Investigación reciente muestra cómo la inteligencia artificial optimiza la gestión del agua

En un estudio pionero, investigadores de la Universitat Politècnica de València y la Pontificia Universidad Católica de Valparaíso (Chile) han revelado el enorme potencial del aprendizaje automático (Machine Learning, ML) en la mejora de la integridad y calidad de las infraestructuras hídricas.

Publicado en la Applied Sciences, revista del primer cuartil del JCR, el estudio analiza en profundidad la literatura científica reciente sobre el tema, para lo cual revisa 1087 artículos con el fin de identificar las áreas más prometedoras en la aplicación de estas tecnologías a la gestión del agua. Esta revisión va más allá de lo convencional al aplicar modelos avanzados de procesamiento del lenguaje natural (NLP), específicamente BERTopic, que permiten comprender el contexto y los temas emergentes en esta área de investigación.

Contexto y relevancia del estudio

El mantenimiento de infraestructuras de agua seguras y eficientes es un desafío global, especialmente en un contexto de cambio climático, urbanización creciente y escasez de recursos hídricos. A medida que aumentan los eventos climáticos extremos, las infraestructuras se ven sometidas a un estrés adicional. Estas condiciones afectan al acceso y a la distribución de agua de calidad, clave para la salud pública, el medio ambiente y sectores estratégicos como la agricultura, la industria y la energía.

En este contexto, el aprendizaje automático se presenta como una herramienta potente para gestionar y optimizar la calidad y el suministro del agua. Los algoritmos de ML pueden procesar grandes volúmenes de datos de sensores y otras fuentes para mejorar las predicciones y la toma de decisiones en tiempo real. Además, permiten diseñar protocolos de tratamiento del agua más eficientes, reducir las pérdidas en las redes de distribución y anticiparse a los problemas antes de que se conviertan en fallos significativos.

Metodología y clasificación de temas

Para explorar el uso del ML en la gestión de infraestructuras hídricas, el equipo realizó una búsqueda sistemática en la base de datos Scopus, centrada en artículos en inglés publicados desde 2015. Los investigadores aplicaron el modelo BERTopic, una técnica de NLP que utiliza redes neuronales (transformers) entrenadas para identificar y organizar los principales temas en la literatura. Esto permitió clasificar con precisión los estudios en cuatro grandes áreas de aplicación:

Detección de contaminantes y erosión del suelo: El uso de ML en esta área permite la detección avanzada de contaminantes como los nitratos y los metales pesados en las aguas subterráneas. Mediante imágenes satelitales y sensores en campo, estos modelos analizan factores ambientales y condiciones del suelo para predecir y mapear zonas de riesgo de contaminación y erosión.
Predicción de niveles de agua: El estudio destaca cómo las técnicas de aprendizaje automático, incluidas las redes neuronales y los modelos de series temporales, pueden prever las fluctuaciones en los niveles de agua de ríos, lagos y acuíferos. Esto resulta crucial para la gestión de los recursos hídricos en situaciones climáticas extremas, como las inundaciones y las sequías, y también para optimizar el uso del agua en la agricultura y la industria.
Detección de fugas en redes de agua: Las pérdidas de agua suponen un problema significativo en las redes de distribución, especialmente en las zonas urbanas. El estudio descubrió que el ML, junto con tecnologías de sensores IoT, permite la detección precisa de fugas mediante el análisis de patrones de flujo y presión en las tuberías. Los algoritmos pueden identificar y localizar fugas, lo que reduce el desperdicio y mejora la eficiencia de la distribución.
Evaluación de la potabilidad y calidad del agua: Garantizar el acceso a agua potable es fundamental para la salud pública, y el estudio subraya la utilidad del aprendizaje profundo en el control de la calidad del agua. Los algoritmos analizan parámetros de calidad como la turbidez, el pH y la presencia de sustancias químicas nocivas, con el fin de asegurar la potabilidad. Estos modelos también permiten automatizar los sistemas de alerta temprana en zonas con infraestructuras hídricas vulnerables.

Implicaciones y futuros pasos

Este estudio concluye que el uso de aprendizaje automático en la gestión del agua permite una mayor eficiencia y sostenibilidad, y supone un paso adelante en la administración de los recursos hídricos frente a los desafíos ambientales en aumento. Los autores señalan que la combinación de ML con sistemas de monitoreo avanzado puede transformar la forma en que gestionamos las infraestructuras hídricas, permitiendo predicciones precisas y decisiones basadas en datos en tiempo real.

En el futuro, se centrarán en mejorar la precisión de los modelos para áreas específicas, así como en implementar estos sistemas a gran escala. Además, se abren nuevas oportunidades para optimizar las redes de distribución mediante sistemas automatizados, algo vital en un contexto donde el agua es un recurso cada vez más valioso y escaso.

Este estudio no solo aporta conocimiento a la comunidad científica, sino que también proporciona una base sólida para que gestores y responsables de políticas públicas integren el aprendizaje automático en sus prácticas de gestión del agua, avanzando así hacia una gestión hídrica más sostenible y resiliente.

Referencia:

GARCÍA, J.; LEIVA-ARAOS, A.; DÍAZ-SAAVEDRA, E.; MORAGA, P.; PINTO, H.; YEPES, V. (2023). Relevance of Machine Learning Techniques in Water Infrastructure Integrity and Quality: A Review Powered by Natural Language Processing. Applied Sciences, 13(22):12497. DOI:10.3390/app132212497

Pincha aquí para descargar

Técnica innovadora optimiza estructuras de hormigón y reduce emisiones de CO₂ al considerar la interacción suelo-estructura

El artículo científico, titulado «Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction» y publicado recientemente en Engineering Structures, una de las revistas de mayor impacto en ingeniería civil, aborda un desafío clave en la ingeniería estructural: cómo optimizar el diseño de estructuras de hormigón armado para minimizar su impacto ambiental, con especial atención a la reducción de las emisiones de CO₂.

Esta investigación es el resultado de una colaboración internacional realizada en el marco de los proyectos HYDELIFE y RESILIFE, cuyo investigador principal es Víctor Yepes, y de una colaboración entre investigadores de Cuba, Brasil y España.

Contexto de la investigación

La optimización estructural ha sido ampliamente explorada en las últimas décadas debido a la creciente necesidad de reducir los costes de construcción y el consumo de materiales, todo ello mientras se minimiza el impacto ambiental. En el caso de las estructuras de hormigón armado, que son esenciales en la construcción de edificios y obras de infraestructura, optimizar su diseño conlleva implicaciones significativas en cuanto al ahorro de recursos y la reducción de las emisiones de CO₂.

Los problemas de optimización estructural pueden resolverse mediante métodos exactos, como la programación matemática, o mediante métodos heurísticos que imitan procesos naturales (como la evolución genética o el comportamiento de enjambres). Aunque los métodos heurísticos son más eficientes para problemas complejos y no lineales, como los que involucran grandes estructuras tridimensionales, requieren un alto coste computacional. Para abordar este problema, los autores proponen el uso de metamodelos, modelos simplificados que permiten realizar simulaciones con un consumo de recursos computacionales mucho menor sin sacrificar demasiada precisión. En este estudio, se utiliza un metamodelo basado en Kriging, una técnica que permite aproximar el comportamiento de estructuras complejas.

Además, el estudio introduce una novedad crucial: la incorporación de la interacción suelo-estructura (SSI, por sus siglas en inglés) al modelado. Esta interacción, que a menudo se ignora en los modelos tradicionales, afecta significativamente al comportamiento de la superestructura (el marco de hormigón). Ignorarla puede dar lugar a diseños menos precisos que no consideran los asentamientos diferenciales del suelo, lo que puede provocar tensiones adicionales y un mayor deterioro de las estructuras con el tiempo.

Metodología

La investigación emplea un enfoque combinado de optimización heurística convencional y de una estrategia basada en Kriging para optimizar marcos espaciales de hormigón armado. El objetivo es reducir las emisiones de CO₂ de las estructuras optimizadas, en línea con los esfuerzos para disminuir el impacto ambiental del sector de la construcción. El estudio incluye tres estudios de caso, cada uno con diferentes configuraciones estructurales (variando la longitud de los vanos y el número de niveles de las estructuras) para generalizar los resultados.

El elemento clave de esta investigación es la incorporación de la interacción suelo-estructura, que influye en el comportamiento global del sistema. Los autores utilizan un modelo de Winkler, que representa el suelo como un conjunto de resortes con rigidez variable según sus características, y lo aplican a dos tipos de suelo: uno cohesivo y otro granular. Esta diferenciación es importante porque cada tipo de suelo responde de manera distinta a las cargas, lo que provoca asentamientos que, en última instancia, inciden en las tensiones de la superestructura. La plataforma CSi-SAP2000 se utilizó como motor de cálculo, mientras que el análisis geotécnico y estructural se integró mediante MATLAB.

Resultados

Uno de los hallazgos más destacados del estudio es que la inclusión de la interacción suelo-estructura modifica significativamente los diseños estructurales. En general, las estructuras diseñadas teniendo en cuenta la interacción suelo-estructura requieren más material (mayores cantidades de hormigón y acero), lo que refleja el aumento de las tensiones debido a los asentamientos diferenciales. Por ejemplo, en comparación con un modelo con soportes rígidos ideales, las estructuras que consideran la interacción suelo-estructura muestran un aumento del 12,03 % en las emisiones de CO₂ en suelos cohesivos y hasta del 18,81 % en suelos friccionales.

Los elementos estructurales más afectados por la interacción suelo-estructura son las columnas. Esto se debe a que los asentamientos diferenciales incrementan los momentos flectores en las columnas, lo que requiere un refuerzo adicional y secciones más grandes para resistir las nuevas tensiones. En algunos casos, las emisiones de CO₂ asociadas a las columnas aumentaron más del 60 % al considerar la interacción con el suelo. Los resultados son especialmente marcados en suelos granulares, donde los asentamientos diferenciales son más pronunciados.

Además, la metodología basada en metamodelos, asistida por la técnica de Kriging, demostró ser eficaz para lograr optimizaciones con un alto grado de precisión (hasta un 98,24 % en suelos cohesivos y un 98,10 % en suelos granulares), lo que redujo el tiempo de cálculo en aproximadamente un 90 % en comparación con los métodos heurísticos convencionales.

Implicaciones

Este estudio tiene importantes implicaciones prácticas para el diseño de estructuras de hormigón armado. La inclusión de la interacción suelo-estructura permite obtener diseños más robustos y precisos, lo que reduce el riesgo de fallos prematuros y la necesidad de costosos trabajos de mantenimiento a largo plazo. Los modelos que no tienen en cuenta la interacción suelo-estructura pueden dar como resultado estructuras que inicialmente parecen eficientes, pero que con el tiempo se deterioran más rápidamente debido a las tensiones adicionales no previstas. Por tanto, incorporar esta interacción desde el inicio del diseño mejora significativamente la durabilidad y la fiabilidad de las estructuras.

Desde el punto de vista ambiental, el uso de metamodelos para optimizar las estructuras de hormigón representa un avance importante. Al reducir el material necesario y mejorar la eficiencia estructural, se contribuye a disminuir las emisiones de CO₂, un objetivo clave en la lucha contra el cambio climático. Además, la metodología propuesta ofrece un enfoque más sostenible al reducir los recursos computacionales necesarios para realizar simulaciones complejas.

En conclusión, la inclusión de la interacción suelo-estructura y el uso de metamodelos basados en Kriging constituyen una contribución innovadora al campo de la ingeniería estructural. Esta investigación no solo proporciona mejores resultados de diseño, sino que también tiene el potencial de reducir el impacto ambiental de las estructuras de hormigón armado, lo que contribuye a que el sector de la construcción sea más sostenible y eficiente.

Referencia:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2023). Metamodel-assisted meta-heuristic design optimization of reinforced concrete frame structures considering soil-structure interaction. Engineering Structures, 293:116657. DOI:10.1016/j.engstruct.2023.116657

Mejora del diseño estructural de cerchas metálicas pretensadas mediante optimización multiobjetivo y toma de decisión multicriterio

Acaban de publicarnos un artículo en Mathematics, una revista indexada en el primer decil del JCR. El documento Mejora del diseño estructural de cerchas metálicas pretensadas mediante optimización multiobjetivo y MCDM. El trabajo se enmarca en el proyecto de investigación RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València.

Estas son las principales contribuciones descritas en el artículo:

Marco integrado para la optimización: La investigación presenta un marco integral que combina algoritmos de optimización multiobjetivo (MOO) y técnicas de toma de decisiones multicriterio (MCDM). Este marco no solo es aplicable a las cerchas pretensadas, sino también a diversos diseños estructurales, lo que mejora la toma de decisiones en ingeniería estructural.
Algoritmos de optimización avanzados: el estudio emplea tres algoritmos MOO avanzados (NSGA-III, CTAEA y SMS-EMAO) para optimizar el diseño estructural de las cerchas arqueadas pretensadas. Este enfoque permite evaluar de manera sólida los diferentes objetivos del diseño, como la minimización del peso, el rendimiento de carga y la capacidad de construcción.
Métricas de evaluación integrales: el documento incorpora una serie de visualizaciones analíticas y métricas de evaluación exhaustivas para comprender la variabilidad de las variables en el contexto de Pareto. Esto ayuda a ilustrar las ventajas y desventajas de las distintas estrategias de optimización y a proporcionar una visión más clara del proceso de diseño.
Evaluación del rendimiento de los algoritmos: la investigación evalúa el rendimiento de los algoritmos de optimización mediante métricas de distancia generacional (GD) e inversa (IGD). Los resultados indican que el NSGA-III supera a los demás algoritmos en términos de convergencia hacia la frontera de Pareto, lo que proporciona información valiosa sobre la eficacia de cada uno.
Validación estadística de los resultados: el artículo emplea la prueba de Kruskal-Wallis para evaluar las diferencias en el rendimiento entre los algoritmos. Esto aporta credibilidad a los hallazgos y resalta las ventajas y limitaciones de cada enfoque de optimización, lo cual resulta crucial para futuras aplicaciones de optimización estructural.
Implicaciones prácticas para la construcción: Las innovaciones presentadas en el documento mejoran el rendimiento estructural, reducen el consumo de recursos y aumentan la capacidad de construcción y la seguridad. Estas contribuciones demuestran las implicaciones prácticas para una construcción más eficiente y sostenible y abordan la complejidad de los métodos de diseño tradicionales.

En resumen, este documento promueve significativamente la comprensión y la aplicación de las cerchas pretensadas al proporcionar un marco sólido para la optimización y la toma de decisiones, junto con información práctica para mejorar las prácticas de construcción.

Abstract:

The structural design of prestressed arched trusses poses a complex challenge due to the need to balance multiple conflicting objectives, including structural performance, weight, and constructability. This complexity is further compounded by the interdependent nature of the structural elements, which necessitates a comprehensive optimization approach. Addressing this challenge is crucial for advancing construction practices and improving the efficiency and safety of structural designs. The integration of advanced optimization algorithms and decision-making techniques offers a promising avenue for enhancing the design process of prestressed arched trusses. This study proposes the use of three advanced multi-objective optimization algorithms: NSGA-III, CTAEA, and SMS-EMOA, to optimize the structural design of prestressed arched trusses. The performance of these algorithms was evaluated using Generational Distance and Inverted Generational Distance metrics. Additionally, the non-dominated optimal designs generated by these algorithms were assessed and ranked using multiple Multi-Criteria Decision-Making techniques, including SAW, FUCA, TOPSIS, PROMETHEE, and VIKOR. This approach enabled a robust comparison of the algorithms and provided insights into their effectiveness in balancing the various design objectives. The results of the study indicate that NSGA-III exhibited superior performance with a GD value of 0.215, reflecting a closer proximity of its solutions to the Pareto front, and an IGD value of 0.329, indicating a well-distributed set of solutions across the Pareto front. In comparison, CTAEA and SMS-EMOA showed higher GD values of 0.326 and 0.436, respectively, suggesting less convergence to the Pareto front. However, SMS-EMOA demonstrated a balanced performance in terms of constructability and structural weight, with an IGD value of 0.434. The statistical significance of these differences was confirmed by the Kruskal-Wallis test, with p-values of 2.50×10−15 for GD and 5.15×10−06 for IGD. These findings underscore the advantages and limitations of each algorithm, providing valuable insights for future applications in structural optimization.

Keywords:

Multi-objective optimization; multi-criteria decision-making; NSGA-III; CTAEA; SMS-EMOA; SAW; FUCA; TOPSIS; PROMETHEE; VIKOR

Reference:

RUIZ-VÉLEZ, A.; GARCÍA, J.; PARTSKHALADZE, G.; ALCALÁ, J.; YEPES, V. (2024). Enhanced Structural Design of Prestressed Arched Trusses through Multi-Objective Optimization and MCDM. Mathematics, 12(16), 2567. DOI:10.3390/math12162567

Pincha aquí para descargar

Comunicaciones presentadas al 28th International Congress on Project Management and Engineering AEIPRO 2024

Durante los días 3 y 4 de julio de 2024 tiene lugar en Jaén (España) el 28th International Congress on Project Management and Engineering AEIPRO 2024. Es una buena oportunidad para debatir y conocer propuestas sobre dirección e ingeniería de proyectos. Nuestro grupo de investigación, en el marco del proyecto HYDELIFE, presenta varias comunicaciones. A continuación os paso los resúmenes.

SÁNCHEZ-GARRIDO, A.; GUAYGUA, B.; VILLALBA, P.; YEPES, V. (2024). Ingeniería de proyectos basada en modelos de análisis multivariante. Aplicación al dimensionamiento de losas planas aligeradas. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

Esta investigación propone una metodología para dimensionar losas innovadoras de hormigón armado sin vigas que permiten un uso eficiente de los materiales. Utilizando un enfoque estadístico y modelos de regresión lineal, se proporcionan criterios para calcular el espesor de la losa aligerada con esferas o discos plásticos presurizados, minimizando el número de variables. Este espesor puede estimarse a partir de la luz principal entre apoyos, de la altura del disco o del diámetro de la esfera, así como del uso previsto del edificio. El modelo final ajustado logra explicar el 98% de la variabilidad del espesor de la losa para luces comprendidas entre 5 m y 16 m. Este tipo de forjado contribuye a la reducción del consumo de hormigón y acero, lo que resulta en una disminución del peso y de las cargas aplicadas. Esto impacta directamente en los costos y mejora los indicadores ambientales frente a los sistemas tradicionales. Se presenta como una alternativa eficiente para edificaciones, permitiendo combinar parámetros estructurales, constructivos y sostenibles.

SÁNCHEZ-GARRIDO, A.; YEPES-BELLVER, L.; SAIZ, D.; YEPES, V. (2024). Ingeniería de proyectos en Modernos Métodos de Construcción: El caso de edificios con losas planas mediante elementos aligerantes multiaxiales. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

Los métodos modernos de construcción (Modern Methods of Construction, MMC), o como algunos la llaman “construcción inteligente”, constituyen alternativas a la construcción tradicional. Esta nueva forma de construir implica necesariamente un cambio en la forma de dirigir los proyectos, que pasan a ser industrializados, en los que la eficiencia estructural y constructiva, así como la sostenibilidad ambiental y social, son protagonistas. El objetivo del artículo es identificar los aspectos característicos de estas construcciones innovadoras que influyen en la ingeniería de proyectos, integrando a grupos multidisciplinares como arquitectos, ingenieros estructurales y empresas constructoras. Para ello, se realizará un estudio sobre el caso de edificios construidos con losas planas aligeradas mediante elementos aligerantes multiaxiales. Los resultados muestran que estos diseños permiten integrar el proyecto, la fabricación de elementos y el procedimiento constructivo. El proyecto de estas construcciones permite aligerar y reducir las cantidades de hormigón y acero en las zonas de las losas donde la capacidad portante es insignificante. Además, se ha comparado este diseño con otros tradicionales, destacando una reducción de costes y un aumento de la sostenibilidad a lo largo del ciclo de vida.

YEPES-BELLVER, L.; MARTÍNEZ-PAGÁN, P.; ALCALÁ, J.; YEPES, V. (2024). Análisis del predimensionamiento de tableros óptimos de puentes losa pretensados aligerados y su incidencia en el proyecto estructural. 28th International Congress on Project Management and Engineering, AEIPRO, 3-4 de julio, Jaén (Spain)

El proyecto estructural suele basarse en la experiencia del proyectista. En ocasiones, dicha experiencia se plasma en fórmulas de predimensionamiento que, si bien ofrecen buenos resultados, en ocasiones arrastran ineficiencias cuando se comparan con técnicas actuales de optimización que tengan en cuenta las dimensiones económicas y ambientales. En este artículo se comparan reglas de dimensionamiento previo de estructuras basadas en la experiencia con técnicas de optimización. Se aplica al caso del proyecto de tableros de puentes tipo losa pretensados aligerados. El resultado de la investigación resalta la importancia de aplicar métodos basados en la optimización heurística y en metamodelos para actualizar la experiencia de los proyectistas y proponer nuevas fórmulas de predimensionamiento más ajustadas a la optimización económica y ambiental. Además, en el trabajo se ofrecen nomogramas de predimensionamiento, con el mínimo número de datos posible, que pueden ser de utilidad al proyectista en sus diseños previos.

Os paso el vídeo de presentación del congreso.

Special Issue: «Multi-objective Optimization and Applications»

Mathematics is a peer-reviewed, open-access journal that provides an advanced forum for studies related to mathematics. It is published semimonthly online by MDPI. The European Society for Fuzzy Logic and Technology (EUSFLAT) and International Society for the Study of Information (IS4SI) are affiliated with Mathematics, and their members receive a discount on article processing charges.

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.
Journal Rank: JCR – Q1 (Mathematics) / CiteScore – Q1 (General Mathematics)
Rapid Publication: manuscripts are peer-reviewed, and a first decision is provided to authors approximately 16.9 days after submission; acceptance to publication is undertaken in 2.6 days (median values for papers published in this journal in the second half of 2023).
Recognition of Reviewers: reviewers who provide timely, thorough peer-review reports receive vouchers entitling them to a discount on the APC of their next publication in any MDPI journal in appreciation of the work done.
Sections: published in 13 topical sections.
Companion journals for Mathematics include: Foundations, AppliedMath, Analytics, International Journal of Topology, Geometry and Logics.

Impact Factor: 2.4 (2022); 5-Year Impact Factor: 2.3 (2022) (First decile JCR journal) JCR – Q1 (Mathematics) / CiteScore – Q1 (General Mathematics)

Special Issue “Multi-objective Optimization and Applications”

A special issue of Mathematics (ISSN 2227-7390). This special issue belongs to the section “Computational and Applied Mathematics.”

Deadline for manuscript submissions: 31 March 2025

Special Issue Editors

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

Institute of Concrete Science and Technology (ICITECH), Construction Engineering Department, 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

Prof. Dr. Moacir Kripka E-Mail Website Guest Editor

Civil and Environmental Engineering Graduate Program (PPGEng), University of Passo Fundo, Passo Fundo CEP 99052-900, Brazil
Interests: structural analysis; optimization; engineering optimization; linear programming; mathematical programming; heuristics; structural optimization; concrete; combinatorial optimization; structural engineering; multiobjective optimization; reinforced concrete; optimization methods; discrete optimization; optimization theory; optimization software
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

Special Issue Information

Dear Colleagues,

Optimization techniques have become frequent in recent decades due to the growing competitiveness brought about by globalization. With the development of new methods and the greater availability of computer resources, applications in the most diverse fields of knowledge have spread from academic banks to the day-to-day running of companies. However, a more realistic approach can be achieved if several objectives are integrated into the process. Thus, an exciting strategy cannot only meet cost requirements, for example, but it also concerns itself with durability, efficiency, reliability, and sustainability. Given that numerous objectives are involved, which are usually in conflict, new strategies are needed, while new and more complete applications are envisioned. In this sense, the Special Issue, “Multi-objective Optimization and Applications,” aims to provide a platform for disseminating knowledge related to multi-objective optimization. Research articles involving efficient and innovative optimization methods and new applications related to diverse areas of expertise are sought, promoting an exchange of new ideas and trends concerning the subject.

Prof. Dr. Víctor Yepes
Prof. Dr. Moacir Kripka
Dr. José Antonio García
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 listed together on the special issue website. Research articles, review articles, and 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 2600 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.

Keywords

multi-objective optimization
optimization methods
optimization applications
innovative methods and algorithms

Published Papers

This special issue is now open for submission.

Pincha aquí para descargar

Mejora de la robustez en la optimización de estructuras modulares prefabricadas: Integración de NSGA-II, NSGA-III y RVEA para una infraestructura sostenible

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El documento explora el diseño de estructuras modulares prefabricadas sostenibles utilizando la optimización multiobjetivo (MOO) y la toma de decisión multicriterio (MCDM) con algoritmos avanzados como NSGA-II, NSGA-III y RVEA. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El artículo destaca la importancia de integrar la sostenibilidad del ciclo de vida en los proyectos de infraestructura de transporte para estimular la innovación y la colaboración entre las partes interesadas. Además, presenta una estrategia de diseño novedosa que se centra en la optimización del ciclo de vida de los marcos modulares prefabricados de hormigón armado (RCPMF). Por último, amplía la comprensión de la aplicabilidad de los algoritmos avanzados de MOO y las técnicas de MCDM para mejorar el desarrollo sostenible de la infraestructura.

Las conclusiones más importantes de este trabajo son las siguientes:

El estudio evalúa el rendimiento de optimización del ciclo de vida de los algoritmos NSGA-II, NSGA-III y RVEA dentro de una estructura prefabricada tipo marco de diseño coherente para una infraestructura de transporte sostenible.
El NSGA-III se identifica como el algoritmo con mejor rendimiento, lo que demuestra su potencial para facilitar enfoques de diseño sostenibles.
El problema del MCDM se evalúa rigurosamente y se abordan nueve soluciones no dominantes generadas por los algoritmos de optimización, lo que demuestra la eficiencia y la fiabilidad del marco integrado de MOO y MCDM.
Los resultados abogan por un enfoque transformador del desarrollo de infraestructuras, orientado hacia soluciones de ingeniería más avanzadas y sostenibles.

Abstract:

The advancement toward sustainable infrastructure presents complex multi-objective optimization (MOO) challenges. This paper expands the current understanding of design frameworks that balance cost, environmental impacts, social factors, and structural integrity. Integrating MOO with multi-criteria decision-making (MCDM), the study targets enhancements in life cycle sustainability for complex engineering projects using precast modular road frames. Three advanced evolutionary algorithms—NSGA-II, NSGA-III, and RVEA—are optimized and deployed to address sustainability objectives under performance constraints. The efficacy of these algorithms is gauged through a comparative analysis, and a robust MCDM approach is applied to nine non-dominated solutions, employing SAW, FUCA, TOPSIS, PROMETHEE, and VIKOR decision-making techniques. An entropy theory-based method ensures systematic, unbiased criteria weighting, augmenting the framework’s capacity to pinpoint designs, balancing life cycle sustainability. The results reveal that NSGA-III is the algorithm converging towards the most cost-effective solutions, surpassing NSGA-II and RVEA by 21.11% and 10.07%, respectively, while maintaining balanced environmental and social impacts. The RVEA achieves up to 15.94% greater environmental efficiency than its counterparts. The analysis of non-dominated solutions identifies the $A_{4}$ design, utilizing 35 MPa concrete and B500S steel, as the most sustainable alternative across 80% of decision-making algorithms. The ranking correlation coefficients above 0.94 demonstrate consistency among decision-making techniques, underscoring the robustness of the integrated MOO and MCDM framework. The results in this paper expand the understanding of the applicability of novel techniques for enhancing engineering practices and advocate for a comprehensive strategy that employs advanced MOO algorithms and MCDM to enhance sustainable infrastructure development.

Keywords:

Multi-objective optimization; multi-criteria decision-making; NSGA-II; NSGA-III; RVEA; SAW; FUCA; TOPSIS; PROMETHEE; VIKOR

Reference:

RUIZ-VÉLEZ, A.; GARCÍA, J.; ALCALÁ, J.; YEPES, V. (2024). Enhancing Robustness in Precast Modular Frame Optimization: Integrating NSGA-II, NSGA-III, and RVEA for Sustainable Infrastructure. Mathematics, 12(10):1478. DOI:10.3390/math12101478

Os paso el artículo para su descarga, pues se ha publicado en abierto:

Pincha aquí para descargar

Optimización de los costes de fabricación de vigas híbridas de chapa de acero soldadas

Acaban de publicarnos un artículo en la revista Advances in Civil Engineering (revista indexada en el JCR) donde se optimizan las vigas de acero híbridas para minimizar los costos de fabricación. El estudio se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El objetivo del artículo es optimizar las vigas de acero híbridas transversal-longitudinalmente (TLH) para minimizar los costos de fabricación, basándose en investigaciones anteriores sobre vigas híbridas transversalmente. Explora la ubicación de los puntos de transición en las vigas TLH para maximizar las ventajas de la configuración mecánica, y ofrece recomendaciones para establecer transiciones y configuraciones de acero en función de los niveles de tensión y las longitudes de los elementos.

La metodología implica definir estudios de casos, modelar estructuras híbridas transversales y longitudinalmente, formular un problema de optimización para explorar las configuraciones de TLH y establecer restricciones de diseño. El estudio utiliza técnicas de optimización para determinar el número y las posiciones óptimos de los puntos de transición a lo largo del elemento, así como las configuraciones de los materiales para los diferentes tramos de vigas TLH.

Las conclusiones más importantes de este trabajo son las siguientes:

El estudio muestra los beneficios económicos de las vigas de acero híbridas transversal-longitudinalmente (TLH) en comparación con los diseños homogéneos tradicionales y optimizados, y muestra una reducción de costos de fabricación de más del 50%.
Se ha descubierto que las configuraciones TLH son más eficaces para elementos de mayor envergadura, con recomendaciones específicas para los puntos de transición y las configuraciones de materiales en función de los niveles de tensión.
La metodología propuesta ofrece un enfoque de diseño sostenible al optimizar los elementos del TLH para mejorar los índices económicos y las consideraciones ambientales, lo que allana el camino para futuras investigaciones sobre el comportamiento estructural, el análisis conjunto y la implementación más amplia de criterios de sostenibilidad.

Abstract:

I-section girders with different types of steel in the flanges and web (fyf > fyw, respectively) are known as transverse hybrid girders. These have proven to be more economical than their homogeneous counterparts. However, the use of hybrid configurations in the longitudinal direction of the element has yet to be studied. This paper uses optimization techniques to explore the possibility of constructing transverse and longitudinally hybrid (TLH) steel girders. The optimization objective is to minimize the manufacturing cost, including seven activities besides the material cost. The geometrically double symmetric I-girder design subjected to a uniform transverse load is performed using Eurocode 3 specifications. Nine case studies are implemented, varying the element span (L) and the applied load. The results show that establishing various configurations along the length of the element is beneficial. The optimum number of transition points is six, meaning the girder will have four configurations, i.e., one central and three others symmetrically distributed toward each half of the element. The optimum position for the first transition would be at (L/2), the second at (L/2), and the third at (L/2). The optimum extreme configuration is usually homogeneous (fyf = fyw = 235 MPa). The others increase the steel quality in the plates, maintaining hybrid arrangements to reach the central one that usually remains with S700 steel for the flanges and S355 for the web. The study shows that TLH configurations are more effective for elements with larger spans. By applying the formulated design recommendations in a different case study, the manufacturing cost dropped by over 50% compared to the traditionally designed element and by more than 10% relative to the optimized element with a homogeneous configuration. The study’s limitations and encouraging results suggest future lines of research in this area.

Reference:

NEGRÍN, I.; KRIPKA, M.; YEPES, V. (2024). Optimized Transverse-Longitudinal Hybrid Construction for Sustainable Design of Welded Steel Plate Girders. Advances in Civil Engineering, 2024:5561712. DOI:10.1155/2024/5561712.

Como la publicación está en abierto, os la dejo para su descarga.

Pincha aquí para descargar

Toma de decisiones sobre infraestructuras viarias sostenibles: NSGA-II con operadores de reparación para optimización multiobjetivo

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. El trabajo trata sobre la toma de decisiones en infraestructuras viales sostenibles. Para ello se utiliza una variante personalizada de la técnica NSGA-II con operadores de reparación para una optimización multiobjetivo. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El documento propone un enfoque novedoso que combina la optimización multiobjetivo (MOO) con técnicas de toma de decisiones basadas en criterios múltiples (MCDM) para el diseño y la selección de estructuras modulares prefabricadas de hormigón armado (RCPMF) en infraestructuras viales, con un enfoque en la sostenibilidad. El estudio evalúa la eficacia de tres operadores de reparación a la hora de optimizar los objetivos económicos, ambientales y sociales, y utiliza algoritmos personalizados y un análisis del ciclo de vida (LCA) para una evaluación precisa. Los resultados muestran que el operador de reparaciones basado en estadísticas ofrece soluciones con un menor impacto en todas las dimensiones y demuestra una variabilidad mínima, lo que lo convierte en el más adecuado para cumplir con los requisitos de diseño del RCPMF.

Las contribuciones más importantes de este trabajo son las siguientes:

El documento presenta un enfoque novedoso que combina la optimización multiobjetivo (MOO) con técnicas de toma de decisiones basadas en criterios múltiples (MCDM) para el diseño y la selección de estructuras modulares prefabricadas de hormigón armado (RCPMF) en infraestructuras viales, con un enfoque en la sostenibilidad.
El estudio evalúa la eficacia de tres operadores de reparación (basados en estadísticas, aleatorios y de proximidad) a la hora de optimizar los objetivos económicos, ambientales y sociales.
El artículo presenta una versión personalizada del algoritmo NSGA-II (NSGA-II) de clasificación no dominada, complementada con un análisis detallado del ciclo de vida (LCA), para facilitar la evaluación precisa de las funciones objetivas.
El artículo demuestra el uso de dos técnicas de MCDM, a saber, la ponderación aditiva simple (SAW) y (FUCA), para puntuar y clasificar las soluciones MOO.
La investigación proporciona una estrategia clara y metódica para integrar el MOO y el MCDM, formando un marco coherente para la implementación práctica en contextos de ingeniería complejos.
El estudio destaca la importancia de tener en cuenta los principios de sostenibilidad desde la fase de diseño y de emplear las técnicas de MOO para encontrar soluciones equilibradas y óptimas en la ingeniería civil.

Abstract:

Integrating sustainability principles into the structural design and decision-making processes for transportation infrastructure, particularly concerning reinforced concrete precast modular frames (RCPMF), is recognized as crucial for ensuring environmentally responsible, economically feasible, and socially beneficial outcomes. In this study, this challenge is addressed, with the significance of sustainable development in modern engineering practices being underscored. A novel approach, which combines multi-objective optimization (MOO) with multi-criteria decision-making (MCDM) techniques, is proposed, tailored specifically for the design and selection of RCPMF. The effectiveness of three repair operators—statistical-based, random, and proximity based—in optimizing economic, environmental, and social objectives is evaluated. Precise evaluation of objective functions is facilitated by a customized Non-dominated Sorting Genetic Algorithm II (NSGA-II) algorithm, complemented by a detailed life cycle analysis (LCA). The utilization of simple additive weighting (SAW) and fair un choix adéquat (FUCA) methods for the scoring and ranking of the MOO solutions has revealed that notable excellence in meeting the RCPMF design requirements is exhibited by the statistical-based repair operator, which offers solutions with lower impacts across all dimensions and demonstrates minimal variability. MCDM techniques produced similar rankings, with slight score variations and a significant correlation of 0.9816, showcasing their consistent evaluation capacity despite distinct operational methodologies.

Keywords:

Multi-objective optimization; multi-criteria decision-making; modular structure; life cycle sustainability; NSGA-II; simple additive weighting; fair un choix adéquat.

Reference:

RUIZ-VÉLEZ, A.; GARCÍA, J.; ALCALÁ, J.; YEPES, V. (2024). Sustainable Road Infrastructure Decision-Making: Custom NSGA-II with Repair Operators for Multi-objective Optimization. Mathematics, 12(5):730. DOI:10.3390/math12050730

Os paso el artículo para su descarga, pues se ha publicado en abierto:

Pincha aquí para descargar

Optimización estructural asistida por metamodelos: Aplicaciones

Figura 1. Conceptos relacionados con el uso de metamodelos, (a) relación entre precisión y coste computacional para diferentes enfoques de la modelación (adaptado de Roman et al. (2020)) y (b) descripción genérica de un metamodelo como una función de caja negra (adaptado de Texeira et al. (2020)).

Dentro del XIII Coloquio de Análisis, Diseño y Monitoreo Estructural de la IV Convención Científica Internacional UCLV 2023, se presentó una ponencia sobre las aplicaciones de la optimización estructural asistida por metamodelos. Os paso a continuación la ponencia, por si os resulta de interés.

Resumen:

Debido al creciente interés por mejorar la sostenibilidad del sector de las construcciones, la optimización del diseño estructural ha venido cobrando auge en los últimos tiempos. Una de las desventajas de estos procedimientos es el enorme consumo computaciones que requieren. Sin embargo, la optimización asistida por metamodelos (MASDO por sus siglas en inglés) es una variante muy útil, ya que permite acortar considerablemente los tiempos de cómputo manteniendo la precisión en los resultados de la optimización. En este trabajo se exponen las estrategias de MASDO más utilizadas en el ámbito de la ingeniería estructural, así como algunas aplicaciones prácticas.

Pincha aquí para descargar

Revisión de estado del conocimiento en infraestructuras hídricas usando técnicas de aprendizaje automático

Acabamos de recibir la noticia de la publicación de nuestro artículo en la revista Applied Sciences, la cual está indexada en el JCR. Este estudio explora las diversas aplicaciones del aprendizaje automático (Machine Learning, ML) en relación con la integridad y calidad de las infraestructuras hidráulicas, identificando cuatro áreas clave donde se ha implementado con éxito. Estas áreas abarcan desde la detección de contaminantes en el agua y la erosión del suelo, hasta la predicción de niveles hídricos, la identificación de fugas en redes de agua y la evaluación de la calidad y potabilidad del agua.

Cabe destacar que esta investigación se llevó a cabo en el marco de una colaboración fructífera entre nuestro grupo de investigación e investigadores chilenos, liderados por el profesor José Antonio García Conejeros. El proyecto en sí, denominado HYDELIFE, forma parte de las iniciativas que superviso como investigador principal en la Universitat Politècnica de València.

Se realizó un análisis bibliográfico de artículos científicos a partir de 2015, que arrojó un total de 1087 artículos, para explorar las aplicaciones de las técnicas de aprendizaje automático en la integridad y la calidad de la infraestructura hídrica. Entre las contribuciones realizadas por el trabajo, caben destacar las siguientes:

Se identificaron cuatro áreas clave en las que el aprendizaje automático se ha aplicado a la gestión del agua: los avances en la detección de contaminantes del agua y la erosión del suelo, la previsión de los niveles del agua, las técnicas avanzadas para la detección de fugas en las redes de agua y la evaluación de la calidad y potabilidad del agua.
Destacó el potencial de las técnicas de aprendizaje automático (Random Forest, Support Vector Regresion, Convolutional Neural Networks y Gradient Boosting) combinadas con sistemas de monitoreo de vanguardia en múltiples aspectos de la infraestructura y la calidad del agua.
Proporcionó información sobre el impacto transformador del aprendizaje automático en la infraestructura hídrica y sugirió caminos prometedores para continuar con la investigación.
Empleó un enfoque semiautomático para realizar análisis bibliográficos, aprovechando las representaciones codificadas bidireccionales de Transformers (BERTopic), para abordar las limitaciones y garantizar una representación precisa de los documentos.
Las técnicas de aprendizaje automático ofrecen una alta precisión, un tiempo de procesamiento reducido y datos valiosos para la toma de decisiones en materia de gestión sostenible de los recursos y sistemas de alerta temprana.
La colaboración interdisciplinaria, los marcos integrados y las tecnologías avanzadas, como la teledetección y la IoT, son esenciales para avanzar en la investigación sobre la integridad y la calidad de la infraestructura hídrica.

Abstract:

Water infrastructure integrity, quality, and distribution are fundamental for public health, environmental sustainability, economic development, and climate change resilience. Ensuring the robustness and quality of water infrastructure is pivotal for sectors like agriculture, industry, and energy production. Machine learning (ML) offers the potential for bolstering water infrastructure integrity and quality by analyzing extensive data from sensors and other sources, optimizing treatment protocols, minimizing water losses, and improving distribution methods. This study delves into ML applications in water infrastructure integrity and quality by analyzing English-language articles from 2015 onward, compiling 1087 articles. A natural language processing approach centered on topic modeling was initially adopted to classify salient topics. From each identified topic, key terms were extracted and utilized in a semi-automatic selection process, pinpointing the most relevant articles for further scrutiny. At the same time, unsupervised ML algorithms can assist in extracting themes from the documents, generating meaningful topics often requires intricate hyperparameter adjustments. Leveraging the Bidirectional Encoder Representations from Transformers (BERTopic) enhanced the study’s contextual comprehension in topic modeling. This semi-automatic methodology for bibliographic exploration begins with broad categorizing topics, advancing to an exhaustive analysis. The insights drawn underscore ML’s instrumental role in enhancing water infrastructure’s integrity and quality, suggesting promising future research directions. Specifically, the study has identified four key areas where ML has been applied to water management: (1) advancements in the detection of water contaminants and soil erosion; (2) forecasting of water levels; (3) advanced techniques for leak detection in water networks; and (4) evaluation of water quality and potability. These findings underscore the transformative impact of ML on water infrastructure and suggest promising paths for continued investigation.

Keywords:

Water infrastructure integrity; machine learning; environmental sustainability; natural language processing; BERTopic

Reference:

Pincha aquí para descargar