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)

Aprendizaje profundo para la optimización del ciclo de vida de puentes mixtos de hormigón y acero

Acaban de publicarnos un artículo en Structures, revista indexada en el JCR. Se trata de la evaluación del coste del ciclo de vida mediante la función de densidad espectral de potencia en un puente de hormigón en ambiente costero. El artículo presenta una metodología que utiliza el aprendizaje profundo para acelerar los cálculos de las restricciones estructurales en un contexto de optimización, específicamente para un puente mixto de hormigón y acero. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

El modelo de aprendizaje profundo óptimo está integrado por tres metaheurísticas: el método Obamo (Old Bachelor Acceptance with a Mutation Operator), el Cuckoo Search (CS) y los algoritmos de coseno sinusoidal (SCA). Esta integración da como resultado un posible aumento de 50 veces en la velocidad computacional en ciertos escenarios. El estudio destaca la viabilidad económica, las ramificaciones ambientales y las evaluaciones del ciclo de vida social de las soluciones de diseño optimizadas. Demuestra las ventajas de combinar el aprendizaje profundo con la optimización del diseño de la ingeniería civil, especialmente en lo que respecta al aumento del límite elástico del acero para cumplir objetivos medioambientales y sociales. La metodología propuesta en el documento se puede adaptar a una variedad de otras configuraciones estructurales, por lo que es aplicable más allá del caso específico del puente compuesto

La editorial permite la descarga gratuita del artículo hasta el 29 de noviembre de 2023 en la siguiente dirección: https://authors.elsevier.com/c/1humr8MoIG~oVG

Abstract:

The ability to conduct life cycle analyses of complex structures is vitally important for environmental and social considerations. Incorporating the life cycle into structural design optimization results in extended computational durations, underscoring the need for an innovative solution. This paper introduces a methodology leveraging deep learning to hasten structural constraint computations in an optimization context, considering the structure’s life cycle. Using a composite bridge composed of concrete and steel as a case study, the research delves into hyperparameter fine-tuning to craft a robust model that accelerates calculations. The optimal deep learning model is then integrated with three metaheuristics: the Old Bachelor Acceptance with a Mutation Operator (OBAMO), the Cuckoo Search (CS), and the Sine Cosine Algorithms (SCA). Results indicate a potential 50-fold increase in computational speed using the deep learning model in certain scenarios. A comprehensive comparison reveals economic feasibility, environmental ramifications, and social life cycle assessments, with an augmented steel yield strength observed in optimal design solutions for both environmental and social objective functions, highlighting the benefits of meshing deep learning with civil engineering design optimization.

Keywords:

Deep learning; Sustainability; Optimization; Bridges; Machine learning; Composite structures

Reference:

MARTÍNEZ-MUÑOZ, D.; GARCÍA, J.; MARTÍ, J.V.; YEPES, V. (2023). Deep learning classifier for life cycle optimization of steel-concrete composite bridges. Structures, 57:105347. DOI:10.1016/j.istruc.2023.105347

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)

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)