Optimización de puentes mixtos mediante algoritmos de inteligencia de enjambre

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

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

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

Highlights

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

Abstract

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

Keywords

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

Reference:

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

 

Algoritmo híbrido de búsqueda del cuco para optimizar muros de contrafuertes

Acaban de publicarnos un artículo en la revista Mathematics,  revista indexada en el primer cuartil del JCR. En este artículo se presenta un algoritmo híbrido de búsqueda del cuco y de clasificación no supervisada para optimizar el coste y las emisiones de CO2 de un muro de contrafuertes. El trabajo se enmarca dentro del proyecto de investigación DIMALIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La Búsqueda Cuco se basa en la estrategia de reproducción de algunas especies de pájaros cucos. Éstos pájaros dejan sus huevos en los nidos de otros pájaros de otras especies para que éstas los críen, expulsando incluso los huevos del nido invadido. Si el pájaro anfitrión se percata que el huevo no es el propio, lo sacará del nido o directamente lo abandonará y construirá otro nido.

Por su parte, K-means es un algoritmo de clasificación no supervisada (clusterización) que agrupa objetos en k grupos basándose en sus características. El agrupamiento se realiza minimizando la suma de distancias entre cada objeto y el centroide de su grupo o cluster.

En este artículo se propone un algoritmo híbrido, en el que la metaheurística de búsqueda del cuco se utiliza como mecanismo de optimización en espacios continuos y la técnica de aprendizaje no supervisada k-means para discretizar las soluciones. Se diseña un operador aleatorio para determinar la contribución del operador k-means en el proceso de optimización. Se comparan los mejores valores, los promedios y los rangos intercuartiles de las distribuciones obtenidas. Los resultados muestran que el operador k-means contribuye significativamente a la calidad de las soluciones y que nuestro algoritmo es altamente competitivo.

Abstract

The counterfort retaining wall is one of the most frequent structures used in civil engineering. In this structure, optimization of cost and CO2 emissions are important. The first is relevant in the competitiveness and efficiency of the company, the second in environmental impact. From the point of view of computational complexity, the problem is challenging due to the large number of possible combinations in the solution space. In this article, a k-means cuckoo search hybrid algorithm is proposed where the cuckoo search metaheuristic is used as an optimization mechanism in continuous spaces and the unsupervised k-means learning technique to discretize the solutions. A random operator is designed to determine the contribution of the k-means operator in the optimization process. The best values, the averages, and the interquartile ranges of the obtained distributions are compared. The hybrid algorithm was later compared to a version of harmony search that also solved the problem. The results show that the k-mean operator contributes significantly to the quality of the solutions and that our algorithm is highly competitive, surpassing the results obtained by harmony search.

Keywords

CO2emission; earth-retaining walls; optimization; k-means; cuckoo search

Referencia:

GARCÍA, J.; YEPES, V.; MARTÍ, J.V. (2020). A hybrid k-means cuckoo search algorithm applied to the counterfort retaining walls problem. Mathematics,  8(4), 555. DOI:10.3390/math8040555

Descargar (PDF, 1.24MB)