permita la reducción energética y reducción de las emisiones de CO₂ en la construcción del tablero de un puente losa pretensado aligerado. La metodología propuesta tiene carácter general, pudiéndose aplicar a la optimización de cualquier otro tipo de estructura para optimizar distintas funciones objetivo. El diseño de la metodología propuesta presenta dos fases secuenciales de optimización, la primera fase de diversificación y la segunda fase de intensificación de la búsqueda de los óptimos.

Abstract:

This paper deals with optimizing embedded carbon dioxide (CO₂) emissions using surrogate modeling, whether it is the deck of a post-tensioned cast-in-place concrete slab bridge or any other design structure. The main contribution of this proposal is that it allows optimizing structures methodically and sequentially. The approach presents two sequential phases of optimization, the first one of diversification and the second one of intensification of the search for optimums. Finally, with the amount of CO₂ emissions and the differentiating characteristics of each design, a heuristic optimization based on a Kriging metamodel is performed. An optimized solution with lower emissions than the analyzed sample is obtained. If CO₂ emissions were to be reduced, design recommendations would be to use slendernesses as high as possible, in the range of 1/30, which implies a more significant amount of passive reinforcement. This increase in passive reinforcement is compensated by reducing the measurement of concrete and active reinforcement. Another important conclusion is that reducing emissions is related to cost savings. Furthermore, it has been corroborated that for a cost increase of less than 1%, decreases in emissions emitted into the atmosphere of more than 2% can be achieved.

Keywords:

CO₂ emission; optimization; metamodel; Kriging; post-tensioned concrete; structural optimization

Reference:

YEPES-BELLVER, L.; BRUN-IZQUIERDO, A.; ALCALÁ, J.; YEPES, V. (2022). CO₂-optimization of post-tensioned concrete slab-bridge decks using surrogate modeling. Materials, 15(14):4776. DOI:10.3390/ma15144776

Descargar (PDF, 1.4MB)