Teoría de juegos aplicada a la optimización multiobjetivo de puentes mixtos

Acaban de publicar nuestro artículo en la revista del primer decil del JCR Mathematics. El artículo presenta un método innovador para optimizar el diseño de puentes mixtos de acero y hormigón mediante un enfoque basado en la teoría de juegos. Este enfoque integra criterios de sostenibilidad económica, ambiental y social con la simplicidad constructiva, abordando de manera simultánea múltiples objetivos que suelen ser conflictivos en proyectos de infraestructura. La principal contribución radica en la aplicación de un método de optimización multiobjetivo (MOO) que permite equilibrar los tres pilares de la sostenibilidad, empleando el Análisis del Ciclo de Vida (LCA) para evaluar el impacto durante todo el ciclo de vida del puente, desde su fabricación hasta su desmantelamiento.

Destaca la implementación de una versión discreta del algoritmo Seno-Coseno (SCA), adaptada específicamente para resolver problemas de diseño estructural. Esta metodología no solo garantiza un diseño eficiente en términos de coste y sostenibilidad, sino que también proporciona una solución práctica que facilita la construcción al reducir los refuerzos en las losas superiores y realizar ajustes geométricos estratégicos. Este enfoque supone un avance en el campo de la ingeniería civil, ya que combina técnicas matemáticas avanzadas con consideraciones prácticas del sector. Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València.

La metodología descrita combina la teoría de juegos con un enfoque cooperativo, en el que los diferentes objetivos (coste, impacto ambiental, impacto social y facilidad constructiva) se representan como «jugadores». Estos jugadores colaboran para encontrar soluciones óptimas dentro del conjunto de soluciones Pareto-óptimas, utilizando el concepto de equilibrio de Nash y reglas de negociación.

El algoritmo Seno-Coseno (SCA) modificado desempeña un papel fundamental en este proceso, ya que permite gestionar variables discretas y restricciones estructurales mediante funciones de transferencia en forma de tangente hiperbólica. Además, se emplea la teoría de la entropía para asignar pesos objetivos, lo que asegura un equilibrio justo entre los criterios y minimiza la subjetividad en la toma de decisiones.

Los resultados muestran que la metodología basada en la teoría de juegos permite reducir el refuerzo de las losas superiores del puente y optimizar el uso de materiales sin comprometer la resistencia estructural. En comparación con un enfoque de optimización monoobjetivo centrado exclusivamente en costes, el método propuesto aumenta los costes en un 8,2 %, pero mejora sustancialmente los impactos ambientales y sociales asociados al diseño.

El estudio revela que, mediante la redistribución del material estructural, es posible mantener la rigidez necesaria en las secciones transversales del puente. En concreto, se observa un aumento en el uso de acero estructural en lugar de acero de refuerzo, lo que simplifica la construcción al reducir la cantidad de barras necesarias y, por ende, el tiempo de instalación y vibrado del hormigón. Este cambio también contribuye a mejorar la calidad del producto final, ya que reduce los errores constructivos y optimiza el tiempo de ejecución.

El análisis demuestra que las soluciones obtenidas mediante métricas de distancia Minkowski (L1, L2 y L∞) proporcionan diseños equilibrados que logran compromisos efectivos entre coste, sostenibilidad y facilidad constructiva. Estas soluciones son comparables a estudios previos en términos de costes, pero ofrecen beneficios adicionales al incluir una evaluación más integral de los impactos sociales y ambientales.

El enfoque presentado abre la puerta a diversas áreas de investigación. Una línea de investigación prometedora es la aplicación de algoritmos híbridos que combinen la teoría de juegos con otras metaheurísticas, como redes neuronales o algoritmos genéticos, para mejorar la exploración y explotación del espacio de soluciones. Esto podría reducir el tiempo de computación y permitir su aplicación a problemas más complejos.

Otra posible dirección de investigación sería ampliar el modelo para incluir criterios como la resiliencia ante desastres naturales o la evaluación de riesgos a largo plazo. También se podría explorar la incorporación de nuevos indicadores sociales, como el impacto en las comunidades locales durante la construcción y operación del puente, lo que ampliaría la evaluación de sostenibilidad. Asimismo, sería interesante aplicar esta metodología a otros tipos de estructuras, como edificios o infraestructuras de transporte masivo, para evaluar su viabilidad y adaptar el enfoque a diferentes contextos.

En definitiva, el artículo proporciona una herramienta muy valiosa para abordar los desafíos de sostenibilidad y eficiencia en el diseño de infraestructuras civiles. La combinación de la teoría de juegos y la optimización multiobjetivo es efectiva para equilibrar criterios complejos y conflictivos, y ofrece soluciones prácticas, sostenibles y viables desde el punto de vista económico y constructivo. Aunque computacionalmente intensivo, este enfoque establece una base sólida para futuras investigaciones y aplicaciones en el campo de la ingeniería civil, lo que permite avanzar en la evaluación integral de la sostenibilidad y en la mejora de los procesos de diseño estructural.

Referencia:

MARTÍNEZ-MUÑOZ, D.; MARTÍ, J.V.; YEPES, V. (2025). Game Theory-Based Multi-Objective Optimization for Enhancing Environmental and Social Life Cycle Assessment in Steel-Concrete Composite Bridges. Mathematics, 13(2):273. DOI:10.3390/math13020273

Os dejo a continuación el artículo completo, pues se ha pbulicado en abierto.

Descargar (PDF, 1.44MB)

Modelización y métodos de optimización aplicados al consumo energético en los ferrocarriles

El sector ferroviario, reconocido por su eficiencia energética, sigue siendo objeto de investigación para mejorar su sostenibilidad. Pese a representar solo el 2 % del consumo energético del transporte en Europa, su relevancia en el transporte de mercancías y pasajeros impulsa la investigación para reducir su huella de carbono. La necesidad de reducir las emisiones de gases de efecto invernadero y mejorar la competitividad económica ha llevado a realizar estudios exhaustivos centrados en el consumo energético ferroviario.

Modelización del consumo energético

El modelado del consumo energético permite evaluar y simular el rendimiento de los trenes sin necesidad de realizar pruebas experimentales. Las técnicas de modelado se clasifican principalmente en modelos deterministas y métodos alternativos, como redes neuronales y modelos estocásticos. Estos enfoques permiten analizar múltiples escenarios operativos y optimizar las decisiones estratégicas y operativas.

Modelos deterministas

El enfoque predominante utiliza ecuaciones basadas en la ecuación de Davis, que describe la resistencia al movimiento del tren en función de factores como la velocidad, la masa y la fricción. Su modularidad permite incluir características como frenos regenerativos y sistemas de almacenamiento a bordo. Aunque estos modelos son fiables, requieren numerosos parámetros técnicos, algunos de los cuales son difíciles de obtener debido a su complejidad técnica y a la necesidad de realizar mediciones precisas.

La ecuación de Davis se amplía con frecuencia para incorporar factores como la inclinación de la vía, la resistencia aerodinámica y la fricción en curvas. Estas ampliaciones permiten crear simuladores más detallados que evalúan trayectorias específicas y condiciones operativas complejas. Algunos estudios incluyen incluso el consumo de sistemas auxiliares, como el aire acondicionado y la iluminación, lo que mejora la precisión.

Además, el modelado detallado permite tener en cuenta aspectos como la variación de la masa del tren debida a la carga de pasajeros o mercancías, así como las condiciones meteorológicas y la interacción entre trenes en redes densas. Gracias a estas mejoras, los simuladores no solo evalúan el consumo energético, sino también el impacto de distintas estrategias operativas.

Alternativas al enfoque determinista

Los modelos basados en redes neuronales (Neural Networks) y en técnicas estocásticas (Stochastic Methods) han sido menos explorados, pero ofrecen flexibilidad y pueden manejar incertidumbres como retrasos y cambios en la carga de pasajeros. Las redes neuronales permiten entrenar modelos a partir de grandes volúmenes de datos operativos, lo que les permite aprender patrones complejos que los modelos deterministas podrían pasar por alto. Sin embargo, estos métodos requieren grandes volúmenes de datos y procesos de entrenamiento complejos.

Los modelos estocásticos integran factores aleatorios, como fallos en el sistema y condiciones meteorológicas. Su uso es particularmente relevante en redes ferroviarias densas, donde las interacciones entre trenes generan escenarios difíciles de prever mediante métodos deterministas. Los estudios actuales sugieren que estas técnicas podrían aplicarse a la gestión en tiempo real de las redes ferroviarias para mejorar la eficiencia global.

Métodos de optimización

La optimización del consumo energético ferroviario implica resolver problemas complejos, desde la gestión de perfiles de velocidad hasta la distribución de tiempos de espera y la configuración de infraestructuras. Estos estudios buscan minimizar el consumo energético sin comprometer los tiempos de viaje ni la capacidad operativa.

La formulación de problemas de optimización se basa en variables como los tiempos de viaje, los perfiles de velocidad, el consumo energético y la utilización de las infraestructuras, y su enfoque varía en función de si se optimiza un solo tren o un sistema completo. Las metodologías utilizadas incluyen la optimización unidimensional, que se centra en variables individuales como, por ejemplo, minimizar el tiempo de viaje o el consumo energético, y la optimización multidimensional, que aborda simultáneamente varios factores como el tiempo, el consumo energético, los costos operativos y las emisiones contaminantes. Los problemas de optimización pueden ser estáticos, donde se consideran condiciones fijas, o dinámicos, que ajustan decisiones en tiempo real con datos operativos actualizados.

Los métodos de optimización incluyen la búsqueda directa, que evalúa todas las soluciones posibles y es adecuada para problemas simples con pocos parámetros, y el análisis de principios máximos, que obtiene soluciones exactas mediante ecuaciones matemáticas avanzadas, aunque para ello sea necesario realizar simplificaciones y hacerlos computacionalmente viables. Las metaheurísticas, inspiradas en procesos naturales, se utilizan ampliamente por su capacidad para gestionar espacios de solución complejos. Entre ellas destacan los algoritmos genéticos, que han demostrado su versatilidad y eficacia en numerosos estudios. También se emplean técnicas como la optimización por enjambre de partículas y la optimización por colonias de hormigas, que son útiles en problemas específicos como, por ejemplo, la asignación de horarios y rutas óptimas. Además, la optimización basada en aprendizaje combina aprendizaje individual y colectivo para mejorar los resultados en contextos operativos cambiantes.

Los métodos de optimización también incluyen técnicas como la programación lineal, la programación dinámica y los algoritmos híbridos, que combinan diferentes enfoques para superar las limitaciones de cada uno de ellos. Las técnicas más avanzadas integran sistemas de inteligencia artificial y algoritmos de predicción para ajustar dinámicamente los parámetros operativos.

Discusión y análisis estadístico

Un análisis estadístico muestra que los modelos deterministas predominan debido a su precisión y facilidad para incluir múltiples factores. En optimización, los algoritmos genéticos son ampliamente preferidos, aunque métodos como la optimización por enjambre de partículas han demostrado ser eficaces en ciertos problemas.

Estudios recientes sugieren la posibilidad de combinar diferentes algoritmos para cubrir todo el espacio de soluciones y abordar problemas complejos que incluyen interacciones entre múltiples trenes y redes ferroviarias completas. Estas estrategias son esenciales para implementar operaciones ferroviarias completamente autónomas y sostenibles.

Además, el uso de análisis estadísticos avanzados, como el análisis de correspondencias y el modelado predictivo, permite identificar patrones ocultos y mejorar la precisión de los modelos y algoritmos utilizados.

Conclusión

La combinación de modelos deterministas y técnicas complementarias podría mejorar la precisión de los estudios. En optimización, el desarrollo de enfoques híbridos que combinen diferentes algoritmos metaheurísticos podría suponer un gran avance en la gestión energética ferroviaria. La integración de datos en tiempo real y técnicas de aprendizaje automático (Machine Learning Techniques) podría revolucionar el campo y llevar a sistemas ferroviarios más sostenibles y eficientes.

Referencia:

MARTÍNEZ-FERNÁNDEZ, P.; VILLALBA-SANCHÍS, I.; YEPES, V.; INSA-FRANCO, R. (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

Os dejo la versión autor del artículo, para su consulta.

Descargar (PDF, 517KB)

Optimización de muros de contención mediante enfoques de aprendizaje por refuerzo y técnicas metaheurísticas

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. Se trata de un nuevo método para optimizar el diseño de muros de contención mediante funciones de aprendizaje y transferencia por refuerzo. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València. Es fruto de la colaboración de nuestro grupo de investigación con los profesores chilenos.

El artículo presenta un nuevo método para optimizar el diseño de muros de contención mediante funciones de aprendizaje y transferencia por refuerzo. El estudio compara el método propuesto con otros métodos metaheurísticos y de fuerza bruta, y muestra que las funciones de transferencia en forma de S arrojan consistentemente mejores resultados en términos de costes y emisiones de CO₂. El documento concluye que el método propuesto proporciona un enfoque prometedor para reducir los costos y las emisiones de CO₂ y, al mismo tiempo, mejorar la resistencia estructural en los proyectos de ingeniería civil.

Las contribuciones de este artículo son:

Introducir una nueva técnica de discretización basada en funciones de aprendizaje y transferencia por refuerzo para optimizar el diseño de los muros de contención en términos de costes y emisiones de CO₂.
Comparar el método propuesto con varios métodos metaheurísticos y de fuerza bruta, y demostrar que las funciones de transferencia en forma de S arrojan consistentemente resultados más sólidos.
Proporcionar un enfoque prometedor para reducir los costos y las emisiones de CO₂ y, al mismo tiempo, mejorar la resistencia estructural en los proyectos de ingeniería civil.

Abstract:

The structural design of civil works is closely tied to empirical knowledge and the design professional’s experience. Based on this, adequate designs are generated in terms of strength, operability, and durability. However, such designs can be optimized to reduce conditions associated with the structure’s design and execution, such as costs, CO₂ emissions, and related earthworks. In this study, a new discretization technique based on reinforcement learning and transfer functions is developed. The application of metaheuristic techniques to the retaining wall problem is examined, defining two objective functions: cost and CO₂ emissions. An extensive comparison is made with various metaheuristics and brute force methods, where the results show that the S-shaped transfer functions consistently yield more robust outcomes.

Keywords:

Metaheuristics; concrete retaining walls

Reference:

LEMUS-ROMANI, J.; OSSANDÓN, D.; SEPÚLVEDA, R.; CARRASCO-ASTUDILLO, N.; YEPES, V.; GARCÍA, J. (2023). Optimizing Retaining Walls through Reinforcement Learning Approaches and Metaheuristic Techniques. Mathematics 11(9): 2104. DOI:10.3390/math11092104

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

Descargar (PDF, 824KB)

Estudio paramétrico de marcos prefabricados óptimos mediante metaheurísticas híbridas

Acaban de publicarnos un artículo en Materials, revista indexada en el primer cuartil del JCR. En este caso se ha realizado un estudio paramétrico de un marco prefabricado, articulado, de sección en U, empleando para ello tres metaheurísticas híbridas. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

En este artículo se aborda un estudio de las estructuras articuladas modulares viarias de coste óptimo. Se evalúa el rendimiento de tres metaheurísticas híbridas mediante un diseño factorial fraccionado de experimentos. Los resultados permiten seleccionar y calibrar el recocido simulado híbrido para resolver el problema de optimización combinatoria. Variando la luz horizontal de 8 a 16 m y la cobertura de tierra de 1 a 5 m, se estudian 25 configuraciones estructurales diferentes. La metodología calibrada se aplica para obtener nueve pórticos diferentes con costes óptimos para cada configuración. El estudio de las características económicas, medioambientales y geométricas de las 225 estructuras óptimas permite desarrollar un análisis de regresión. Con R2 cercanos a la unidad, las expresiones constituyen una valiosa herramienta para calcular el coste final, las emisiones asociadas, la energía incorporada y las características geométricas particulares. Las estructuras óptimas presentan diseños esbeltos y densamente reforzados. Además, algunas estructuras muestran reducciones considerables del refuerzo a cortante, algo que se soluciona con aumentos localizados del refuerzo longitudinal.

Marco articulado. https://bortubo.com/marcos-prefabricados-de-hormigon-armado-junta-plana-y-articulados/

Abstract:

This paper addresses a study of cost-optimal road modular hinged frames. The performance of three hybrid metaheuristics is assessed through a fractional factorial design of experiments. The results allow selecting and calibrating the hybrid simulated annealing to solve the combinatorial optimization problem. By varying the horizontal span from 8 to 16 meters and the earth cover from 1 to 5 meters, 25 different structural configurations are studied. The calibrated methodology is applied to obtain nine different frames with optimal costs for each configuration. The study of the economic, environmental, and geometrical characteristics of the 225 optimum structures allows for the development of a regression analysis. With $R^{2}$ correlation coefficients close to the unit, the expressions form a valuable tool for calculating the final cost, associated emissions, embodied energy, and particular geometric characteristics. The optimum structures present slender and densely reinforced designs. In addition, some structures show considerable reductions in the shear reinforcement, something solved by localized increases in longitudinal reinforcement.

Keywords:

Reinforced concrete; modular; hinged frame; hybrid metaheuristic; parametric; regression.

Reference:

RUIZ-VÉLEZ, A.; ALCALÁ, J.; YEPES, V. (2023). A parametric study of optimum road modular hinged frames by hybrid metaheuristics. Materials, 16(3):931. DOI:10.3390/ma16030931

Descargar (PDF, 5.42MB)

Optimización de inteligencia de enjambre híbrida para puentes mixtos de bajo consumo energético

Acaban de publicarnos un artículo en Mathematics, revista indexada en el primer decil del JCR. Se trata del empleo de métodos de optimización de inteligencia de enjambre híbrida para puentes mixtos de acero-hormigón de bajo consumo energético. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

La optimización de puentes es un reto matemático importante, dado el enorme número de configuraciones posibles del problema. Se ha considerado en este trabajo la energía incorporada y el coste como funciones objetivo en la optimización de vigas cajón mixtas de hormigón y acero. Se eligió la energía incorporada como criterio de sostenibilidad para comparar los resultados con el coste. Para lograr este objetivo se empleó el algoritmo TAMO de búsqueda global estocástica, la búsqueda de cuco (CS) de inteligencia de enjambre y los algoritmos seno-coseno (SCA). Para que las técnicas SCA y SC pudieran resolver el problema de optimización de puentes con variables discretas, se utilizó la discretización aplicando la técnica de agrupación k-means. Como resultado, se observó que SC producía valores objetivos de la función de energía comparables a TAMO, al tiempo que reducía el tiempo de cálculo en un 25,79%. Además, la optimización de costes y de la energía revelaron que cada euro ahorrado usando metodologías metaheurísticas disminuía el consumo de energía para este problema de optimización en 0,584 kW-h. Asimismo, al incluir celdas en las partes superior e inferior de las almas, se mejoró el comportamiento de la sección, así como los resultados de optimización para los dos objetivos de optimización. Este estudio concluye que el diseño de doble acción compuesta sobre apoyos hace innecesarios los rigidizadores longitudinales continuos en el ala inferior.

Abstract:

Bridge optimization is a significant challenge, given the huge number of possible configurations of the problem. Embodied energy and cost were taken as objective functions for a box-girder steel–concrete optimization problem, considering both as single-objective. Embodied energy was chosen as a sustainable criterion to compare the results with cost. The stochastic global search TAMO algorithm, the swarm intelligence cuckoo search (CS), and sine cosine algorithms (SCA) were used to achieve this goal. To allow the SCA and SC techniques to solve the discrete bridge optimization problem, the discretization technique applying the k-means clustering technique was used. As a result, SC was found to produce objective energy function values comparable to TAMO while reducing the computation time by 25.79%. In addition, the cost optimization and embodied energy analysis revealed that each euro saved using metaheuristic methodologies decreased the energy consumption for this optimization problem by 0.584 kW·h. Additionally, by including cells in the upper and lower parts of the webs, the behavior of the section was improved, as were the optimization outcomes for the two optimization objectives. This study concludes that double composite action design on supports makes the continuous longitudinal stiffeners in the bottom flange unnecessary.

Keywords:

Swarm intelligence; steel–concrete composite structures; bridges; optimization; metaheuristics; sustainability.

Reference:

MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2023). Hybrid swarm intelligence optimization methods for low-embodied energy steel-concrete composite bridges. Mathematics, 11(1):140. DOI: 10.3390/math11010140

Dejo a continuación el artículo, que se puede descargar y compartir, pues está publicado en abierto.

Descargar (PDF, 1.07MB)

Optimización sostenible de marcos prefabricados articulados

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

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

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

Abstract:

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

Keywords:

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

Reference:

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

Descargar (PDF, 2.85MB)

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

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

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

Abstract:

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

Keywords:

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

Reference:

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

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

Descargar (PDF, 1.92MB)

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

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

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

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

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

Deadline for manuscript submissions: 10 February 2023.

Special Issue Editors

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

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

Dr. José Antonio García E-Mail Website Guest Editor

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

Dr. Broderick Crawford E-Mail Website SciProfiles Guest Editor

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

Special Issue Information

Dear Colleagues,

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

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

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

Manuscript Submission Information

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

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

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

Optimización de puentes mixtos mediante algoritmos de inteligencia de enjambre

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

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

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

Highlights

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

Abstract

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

Keywords

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

Reference:

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

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

Descargar (PDF, 778KB)

Optimización de tableros de puentes mixtos con metaheurística de trayectoria

Variables de la sección transversal del puente mixto

La optimización de puentes es un problema complejo debido al gran número de variables que intervienen. En este trabajo se ha realizado la optimización de un puente mixto en cajón considerando el coste como función objetivo. Para ello se ha aplicado el Recocido Simulado (SA) como ejemplo de algoritmo basado en la búsqueda de soluciones mediante trayectorias para la optimización de la estructura. Se observa que la adición de celdas a las secciones transversales del puente mejora no sólo el comportamiento de la sección sino también los resultados de la optimización. Finalmente, se observa que el diseño propuesto de doble acción compuesta materializando losas en el ala inferior sobre apoyos, permite eliminar los rigidizadores longitudinales continuos. Este método automatiza el proceso de optimización de un diseño inicial de un puente de material compuesto, que tradicionalmente se ha basado en la propia experiencia del técnico, permitiendo alcanzar resultados de forma más eficiente.

Referencia:

MARTÍNEZ-MUÑOZ, D.; SÁNCHEZ-GARRIDO, A.J.; MARTÍ, J.V.; YEPES, V. (2021). Composite bridge deck optimization with trajectory-based algorithms. 6th International Conference on Mechanical Models in Structural Engineering, CMMoST 2021, 1-3 December, Valladolid, Spain, pp. 174-187. ISNB: 978-84-09-39323-7

Descargar (PDF, 589KB)