Con motivo de mi visita a la Pontificia Universidad Católica de Valparaíso (Chile), me hicieron una entrevista sobre el trabajo realizado por nuestro grupo de investigación en la Universitat Politècnica de València.
Desde mi blog agradezco tanto a la Escuela de Ingeniería en Construcción, como a la Escuela de Ingeniería Informática la invitación realizada, y en especial al profesor Matías Andrés Valenzuela Saavedra. Os paso a continuación un resumen de dicha entrevista y el reportaje fotográfico.
NOTICIAS
INVESTIGADOR DE LA UNIVERSITAT POLITÈCNICA DE VALÈNCIA REALIZA CONFERENCIA SOBRE OPTIMIZACIÓN Y TOMA DE DECISIONES EN PUENTES E INFRAESTRUCTURAS VIARIAS
27/05/2019
Víctor Yepes Piqueras es Doctor Ingeniero de Caminos, Canales y Puertos; catedrático de Universidad en el área de Ingeniería de la Construcción, y fue invitado por las Escuelas de Ingeniería Informática e Ingeniería en Construcción a dictar estas conferencias.
Tanto en Valparaíso, como en Santiago, el ingeniero Dr. Víctor Yepes fue invitado a dictar la Charla “Diseño y mantenimiento óptimo robusto y basado en fiabilidad de puentes e infraestructuras viarias de alta eficiencia social y medioambiental bajo presupuestos restrictivos”.
La primera actividad se llevó a cabo el miércoles 22 en el Aula Mayor del Edificio IBC de la Facultad de Ingeniería, mientras que en Santiago se efectuó el jueves 23 en el Centro de Estudios Avanzados y Extensión PUCV, asistiendo en ambas jornadas, un gran número de participantes, entre quienes se encontraban estudiantes, profesionales de la industria, académicos e investigadores.
“Gracias a la invitación de la PUCV, he tenido la oportunidad para venir a mostrar y explicar las líneas de investigación que en la Universitat Politècnica de València, en particular, desde la Escuela de Ingeniería de Caminos, Canales y Puertos, estamos haciendo en lo que se refiere a la optimización de infraestructuras, específicamente, de puentes”, refiere el Dr. Yepes en relación con su visita.
Durante sus conferencias, el académico centró sus presentaciones en la investigación que lleva realizando por más de 10 años, y cuyo objetivo es apoyar a las administraciones públicas, y sobre todo, a los profesionales que se dedican al diseño de puentes y este tipo de infraestructura, para que sean capaces de acertar en las decisiones que tienen que tomar a la hora del diseño.
“No estamos hablando solo de hacer puentes o carreteras más económicas, sino también que estas supongan un mínimo impacto ambiental y que, además, supongan un impacto social favorable, lo cual es algo que no se ha estudiado mucho hasta ahora y que creo que es una de las novedades que estamos aportando al mundo de la investigación”, señaló sobre la materia.
Por otra parte, señaló la importancia que reviste difundir estas líneas de investigación, puesto “es muy posible que existan líneas conjuntas de colaboración, y podamos aunar las cosas que estamos haciendo nosotros desde España, con otras que desde luego son muy importantes, y están desarrollando en esta Universidad”.
Además de dichas conferencias, el Dr. Yepes complementó su visita con una agenda de reuniones con académicos de la PUCV, profesionales y representantes del Ministerio de Obras Públicas.
Los que sois seguidores habituales de mi blog conocéis mis artículos y trabajos de investigación en optimización heurística. Esta aventura, además de ser gratificante, te permite conocer gente de gran talento y colegas en el ámbito internacional. Y, a veces, nos juntamos y escribimos alguna cosa conjunta, como es el caso de esta recopilación de artículos sobre el uso de técnicas de optimización en el ámbito de la ingeniería civil. Esta recopilación sirve de muestra de las posibilidades de la optimización y también puede aportar referencias de interés a aquellos que estén iniciándose en estos temas. Os dejo este artículo en abierto que acabamos de publicar en abierto.
Referencia:
DEDE, T.; KRIPKA, M.; TOGAN, V.; YEPES, V:, VENKATA RAO, R. (2019). Usage of optimization techniques civil engineering during the last two decades. Current Trends in Civil & Structural Engineering, 2(1): 1-17.
Acaban de publicarnos un artículo en la revista Journal of Cleaner Production, revista de ELSEVIER indexada en el primer decil del JCR. Se trata de un artículo de revisión del estado del arte donde se analizan 52 artículos científicos relacionados con el consumo energético en ferrocarriles. Se analizan dos áreas principales: las técnicas de modelización utilizadas para simular el movimiento de los trenes y el consumo de energía, y los métodos de optimización utilizados para conseguir una circulación ferroviaria más eficiente. Se describen brevemente los métodos más utilizados en cada caso y se analizan las principales tendencias encontradas. Además, se ha realizado un estudio estadístico para reconocer las relaciones entre los métodos y las variables de optimización. Se encontró que los modelos determinísticos basados en la ecuación de Davis son, con diferencia (85% de los trabajos revisados), los más comunes en términos de modelización. En cuanto a la optimización, los métodos meta-heurísticos son la opción preferida (57,8%), en particular los Algoritmos Genéticos. Este artículo forma parte de nuestra línea de investigación BRIDLIFE en la que se pretenden optimizar las infraestructuras atendiendo no sólo a su coste, sino al impacto ambiental y social que generan a lo largo de su ciclo de vida.
Railways are a rather efficient transport mean, and yet there is increasing interest in reducing their energy consumption and making them more sustainable in the current context of climate change. Many studies try to model, analyse and optimise the energy consumed by railways, and there is a wide diversity of methods, techniques and approaches regarding how to formulate and solve this problem. This paper aims to provide insight into this topic by reviewing up to 52 papers related to railways energy consumption. Two main areas are analysed: modelling techniques used to simulate train(s) movement and energy consumption, and optimisation methods used to achieve more efficient train circulations in railway networks. The most used methods in each case are briefly described and the main trends found are analysed. Furthermore, a statistical study has been carried out to recognise relationships between methods and optimisation variables. It was found that deterministic models based on the Davis equation are by far (85% of the papers reviewed) the most common in terms of modelling. As for optimisation, meta-heuristic methods are the preferred choice (57.8%), particularly Genetic Algorithms.
Keywords:
Railways
Energy efficiency
Modelling
Optimisation
Meta-heuristics
Reference:
MARTÍNEZ-FERNÁNDEZ, P.; VILLALBA-SANCHÍS, I.; INSA-FRANCO, R.; YEPES, V. (2019). A review of modelling and optimisation methods applied to railways energy consumption.Journal of Cleaner Production, 222:153-162. DOI:10.1016/j.jclepro.2019.03.037
El trabajo se centra en optimizar los costes de pilas rectangulares huecas de viaductos pretensados mediante métodos heurísticos y metaheurísticos, demostrando su efectividad. La evaluación de cada una de las soluciones se lleva a cabo mediante un módulo de comprobación según la instrucción EHE y Eurocódigo 2. El cálculo de esfuerzos se realiza aplicando las cargas de la IAP-98 y la comprobación frente a inestabilidad se hace por el método de Arenas y Villegas. Los métodos heurísticos utilizados son la búsqueda de aceptación por umbrales y las colonias de hormigas. Todos los métodos de búsqueda han sido aplicados a una pila tipo de 23.97 m de altura. Se concluye que la colonia de hormigas es la metaheurística más eficiente de las 4 comparadas.
Es un honor haber dirigido la tesis doctoral de Tatiana García Segura “Efficient design of post-tensioned concrete box-girder road bridges based on sustainable multi-objective criteria”. Esta joven doctora ingeniera de caminos acaba de recibir el Premio Internacional al mejor investigador joven del mundo en el ámbito del análisis de estructuras e infraestructuras a lo largo de su ciclo de vida. Se trata del Junior Award IALCCE 2018, que premia al mejor investigador, con una edad menor a 42 años. Es la primera vez que un español gana este galardón, lo cual es un hito para la Escuela de Ingenieros de Caminos de Valencia y para la Universitat Politècnica de València.
Tatiana, que fue becaria FPI del proyecto de investigación HORSOST e investigadora del ICITECH, ya ganó el primer premio Cemex en sostenibilidad por su trabajo fin de máster “Métricas para el diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo”Máster Universitario en Ingeniería del Hormigón, desarrollado dentro del . En este momento, es profesora ayudante doctor en el Departamento de Ingeniería de la Construcción y Proyectos de Ingeniería Civil, e investigadora en los proyectos BRIDLIFE y DIMALIFE. Un futuro muy brillante para esta joven investigadora y profesora.
En la fotografía, de izquierda a derecha, Tatiana García Segura, Dan M. Frangopol y Víctor Yepes
A continuación os dejo un listado de los artículos científicos indexados en revistas de fuerte impacto del JCR donde ha participado Tatiana hasta este momento.
Referencias:
GARCÍA-SEGURA, T.; PENADÉS-PLÀ, V.; YEPES, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty. Journal of Cleaner Production, 202:904-915. https://doi.org/10.1016/j.jclepro.2018.08.177
PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2018). An optimization-LCA of a prestressed concrete precast bridge.Sustainability, 10(3):685. doi:10.3390/su10030685 (link)
SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140
PENADÉS-PLÀ, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2017). Life-cycle assessment: A comparison between two optimal post-tensioned concrete box-girder road bridges.Sustainability, 9(10):1864. Doi:10.3390/su9101864 (link)
GARCÍA-SEGURA, T.; YEPES, V.; FRANGOPOL, D.M. (2017). Multi-Objective Design of Post-Tensioned Concrete Road Bridges Using Artificial Neural Networks.Structural and Multidisciplinary Optimization, 56(1):139-150. doi:10.1007/s00158-017-1653-0
YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T.; GONZÁLEZ-VIDOSA, F. (2017). Heuristics in optimal detailed design of precast road bridges.Archives of Civil and Mechanical Engineering, 17(4):738-749. DOI: 10.1016/j.acme.2017.02.006
MOLINA-MORENO, F.; GARCÍA-SEGURA; MARTÍ, J.V.; YEPES, V. (2017). Optimization of Buttressed Earth-Retaining Walls using Hybrid Harmony Search Algorithms.Engineering Structures, 134:205-216. DOI: 10.1016/j.engstruct.2016.12.042
ZASTROW, P.; MOLINA-MORENO, F.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2017). Life cycle assessment of cost-optimized buttress earth-retaining walls: a parametric study.Journal of Cleaner Production, 140:1037-1048. DOI: 10.1016/j.jclepro.2016.10.085
PENADÉS-PLÀ, V.; GARCÍA-SEGURA, T.; MARTÍ, J.V.; YEPES, V. (2016). A review of multi-criteria decision making methods applied to the sustainable bridge design.Sustainability, 8(12):1295. DOI:10.3390/su8121295
GARCÍA-SEGURA, T.; YEPES, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety.Engineering Structures, 125:325-336. DOI: 10.1016/j.engstruct.2016.07.012.
MARTÍ, J.V.; GARCÍA-SEGURA, T.; YEPES, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy.Journal of Cleaner Production, 120:231-240. DOI: 10.1016/j.jclepro.2016.02.024
GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J.; PÉREZ-LÓPEZ, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges.Engineering Structures, 92:112-122. DOI: 10.1016/j.engstruct.2015.03.015 (link)
YEPES, V.; GARCÍA-SEGURA, T.; MORENO-JIMÉNEZ, J.M. (2015). A cognitive approach for the multi-objective optimization of RC structural problems.Archives of Civil and Mechanical Engineering, 15(4):1024-1036. doi:10.1016/j.acme.2015.05.001
YEPES, V.; MARTÍ, J.V.; GARCÍA-SEGURA, T. (2015). Cost and CO2 emission optimization of precast-prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm.Automation in Construction, 49:123-134. DOI: 10.1016/j.autcon.2014.10.013 (link)
GARCÍA-SEGURA, T.; YEPES, V.; MARTÍ, J.V.; ALCALÁ, J. (2014). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7):1190 – 1205. ISSN: 1679-7817. (link)
GARCÍA-SEGURA, T.; YEPES, V.; ALCALÁ, J. (2014). Life-cycle greenhouse gas emissions of blended cement concrete including carbonation and durability.International Journal of Life Cycle Assessment, 19(1):3-12. DOI 10.1007/s11367-013-0614-0 (link)(descargar versión autor)
Nos acaban de publicar en la revista de Elsevier del primer decil, Journal of Cleaner Production, un artículo donde se propone una nueva metodología en la toma de decisiones del diseño óptimo de un puente bajo criterios de sostenibilidad y bajo incertidumbre. Este artículo forma parte de nuestra línea de investigación BRIDLIFE en la que se pretenden optimizar estructuras atendiendo no sólo a su coste, sino al impacto ambiental y social que generan a lo largo de su ciclo de vida.
Abstract:
Today, bridge design seeks not only to minimize cost but also to minimize adverse environmental and social impacts. This multi-criteria decision-making problem is subject to variability of stakeholders’ opinions regarding the importance of criteria for sustainability. As a result, this paper proposes a method for designing and selecting optimally sustainable bridges under the uncertainty of criteria comparison. A Pareto set of solutions is obtained using a metamodel-assisted multi-objective optimization. A new decision-making technique introduces the uncertainty of the decision-makers preference through triangular distributions and thereby ranks the sustainable bridge designs. The method is illustrated by a case study of a three-span post-tensioned concrete box-girder bridge designed according to the embodied energy, overall safety, and corrosion initiation time. In this case, 211 efficient solutions are reduced to two preferred solutions with a probability of being selected of 81.6% and 18.4%. In addition, a sensitivity analysis validates the influence of the uncertainty regarding the decision-making. The approach proposed allows actors involved in the bridge design and decision-making to determine the best sustainable design by finding the probability of a given design being chosen.
Keywords:
Sustainable criteria
Uncertainty
Decision-making
Multi-objective optimization
Energy efficiency
Reference:
GARCÍA-SEGURA, T.; PENADÉS-PLÀ, V.; YEPES, V. (2018). Sustainable bridge design by metamodel-assisted multi-objective optimization and decision-making under uncertainty. Journal of Cleaner Production, 202:904-915. https://doi.org/10.1016/j.jclepro.2018.08.177
Os dejo a continuación, en abierto, un estudio paramétrico que hemos realizado sobre pasarelas de hormigón postesado de sección en cajón. Espero que os sea de interés.
Referencia:
YEPES, V.; PÉREZ-LÓPEZ, E.; ALCALÁ, J.; GARCÍA-SEGURA, T. (2018). Parametric study of concrete box-girder footbridges.Journal of Construction Engineering, Management & Innovation, 1(2):67-74. doi:10.31462/jcemi.2018.01067074
ABSTRACT:
This paper presents a study of the parametric variability of post-tensioned concrete box-girder pedestrian bridges. SAMO2 algorithm is used for the parametric study. This algorithm combines SA with a mutation operator, to find the economic solutions. A span-length parametric study analyzes the characteristics for the best design of a three-span deck in which the main span ranges from 30 to 60 m. The depth and the number of strands were adjusted according to span length, while the thickness of the slabs presented the same optimum values in all cases. Results show that the amount of steel and volume of concrete per square meter of deck shows a good correlation with the main span length. This study demonstrates that by increasing the main span length by one meter, the total cost per square meter of the deck increases by 6.38 euros on average. Thus, this paper shows the relationship between the span length and geometrical and steel variables to produce and build a cost-efficient pedestrian bridge.
Acaban de publicarnos en la revista Technologies un artículo que aplica el algoritmo de recocido simulado a la optimización del coste y de la energía empleada en un puente losa postesado con tablero aligerado. Se resuelve un problema complejo de optimización de 33 variables de diseño. Como resultados interesantes cabe señalar que, en ocasiones, las soluciones de menor coste no son necesariamente las que menos energía consumen. El artículo se ha publicado en abierto y se puede descargar en la web. Aquí tenéis la referencia y el artículo completo.
Referencia:
ALCALÁ, J.; GONZÁLEZ-VIDOSA, YEPES, V.; MARTÍ, J.V. (2018). Embodied energy optimization of prestressed concrete slab bridge decks.Technologies, 6(2):43. doi:10.3390/technologies6020043 (link)
By World-Telegram staff photographer [Public domain], via Wikimedia Commons
Investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) han elaborado un algoritmo, basado en la armonía musical del jazz, que determina qué inversión es más adecuada
La metodología ya se ha aplicado en El Salvador, donde ha permitido priorizar las inversiones en carreteras
Las administraciones públicas se enfrentan continuamente con problemas de gran calado social cuando tienen que invertir grandes sumas de dinero en infraestructuras clave, como puede ser una carretera, un hospital o una universidad.
Ahora, un equipo de investigadores de la Universitat Politècnica de València y de la Universidad de La Frontera (Chile) ha desarrollado un novedoso estudio que demuestra que el jazz puede ayudarles a decidir en qué infraestructuras es mejor invertir el dinero, para favorecer así la calidad de vida de los ciudadanos. Su trabajo ha sido publicado en el Journal of Cleaner Production.
La metodología diseñada por el equipo de científicos españoles y chilenos se basa en la inteligencia subyacente en la armonía musical del jazz. “La armonía nos ha servido de inspiración para elaborar un algoritmo que es capaz de determinar el impacto de una determinada decisión –invertir en un aeropuerto o en una línea de AVE, por ejemplo – tanto a corto como a medio y largo plazo”, apunta Víctor Yepes, investigador del Instituto Universitario de Ciencia y Tecnología del Hormigón (ICITECH) de la Universitat Politècnica de València.
Según explica el profesor Yepes, el algoritmo de búsqueda armónica (harmony search, en inglés) se basa en el proceso de la improvisación musical. “No todo el mundo posee habilidad para improvisar música, pues es un proceso que requiere experiencia y conocimiento previo de las armonías. Por ejemplo, en el jazz, el músico compone una nueva melodía basándose en sus conocimientos musicales para seleccionar nuevas notas aleatoriamente. Si el conjunto de notas tocadas se consideran una buena armonía, esta se guarda en la memoria de cada músico, incrementando la posibilidad de hacer una buena armonía la próxima vez”, señala el investigador de la UPV.
El algoritmo desarrollado por los investigadores españoles y chilenos hace algo parecido. Cada melodía se define por un vector, al igual que cada infraestructura que debe ser elegida. Cada nueva iteración del algoritmo elige una melodía (infraestructura) parecida que, si es mejor, se añade al repertorio. “Al final del proceso, el algoritmo es capaz de definir una melodía (infraestructura) de calidad muy alta. Dicho de otro modo, la inteligencia del algoritmo permite ayudar a elegir la mejor infraestructura posible, considerando aspectos tan diversos como la empleabilidad, la educación, la sanidad, el confort o la calidad de vida”, apunta Víctor Yepes.
Más objetivo
El método permite minimizar los errores al decidir qué tipo de inversión es la más adecuada, haciendo más objetiva la decisión de las autoridades, al considerar no solo los efectos económicos y medioambientales, sino también los sociales, que son más difíciles de evaluar.
“Los factores económicos o medioambientales condicionan el tipo de decisión. Pero los efectos en la sociedad a corto y largo plazo pueden ser irreversibles. Muchos son los ejemplos de malas decisiones con graves repercusiones: aeropuertos infrautilizados, líneas de alta velocidad innecesarias, altas listas de espera en hospitales, altísimos porcentajes de paro, etc. Este método ayudaría a acabar con estas situaciones”, destaca Víctor Yepes.
El Salvador
La metodología se ha aplicado ya en El Salvador, donde ha permitido priorizar las inversiones en carreteras, maximizando los beneficios tanto a corto como a largo plazo. “La trascendencia del método desarrollado es su aplicabilidad a cualquier contexto y territorio, lo que permite mejorar las condiciones de vida de amplios sectores sociales con ayuda de la inteligencia subyacente en la música”, concluye Víctor Yepes.
Os dejo también una entrevista radiofónica en À Punt Ràdio:
Agradecimientos:
Luis Zurano, de la Unidad de Cultura Científica e Innovación de la Universitat Politècnica de València
Referencias:
SIERRA, L.A.; YEPES, V.; GARCÍA-SEGURA, T.; PELLICER, E. (2018). Bayesian network method for decision-making about the social sustainability of infrastructure projects. Journal of Cleaner Production, 176:521-534. https://doi.org/10.1016/j.jclepro.2017.12.140
Figura 1. Diseño tradicional de estructuras por prueba y error (Yepes, 2017)
El diseño de las estructuras se ha basado fundamentalmente en la experiencia del ingeniero proyectista. La topografía y las condiciones de tráfico, entre otros, determinan el diseño de un puente. A partir de ahí, las dimensiones de la sección transversal, el tipo de hormigón y la disposición general de las armaduras se definen atendiendo a la experiencia profesional y a las recomendaciones y criterios de diseño (Figura 1). A continuación, se ajustan el resto de variables, tras comprobar el cumplimiento de los estados límite último y de servicio. Si el proyectista quiere mejorar el diseño propuesto, normalmente se realiza un proceso de prueba y error, de forma que tras varios tanteos, se intenta reducir el consumo de materiales, y por tanto, el coste de la estructura. Frente a este planteamiento, los métodos heurísticos emplean técnicas basadas en la inteligencia artificial para seleccionar un diseño, analizar la estructura, controlar las restricciones y rediseñar la estructura modificando las variables hasta conseguir optimizar la función objetivo.
Cohn y Dinovitzer (1994) revisaron la investigación realizada en su momento en relación con la optimización de las estructuras y señalaron la brecha existente entre los estudios teóricos y la aplicación en problemas estructurales reales. Sarma y Adeli (1998) analizaron años más tarde los estudios relacionados con la optimización matemática de las estructuras, complementada más recientemente por Hare et al. (2013) que estudiaron la aplicación de los algoritmos heurísticos en la optimización estructural. Los algoritmos heurísticos difieren en cuanto a planteamiento y aplicabilidad de los métodos matemáticos exactos. De hecho, la optimización heurística resulta muy efectiva pues, aunque no garantiza la obtención del óptimo global del problema, proporciona soluciones casi óptimas en tiempos de cálculo razonables. Esta ventaja cobra importancia en la optimización de estructuras reales, donde el número de variables crece extraordinariamente de forma que desborda el tiempo de cálculo de los métodos exactos de optimización. Además, la programación matemática requiere el cálculo de gradientes de las restricciones, mientras que la optimización heurística incorpora las restricciones de diseño de una manera directa (Lagaros et al., 2006).
Las técnicas metaheurísticas utilizan estrategias de búsqueda para localizar óptimos locales en grandes espacios de soluciones de forma efectiva. Un ejemplo de ello son los Algoritmos Genéticos (Genetic Algorithms, GAs), que son procedimientos de búsqueda poblacionales inspirados en la evolución natural (Holland, 1975). Así, los GAs generan soluciones de alta calidad a través del cruce genético con otros individuos de una población y la mutación de algunas de sus características a lo largo de generaciones. Los padres suelen seleccionarse atendiendo a su aptitud (Coello, 1994) y los hijos mantienen ciertas características de sus padres. En cada generación sobreviven los hijos con mayores aptitudes. Además, para evitar la convergencia prematura del algoritmo, se utiliza un operador de mutación, al igual que ocurre en la Naturaleza, que cambia aleatoriamente de vez en cuando alguna de las características de las nuevas soluciones. Una variante a esta técnica son los Algoritmos Meméticos (Moscato, 1989), donde cada individuo de la nueva generación se mejora mediante una búsqueda local con el objetivo de mejorar los genes para que los padres obtengan mejores resultados en las siguientes generaciones. Esta técnica, por tanto, aplica los GAs a poblaciones de óptimos locales.
La inteligencia de enjambre (swarm intelligence) es una metaheurística poblacional empleada en los problemas de optimizacón. Estos algoritmos imitan el comportamiento colectivo de los sistemas descentralizados y auto-organizados, tales como algunas colonias de insectos, basándose en la interacción entre los vecinos, pero que siguen un patrón global. Los algoritmos de enjambre difieren en filosofía de los algoritmos genéticos porque utilizan la cooperación en lugar de la competencia (Dutta et al., 2011). Entre los algoritmos pertenecientes a este grupo, basados en el comportamiento biológico, destaca la optimización de colonias de hormigas (Ant Colony Optimization, ACO), la optimización de enjambre de partículas (Particle Swarm Optimization, PSO), las colonias de abejas artificiales (Artificial Bee Colony, ABC), la optimización en enjambres de luciérnagas (Glowworm Swarm Optimization, GSO), entre otros. ACO basa su estrategia en el comportamiento de las hormigas, que dejan un rastro de feromonas para encontrar alimento de forma efectiva (Colorni et al., 1991); PSO simula un sistema social simplificado (Kennedy y Eberhart, 1995); ABC imita el comportamiento alimentario forrajero de las abejas (Karaboga y Basturk, 2008); GSO imita un movimiento de las luciérnagas hacia los vecinos más brillantes (Krishnanand y Ghose, 2009).
Las metaheurísticas poblacionales presentan una amplia capacidad de búsqueda en paralelo y una fuerte robustez. Sin embargo, para mejorar la intensificación de la búsqueda, estos algoritmos suelen combinarse con otras heurísticas de búsqueda local. Esta hibridación consigue explotar la diversificación en la búsqueda poblacional con la intensificación de la búsqueda local. Luo y Zhang (2011) comprobaron que el algoritmo híbrido presenta una convergencia más rápida, una mayor precisión y es más efectivo en la optimización de problemas ingenieriles. Blum et al. (2011) estudiaron las ventajas de la hibridación de las metaheurísticas en el caso de la optimización combinatoria.
El recocido simulado (Simulated Annealing, SA), propuesto por Kirkpatrick et al. (1983), constituye uno de los algoritmos utilizados en la optimización estructural. Este algoritmo se basa en el fenómeno físico del proceso de recocido de los metales. La energía de un sistema termodinámico se compara con la función de coste evaluada para una solución de un problema de optimización combinatoria. En ambos casos se trata de evolucionar de un estado a otro de menor energía o coste. El acceso de un estado metaestable a otro se alcanza introduciendo “ruido” con un parámetro de control al que se denomina temperatura. Su reducción adecuada permite, con una elevada probabilidad, que un sistema termodinámico adquiera un mínimo global de energía. SA presenta la ventaja de admitir soluciones de peor calidad al principio de la búsqueda, lo cual permite eludir óptimos locales de baja calidad. La aceptación por umbrales (Threshold Accepting, TA), propuesto por Dueck y Scheuer (1990), tolera también opciones de peor calidad para eludir los óptimos locales. La diferencia entre SA y TA es que el criterio de aceptación de una solución peor es probabilista en el primer caso y determinista en el segundo. Los algoritmos genéticos se han hibridado con el recocido simulado en el diseño óptimo de puentes prefabricados de hormigón pretensado (Martí et al., 2013; Martí et al., 2016) y vigas en I de hormigón armado (RC) (Yepes et al., 2015a). Otras estrategias de hibridación también han demostrado su eficiencia con PSO (Shieh et al., 2011, Valdez et al., 2011, Wang et al., 2013) y ACO (Behnamian et al, 2009, Chen et al., 2012).
Qu et al. (2011) señalaron la lentitud en la convergencia de los algoritmos GSO; del mismo modo Zhang et al. (2010) apuntaron ciertas deficiencias de estos algoritmos en la búsqueda del óptimo global. Es por ello que se ha hibridado SA con GSO (García-Segura et al., 2014c, Yepes et al., 2015b) para combinar la diversificación de la búsqueda de GSO con la intensificación de la búsqueda de SA para encontrar de forma efectiva un óptimo de elevada calidad. García-Segura et al. (2014c) mostraron cómo un algoritmo híbrido de optimización de enjambre de luciérnagas (SAGSO) obtuvo resultados considerablemente mejores en cuanto a calidad y tiempo de cálculo. SAGSO superó al GSO en términos de eficiencia, precisión y convergencia. Sin embargo, se requiere una buena calibración para garantizar soluciones de alta calidad con un tiempo de cómputo corto.
La búsqueda de la armonía (Harmony Search, HS) constituye una heurística propuesta por Geem et al. (2001) inspirada en el jazz, donde se trata de armonizar u construir sucesiones de acordes razonables. Las notas, los instrumentos y la mejor armonía representan los valores, las variables y el óptimo global. Alberdi y Khandelwal (2015) compararon ACO, GA, HS, PSO, SA y TS en la optimización del diseño de marcos de acero, comprobando que los mejores resultados se obtenían con HS. La búsqueda de la armonía se ha utilizado para optimizar columnas rectangulares de hormigón armado (de Medeiros y Kripka, 2014), forjados compuestos (Kaveh y Shakouri Mahmud Abadi, 2010) y pórticos planos de hormigón armado (Akin y Saka, 2015). Alia y Mandava (2011) recogieron en su trabajo las variantes utilizadas para hibridar con HS. García-Segura et al. (2015) emplearon un algoritmo de búsqueda de la armonía hibridada con la aceptación por umbrales para encontrar diseños óptimos sostenibles de puentes peatonales de hormigón postesado.
La optimización de los puentes atrajo la atención de los ingenieros a partir de la década de los años 70, incluyendo los puentes viga de acero, (Wills, 1973), el refuerzo de los puentes losa (Barr et al., 1989), los puentes viga de hormigón pretensado (Aguilar et al., 1973, Lounis y Cohn, 1993), y los puentes en cajón postesados construidos “in situ” (Bond, 1975; Yu et al., 1986). Desde la aparición de la inteligencia artificial, se ha puesto mayor énfasis en el uso de técnicas de optimización heurística para optimizar las estructuras. Srinivas y Ramanjaneyulu (2007) usaron redes neuronales artificiales y algoritmos genéticos para optimizar el coste de un puente de vigas en T. Rana et al. (2013) propusieron una optimización evolutiva para minimizar el coste de una estructura de puente continuo de hormigón pretensado de dos tramos. Martí et al. (2013) implementaron un algoritmo de recocido simulado híbrido para encontrar las soluciones más económicas de puentes prefabricados de hormigón pretensado de vigas artes. El uso de refuerzos de fibra de acero en ese tipo de puente se estudió posteriormente con algoritmos meméticos (Martí et al., 2015). Se propusieron algoritmos genéticos para optimizar las cubiertas poliméricas reforzadas con fibras híbridas y los puentes atirantados (Cai y Aref, 2015).
También se han optimizado otro tipo de estructuras con algoritmos heurísticos, como los forjados prefabricados (de Albuquerque et al., 2012), columnas de hormigón armado (Park et al., 2013; Nigdeli et al., 2015), columnas de acero (Kripka y Chamberlain Pravia, 2013), marcos espaciales de acero (Degertekin et al., 2008), marcos de hormigón armado (Camp y Huq, 2013), pórticos de hormigón armado (Payá-Zaforteza et al., 2010), vigas en I de hormigón armado (García-Segura et al., 2014c; Yepes et al., 2015a), pórticos de carreteras (Perea et al., 2008), pilas altas de viaductos (Martínez et al., 2011; 2013), muros de contención (Gandomi et al., 2015; Pei y Xia, 2012; Yepes et al., 2008, 2012; Molina-Moreno et al., 2017a), zapatas de hormigón armado (Camp y Assadollahi, 2013; Camp y Huq, 2013), bóvedas de pasos inferiores en carreteras (Carbonell et al., 2011) y estribos de puentes (Luz et al., 2015).
Akin, A.; Saka, M.P. (2015). Harmony search algorithm based optimum detailed design of reinforced concrete plane frames subject to ACI 318-05 provisions. Computers & Structures, 147, 79–95.
Alberdi, R.; Khandelwal, K. (2015). Comparison of robustness of metaheuristic algorithms for steel frame optimization. Engineering Structures, 102, 40–60.
Alia, O.M.; Mandava, R. (2011). The variants of the harmony search algorithm: an overview. Artificial Intelligence Review, 36(1), 49–68.
Behnamian, J.; Zandieh, M.; Fatemi Ghomi, S.M.T. (2009). Parallel-machine scheduling problems with sequence-dependent setup times using an ACO, SA and VNS hybrid algorithm. Expert Systems with Applications, 36(6), 9637–9644.
Blum, C.; Puchinger, J.; Raidl, G.R.; Roli, A. (2011). Hybrid metaheuristics in combinatorial optimization: A survey. Applied Soft Computing, 11(6), 4135–4151.
Bond, D. (1975). An examination of the automated design of prestressed concrete bridge decks by computer. Proceedings of the Institution of Civil Engineers, 59(4), 669–697.
Cai, H.; Aref, A.J. (2015). A genetic algorithm-based multi-objective optimization for hybrid fiber reinforced polymeric deck and cable system of cable-stayed bridges. Structural and Multidisciplinary Optimization, 52(3), 583–594.
Camp, C.V.; Assadollahi, A. (2013). CO2 and cost optimization of reinforced concrete footings using a hybrid big bang-big crunch algorithm. Structural and Multidisciplinary Optimization, 48(2), 411–426.
Camp, C.V.; Huq, F. (2013). CO2 and cost optimization of reinforced concrete frames using a big bang-big crunch algorithm. Engineering Structures, 48, 363–372.
Carbonell, A.; González-Vidosa, F.; Yepes, V. (2011). Design of reinforced concrete road vaults by heuristic optimization. Advances in Engineering Software, 42(4), 151-159.
Chen, S.M.; Sarosh, A.; Dong, Y.F. (2012). Simulated annealing based artificial bee colony algorithm for global numerical optimization. Applied Mathematics and Computation, 219(8), 3575–3589.
Coello, C. (1994). Uso de Algoritmos Genéticos para el Diseño Óptimo de Armaduras. In Congreso Nacional de Informática “Herramientas Estratégicas para los Mercados Globales”, pp. 290–305. Fundación Arturo Rosenblueth, México, D.F.
Cohn, M.Z.; Dinovitzer, A.S. (1994). Application of Structural Optimization. Journal of Structural Engineering, 120(2), 617–650.
Colorni, A.; Dorigo, M.; Maniezzo, V. (1991). Distributed optimization by ant colonies. In Proceeding of ECALEuropean Conference on Artificial Life, pp. 134–142. Paris: Elsevier.
de Albuquerque, A.T.; El Debs, M.K.; Melo, A.M.C. (2012). A cost optimization-based design of precast concrete floors using genetic algorithms. Automation in Construction, 22, 348–356.
de Medeiros, G.F. Kripka, M. (2014). Optimization of reinforced concrete columns according to different environmental impact assessment parameters. Engineering Structures, 59, 185–194.
Degertekin, S.O.; Saka, M.P.; Hayalioglu, M.S. (2008). Optimal load and resistance factor design of geometrically nonlinear steel space frames via tabu search and genetic algorithm. Engineering Structures, 30(1), 197–205.
Dueck, G.; Scheuer, T. (1990). Threshold accepting: A general purpose optimization algorithm appearing superior to simulated annealing. Journal of Computational Physics, 90(1), 161–175.
Dutta, R.; Ganguli, R.; Mani, V. (2011). Swarm intelligence algorithms for integrated optimization of piezoelectric actuator and sensor placement and feedback gains. Smart Materials and Structures, 20(10), 105018.
Gandomi, A.H.; Kashani, A.R.; Roke, D.A.; Mousavi, M. (2015). Optimization of retaining wall design using recent swarm intelligence techniques. Engineering Structures, 103, 72–84.
García-Segura, T.; Yepes, V. (2016). Multiobjective optimization of post-tensioned concrete box-girder road bridges considering cost, CO2 emissions, and safety. Engineering Structures, 125, 325–336.
García-Segura, T.; Yepes, V.; Alcalá, J. (2014a). Life cycle greenhouse gas emissions of blended cement concrete including carbonation and durability. The International Journal of Life Cycle Assessment, 19(1), 3–12.
García-Segura, T.; Yepes, V.; Alcalá, J. (2014b). Sustainable design using multiobjective optimization of high-strength concrete I-beams. In The 2014 International Conference on High Performance and Optimum Design of Structures and Materials HPSM/OPTI (Vol. 137, pp. 347–358). Ostend, Belgium.
García-Segura, T.; Yepes, V.; Alcalá, J.; Pérez-López, E. (2015). Hybrid harmony search for sustainable design of post-tensioned concrete box-girder pedestrian bridges. Engineering Structures, 92, 112–122.
García-Segura, T.; Yepes, V.; Frangopol, D.M. (2017a). Multi-objective design of post-tensioned concrete road bridges using artificial neural networks. Structural and Multidisciplinary Optimization, 56(1):139-150.,
García-Segura, T.; Yepes, V.; Frangopol, D.M.; Yang, D. Y. (2017b). Lifetime reliability-based optimization of post-tensioned box-girder bridges. Engineering Structures, 145, 381-391.
García-Segura, T.; Yepes, V.; Martí, J.V.; Alcalá, J. (2014c). Optimization of concrete I-beams using a new hybrid glowworm swarm algorithm. Latin American Journal of Solids and Structures, 11(7), 1190–1205.
Geem, Z.W.; Kim, J.H.; Loganathan, G.V. (2001). A new heuristic optimization algorithm: Harmony search. Simulation, 76(2), 60–68.
Hare, W.; Nutini, J.; Tesfamariam, S. (2013). A survey of non-gradient optimization methods in structural engineering. Advances in Engineering Software, 59, 19–28.
Holland, J. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, USA.
Karaboga, D.; Basturk, B. (2008). On the performance of artificial bee colony (ABC) algorithm. Applied Soft Computing, 8(1), 687–697.
Kaveh, A.; Shakouri Mahmud Abadi, A. (2010). Cost optimization of a composite floor system using an improved harmony search algorithm. Journal of Constructional Steel Research, 66(5), 664–669.
Kennedy, J.; Eberhart, R. (1995). Particle swarm optimization. In Proceedings of ICNN’95 – International Conference on Neural Networks, Vol. 4, pp. 1942–1948. IEEE.
Kripka, M.; Chamberlain Pravia, Z.M. (2013). Cold-formed steel channel columns optimization with simulated annealing method. Structural Engineering and Mechanics, 48(3), 383–394.
Krishnanand, K.N.; Ghose, D. (2009). Glowworm swarm optimisation: a new method for optimising multi-modal functions. International Journal of Computational Intelligence Studies, 1(1), 93–119.
Lagaros, N.D.; Fragiadakis, M.; Papadrakakis; M.; Tsompanakis, Y. (2006). Structural optimization: A tool for evaluating seismic design procedures. Engineering Structures, 28(12), 1623–1633.
Luz, A.; Yepes, V.; González-Vidosa, F.; Martí, J.V. (2015). Diseño de estribos abiertos en puentes de carretera obtenidos mediante optimización híbrida de escalada estocástica. Informes de la Construcción, 67(540), e114.
Martí, J.V.; García-Segura, T.; Yepes, V. (2016). Structural design of precast-prestressed concrete U-beam road bridges based on embodied energy. Journal of Cleaner Production, 120, 231–240.
Martí, J.V.; González-Vidosa, F.; Yepes, V.; Alcalá, J. (2013). Design of prestressed concrete precast road bridges with hybrid simulated annealing. Engineering Structures, 48, 342–352.
Martí, J.V.; Yepes, V.; González-Vidosa, F. (2015). Memetic algorithm approach to designing precast-prestressed concrete road bridges with steel fiber reinforcement. Journal of Structural Engineering, 141(2), 04014114.
Martínez-Martín, F. J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2013). A parametric study of optimum tall piers for railway bridge viaducts. Structural Engineering and Mechanics, 45(6), 723–740.
Martínez-Martín, F.J.; González-Vidosa, F.; Hospitaler, A.; Yepes, V. (2012). Multi-objective optimization design of bridge piers with hybrid heuristic algorithms. Journal of Zhejiang University: Science A, 13(6), 420–432.
Molina-Moreno, F.; García-Segura, T.; Martí, J.V.; Yepes, V. (2017a). Optimization of Buttressed Earth-Retaining Walls using Hybrid Harmony Search Algorithms. Engineering Structures, 134, 205-216.
Molina-Moreno, F.; Martí, J.V.; Yepes, V. (2017b). Carbon embodied optimization for buttressed earth-retaining walls: implications for low-carbon conceptual designs. Journal of Cleaner Production, 164, 872-884.
Moscato, P. (1989). On evolution, search, optimization, genetic algorithms and martial arts: Towards memetic algorithms. Caltech Concurrent Computation Program (report 826). Caltech, Pasadena, California, USA.
Nigdeli, S.M.; Bekdas, G.; Kim, S.; Geem, Z. W. (2015). A novel harmony search based optimization of reinforced concrete biaxially loaded columns. Structural Engineering and Mechanics, 54(6), 1097–1109.
Park, H.; Kwon, B.; Shin, Y.; Kim, Y.; Hong, T.; Choi, S. (2013). Cost and CO2 emission optimization of steel reinforced concrete columns in high-rise buildings. Energies, 6(11), 5609–5624.
Payá, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2008). Multiobjective optimization of reinforced concrete building frames by simulated annealing. Computer-Aided Civil and Infrastructure Engineering, 23(8), 596–610.
Payá-Zaforteza, I.; Yepes, V.; González-Vidosa, F.; Hospitaler, A. (2010). On the Weibull cost estimation of building frames designed by simulated annealing. Meccanica, 45(5), 693–704.
Payá-Zaforteza, I.; Yepes, V.; Hospitaler, A.; González-Vidosa, F. (2009). CO2-optimization of reinforced concrete frames by simulated annealing. Engineering Structures, 31(7), 1501–1508.
Pei, Y.; Xia, Y. (2012). Design of Reinforced Cantilever Retaining Walls using Heuristic Optimization Algorithms. Procedia Earth and Planetary Science, 5, 32–36.
Qu, L.; He, D.; Wu, J. (2011). Hybrid Coevolutionary Glowworm Swarm Optimization Algorithm with Simplex Search Method for System of Nonlinear Equations. Journal of Information & Computational Science, 8(13), 2693– 2701.
Rana, S.; Islam, N.; Ahsan, R.; Ghani, S.N. (2013). Application of evolutionary operation to the minimum cost design of continuous prestressed concrete bridge structure. Engineering Structures, 46, 38–48.
Sarma, K.C.; Adeli, H. (1998). Cost optimization of concrete structures. Journal of Structural Engineering, 124(5), 570–578.
Shieh, H.L.; Kuo, C.C.; Chiang, C.M. (2011). Modified particle swarm optimization algorithm with simulated annealing behavior and its numerical verification. Applied Mathematics and Computation, 218(8), 4365–4383.
Srinivas, V.; Ramanjaneyulu, K. (2007). An integrated approach for optimum design of bridge decks using genetic algorithms and artificial neural networks. Advances in Engineering Software, 38(7), 475–487.
Valdez, F.; Melin, P.; Castillo, O. (2011). An improved evolutionary method with fuzzy logic for combining Particle Swarm Optimization and Genetic Algorithms. Applied Soft Computing, 11(2), 2625–2632.
Wang, E.; Shen, Z. (2013). A hybrid Data Quality Indicator and statistical method for improving uncertainty analysis in LCA of complex system – application to the whole-building embodied energy analysis. Journal of Cleaner Production, 43, 166–173.
Wills, J. (1973). A mathematical optimization procedure and its application to the design of bridge structures. Wokingham, Berkshire, United Kingdom.
Yepes, V.; Alcalá, J.; Perea, C.; González-Vidosa, F. (2008). A parametric study of optimum earth-retaining walls by simulated annealing. Engineering Structures, 30(3), 821–830.
Yepes, V.; Díaz, J.; González-Vidosa, F.; Alcalá, J. (2009). Caracterización estadística de tableros pretensados para carreteras. Revista de la Construcción, 8(2), 95-109.
Yepes, V.; García-Segura, T.; Moreno-Jiménez, J.M. (2015a). A cognitive approach for the multi-objective optimization of RC structural problems. Archives of Civil and Mechanical Engineering, 15(4), 1024–1036.
Yepes, V.; González-Vidosa, F.; Alcalá, J.; Villalba, P. (2012). CO2-optimization design of reinforced concrete retaining walls based on a VNS-threshold acceptance strategy. Journal of Computing in Civil Engineering, 26(3), 378–386.
Yepes, V.; Martí, J.V.; García-Segura, T. (2015b). Cost and CO2 emission optimization of precast–prestressed concrete U-beam road bridges by a hybrid glowworm swarm algorithm. Automation in Construction, 49, 123–134.
Yepes, V.; Martí, J.V.; García-Segura, T.; González-Vidosa, F. (2017). Heuristics in optimal detailed design of precast road bridges. Archives of Civil and Mechanical Engineering, 17(4), 738-749.
Yepes, V.; Torres-Machí, C.; Chamorro, A.; Pellicer, E. (2016). Optimal pavement maintenance programs based on a hybrid greedy randomized adaptive search procedure algorithm. Journal of Civil Engineering and Management, 22(4), 540-550.
Yepes, V. (2017). Trabajo de investigación. Concurso de Acceso al Cuerpo de Catedráticos de Universidad. Universitat Politècnica de València, 110 pp.
Yu, C.H.; Gupta, N.C. Das; Paul, H. (1986). Optimization of prestressed concrete bridge girders. Engineering Optimization, 10(1), 13–24.
Zhang, J.; Zhou, G.; Zhou, Y. (2010). A New Artificial Glowworm Swarm Optimization Algorithm Based on Chaos Method. In B. Cao, G. Wang, S. Chen, & S. Guo (Eds.), Quantitative Logic and Soft Computing 2010, Vol. 82, pp. 683–693. Berlin, Heidelberg: Springer Berlin Heidelberg.