4to Congreso Internacional, 2do Congreso Nacional de Mtodos Numricos en Ingeniera y Ciencias Aplicadas

M.C. Sarez, S. Gallegos, F. Zrate, S. Botello, M. Moreles, J. Prez, M. Rodrguez y F. Domnguez (Editores)
UMSNH aSMMNI - CIMNE, Mxico 2007

DETERMINACIN PTIMA DE LOS DIMETROS DE REDES

DE TUBERAS CON ALGORITMOS GENTICOS
A. Cesar A. Lifonzo Salcedo y B. Yudy Soto Flores
American Corporation Cyeygtyn-Space Center Shapkara
Universidad Nacional San Cristbal de Huamanga, Av. Independencia s/n,
Ciudad Universitaria, Apartado Postal 220 Ayacucho, Per
Email: coamcycesh@gmail.com, yudysf@gmail.com
Web page: http://www.unsch.edu.pe

Resumen. La determinacin de los dimetros de las tuberas en el diseo de menor costo de una red de
distribucin de agua es un problema de optimizacin con restricciones, fuertemente no lineal, con mltiples
ptimos locales y variables tanto enteras como continuas con discontinuidades severas de alta
dimensionalidad, cuyo espacio de soluciones posee muchas regiones no factibles. En la presente investigacin
se implementa un algoritmo de optimizacin metaheurstica de caractersticas robustas, llamado Algoritmo
Gentico (AG), que nos permite hacer exploraciones estocsticas dentro del espacio de bsqueda, basados
en la teora de la evolucin, seleccin natural y los mecanismos de poblacin gentica como un proceso de
optimizacin, incorporando algunos operadores expertos denominados cannicos (cruzamiento, mutacin y
otros) en pos de encontrar la solucin ptima desde el punto de vista hidrulico econmico, de modo que
cumpla con la presin adecuada de agua y la demanda requerida en cada nodo al menor costo posible,
mediante la formulacin penalizada del problema incluyendo todos los aspectos de carcter fsico, tcnico y
econmico relacionados con el diseo de redes de distribucin de agua, comprobndose que el modelo
propuesto demostr la rapidez de convergencia del algoritmo y la mejora de su desempeo sistemtico con
respecto a otros mtodos tradicionales de optimizacin que normalmente quedan entrampados en un ptimo
local. Este planteamiento mejor la bsqueda eficiente con respecto al tiempo de cmputo, para encontrar el
dimetro del tubo ptimo mediante el desarrollo del software GATO (Optimizacin de Tuberas con Algoritmos
Genticos).
Palabras clave: optimizacin, algoritmos genticos, redes de agua, sistemas de distribucin de agua, recursos
hdricos, penalizacin, inteligencia artificial, mtodos estocsticos.
1

INTRODUCCIN

La creciente necesidad de planificar, disear y gestionar los sistemas de suministro de agua que sea sostenible,
eficiente, confiable y de bajo costo ha conducido a la integracin e interconexin de distintos sistemas, as
como a la permanente incorporacin de nuevos dispositivos y tecnologas que permiten una mejor operacin.
Los sistemas de distribucin de agua son sistemas dinmicos de enorme complejidad, y su operacin eficiente
requiere del uso de tcnicas de anlisis que permitan la toma de decisiones bajo estas condiciones. En este
contexto, es deber de los operadores garantizar la operacin ms econmica para el conjunto de las

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

instalaciones del sistema, preservando la seguridad y calidad del suministro de agua. El diseo ptimo de
redes de distribucin tiene varios aspectos relevantes de tipo hidrulico, rentabilidad, disponibilidad de
tuberas, calidad del agua y distribucin de la demanda. Aunque cada uno de estos factores tiene su
importancia en la planeacin, diseo y operacin del sistema, y a pesar de su dependencia inherente, es difcil
llevar a cabo un anlisis integral que contenga todos ellos. La determinacin ptima de los dimetros de las
tuberas de una red de distribucin de agua, es un problema de optimizacin combinatoria de grandes
dimensiones, debido a la relacin no lineal entre el flujo y las prdidas de carga, as como de la funcin de
costos de las tuberas con los dimetros y hace que el espacio de bsqueda sea tan vasto, que la solucin
ptima resulta imposible de encontrar de manera eficiente en un tiempo razonable.
2

PLANTEAMIENTO HIDRODINMICO DEL PROBLEMA

El problema general consiste en disear y colocar tuberas para conducir agua a travs de la red de
distribucin, que es un sistema compuesto por tanques, tubos, bombas y vlvulas de diferentes tipos,
conectados entre s con el objeto de llevar este recurso desde los puntos fuentes hasta los puntos
demandantes, satisfaciendo sus requerimientos en cuanto a gasto y presin, y que el costo de construccin de
la red sea mnimo. Esto implica tanto el establecimiento de la topologa de la red como la determinacin de
los dimetros de las tuberas que la componen. Tradicionalmente el diseo de redes de distribucin de agua se
realiza utilizando el mtodo clsico de Ensayo y Error, un mtodo que no tiene ningn criterio de
optimizacin econmica, lo cual lleva a diseos funcionales desde el punto de vista hidrulico con unos
costos bastante elevados. Una vez definido la topologa de la red y los caudales de diseo el modelador trata
de alcanzar 'un ajuste razonable' entre los resultados del modelo y los datos medidos. Este mtodo consume
mucho tiempo y los resultados no son los ptimos, no se tiene seguridad de que el conjunto de parmetros
resultantes sea el mejor de todos.

Figura 1 Esquematizacin de una red de distribucin de agua

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

2.1 OBJETIVO
GENERAL
Desarrollar un modelo matemtico basado en Algoritmos Genticos para disear redes de distribucin de
agua y determinar la solucin optima de los dimetros de las tuberas desde el punto de vista hidrulico y
econmico de manera eficiente en un tiempo razonable al menor costo posible de todo el sistema.
ESPECFICOS
1. Desarrollar y probar un mtodo automatizado utilizando Algoritmos Genticos para encontrar el dimetro
del tubo ptimo que contribuya asumir el reto de planificar, disear y gestionar eficientemente con las
tecnologas actuales en la industria del agua.
2. Realizar el anlisis numrico y la modelacin hidrulica de redes de distribucin de agua y determinar una
metodologa que integre los elementos fsicos, tcnicos y econmicos para optimizar el costo de las
tuberas del sistema.
3. Evaluar la aplicabilidad del modelo propuesto y comparar los resultados obtenidos por los mtodos
tradicionales, considerando las caractersticas propias y particularidades del mismo.
4. Analizar el comportamiento hidrodinmico de las redes a presin y algunos de sus elementos de
regulacin (bombas, vlvulas, etc.), tanto desde una perspectiva hidrulica como matemtica.
5. Incorporar operadores expertos al algoritmo gentico para obtener mejores soluciones y acelerar su
convergencia mediante la formulacin y elaboracin del Software GATO (Optimizacin de Tuberas con
Algoritmos Genticos) en Matlab.
2.2 JUSTIFICACIN
Cerca del 90% de los habitantes del mundo vive en ciudades. El desarrollo urbanstico creciente representa
una fuente permanente de retos para la gestin de muchos recursos, especialmente del agua. Las ciudades cambian
el ciclo hidrolgico de manera tal que, frecuentemente, daan la calidad del agua y deterioran el medio
ambiente. Es de crucial importancia que se minimicen los efectos negativos y se tienda hacia una gestin
mejorada del agua. En la actualidad existe una gran inquietud por la bsqueda de mecanismos de suministro
de agua que sean sostenibles y tengan un coste razonable. Por razones de ndole distinta, la gestin del agua,
en todos los pases del planeta, precisa de una gran dosis de innovacin. Con los avances actuales y desarrollos
tecnolgicos las empresas del sector de agua potable y saneamiento bsico y en especial aquellas dedicadas a
la produccin y distribucin de agua deben utilizar metodologas sofisticadas y disponer de modelos
hidrulicos de las redes de distribucin lo suficientemente confiables como para poder tomar decisiones a
partir de las simulaciones de estos.
3

3.1

MARCO TERICO

ANTECEDENTES

El estudio de las redes de distribucin de agua ha abarcado diferentes aspectos como: Diseo y operacin
(Goldman & Mays, 1999; Carillo & Velsquez, 1982), mantenimiento (Watson & Chistian), calidad del agua
(Sakayra & Mays, 1999), calibracin (Saldarriaga & Salas, 2002), entre otros. Por ejemplo, a nivel operativo se
encuentra desde soluciones basadas en modelos de simulacin que no incluyen conceptos de optimizacin,
como la presentada por Carrillo y Velsquez (1982) hasta metodologas basadas en optimizacin. En cuanto
a la forma como los investigadores han tratado de abordar el problema de diseo de redes, encontramos que
a partir de mediados de los aos 90 la aplicacin de tcnicas metaheursticas han tomado una gran fuerza
desplazando a las herramientas de la programacin matemtica debido, muy seguramente, a la flexibilidad y a

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

la sencillez para la implementacin de estas tcnicas. Montesinos y colaboradores (1996), Savic & Walters
(1997) utilizaron Algoritmos Genticos Cunha y Sousa (1999). Muzaffar y Lansey (2003) utilizaron el SFLA
(The Suffled Frog Leaping Algotihm), que es una tcnica evolutiva similar a los Algoritmos Genticos. Saldarriaga
y Salas (2002-2) presentan un panorama del potencial que puede representar el uso de la inteligencia artificial
y proponen sistemas automticos de calibracin de redes con base en Redes Neuronales, Algoritmos
Genticos, Sistemas Difusos y algunos Hbridos de estas tcnicas. Con ellos se supera al mtodo clsico de
Ensayo y Error, obteniendo mejores resultados de manera eficiente y rpida. Adems mediante el
entrenamiento de Redes Neuronales a partir de datos tericos simulan el envejecimiento de tuberas y la
aparicin de fugas.
3.2

BASES TERICAS

Desde el punto de vista hidrulico de la utilidad funcional, una Red Hidrulica de Distribucin a Presin es
un sistema encargado del transporte y distribucin de un fluido, en nuestro caso, el agua, desde los puntos de
produccin y almacenamiento hasta los puntos de consumo. La caracterstica del flujo a presin , en
contraposicin al transporte en lamina libre, implica que el fluido llena completamente la seccin de las
conducciones y no esta en contacto con la atmsfera salvo en puntos muy concretos y determinados (cuando
el fluido es vertido en los puntos de consumo o en la superficie libre de los depsitos).
Atendiendo a su aspecto topolgico, una red de distribucin esta constituida por nudos y lneas: los nudos se
identifican con puntos determinados de la red que tienen un inters concreto por sus caractersticas. Puede
tratarse de puntos de consumo, puntos de entrada/salida de algn subsistema simplemente puntos de
conexin de tuberas u otros elementos. Las lneas representan a los elementos que disipan la energa del
fluido (elementos pasivos) tales como las tuberas, vlvulas de regulacin, etc. tambin a aquellos elementos
que comunican energa al fluido (elementos activos) como son las bombas elevadoras.

Figura 2 Sistema Hidrulico Urbano

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

3.3
3.3.1

DEFINICIONES DE TRMINOS BSICOS

COMPONENTES FSICOS

Haciendo abstraccin de la red como un sistema topolgico se modeliza como un conjunto de lneas
conectadas a los nudos. Las lneas representan tuberas, bombas o vlvulas de control. Los nudos representan
puntos de conexin entre las tuberas o extremos de las mismas, con o sin demandas (en adelante los
denominaremos en general nudos de caudal), y tambin depsitos o embalses.
3.3.2 MTODOS DE BSQUEDA Y OPTIMIZACIN
La optimizacin corresponde a un proceso de bsqueda a travs del cual se pretende encontrar, dentro de un
conjunto de soluciones factibles, la mejor solucin posible para un problema. Debe observarse que
optimizacin se refiere al proceso en s y no al hecho de encontrar o no la mejor solucin (la solucin
ptima). Los mtodos de optimizacin se pueden clasificar en tres grupos principales: los basados en la
programacin matemtica (mtodos de gradiente), los enumerativos y los de bsqueda aleatoria.
Mtodos de Optimizacin Metaheurstica
Los mtodos de optimizacin metaheurstica adquirieron renombre desde la dcada de los ochenta (aunque
algunas de sus ideas son ms antiguas), pero no eran fcilmente traducibles en algoritmos tiles porque no se
contaba con un potencial de clculo como el actual.
Estas tcnicas, propias del mbito de la inteligencia artificial, suelen inspirarse en procesos de optimizacin
naturales, tales como la teora de la evolucin, el templado de metales o el comportamiento de las colonias de
hormigas, entre otros.
Es importante destacar el hecho de que los algoritmos metaheursticos (por s solos) no garantizan la
optimalidad global de la solucin encontrada, sino que su propsito es encontrar una solucin cercana al
ptimo en un tiempo razonable [Mart, 2001]. Sin embargo, estos mtodos estn avalados por la gran
cantidad de publicaciones en donde problemas de optimizacin combinatoria de gran dificultad son resueltos
con gran rapidez (en muchos casos ptimamente).
Los profesores Osman y Kelly (1995) introducen la siguiente definicin:
Los procedimientos metaheursticos son una clase de mtodos aproximados que estn diseados para resolver problemas difciles
de optimizacin combinatoria, en los que los heursticos clsicos no son ni efectivos ni eficientes. Los metaheursticos proporcionan
un marco general para crear nuevos algoritmos hbridos combinando diferentes conceptos derivados de: inteligencia artificial,
evolucin biolgica y mecanismos estadsticos [Mart, 2000].
A continuacin presentamos algunos de estos mtodos metaheursticos mas utilizados:
Bsqueda Tab
Templado Simulado
Algoritmos Evolutivos y Algoritmos Genticos
Redes Neuronales
Sistemas Difusos
El mtodo GRASP (Greedy Randomized Adaptive Search Procedures)
Las colonias de hormigas
Enjambre de partculas
Algoritmos sociales o culturales.

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

HIPTESIS

El desarrollo del modelo matemtico con un trazo predeterminado de la topologa de la red en rgimen
permanente y la implementacin de este modelo automtico de diseo de redes de distribucin con un
algoritmo de optimizacin metaheurstica de caractersticas robustas, que forma parte del grupo de tcnicas
de optimizacin del rea de la Inteligencia Artificial denominadas Algoritmos Genticos nos permite la
determinacin ptima de los dimetros de las tuberas, aplicando repetidamente algunos operadores expertos
como el cruzamiento y la mutacin a poblaciones de dimetros consistentes de strings binarios que
representan potenciales soluciones, que en cada nueva iteracin mejora y minimiza el valor de la funcin
objetivo (basada en la longitud, dimetro y costo de las tuberas) y la funcin de penalizacin, donde las
variables de decisin son los dimetros comerciales de cada una de las tuberas que solo pueden tomar valores
discretos dados por la disponibilidad de dimetros de cada fabricante de tubera, cumpliendo con las
condiciones de las restricciones fsicas, tcnicas y econmicas, lo que le permite escapar de ptimos locales,
de modo que cumpla con la presin adecuada de agua y la demanda requerida en cada nodo de manera
eficiente en un tiempo razonable al menor costo posible de todo el sistema. Para tal propsito
desarrollamos el programa GATO (Optimizacin de Tuberas con Algoritmos Genticos) en la Universidad Nacional
San Cristbal de Huamanga (UNSCH-PER).
5

METODOLOGA

5.1

FORMULACIN MATEMTICA DEL MODELO DE OPTIMIZACIN

Condiciones Econmicas
El objetivo de este modelo es la minimizacin de la inversin inicial que se realiza en cada una de las tuberas
al instalar en los tramos que conforman la red de distribucin de agua, que se puede expresar como:

Funcin Objetivo
NT
NT

NN

Mn Z = f (V , H ) = C k Lij + 1 mx (0, H mn ,i H i ) 2 mn (0, v mx ,ij v ij )

ij
i =1

ij =1

ij NT

(1)

Sujeto a:
Restricciones Fsicas
ND
N

(
)
sgn
k
Q
+
sgn (k )Qdi = 0

ij
j =1
j =1
i

Nodo i

(Principio de conservacin de masa)

(2)

Malla m

(Principio de conservacin de energa)

(3)

Tramo k

(Ley de friccin)

(4)

ij

=0

hij = ij Qijm + ij Qij + ij

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

Restricciones Tcnicas
H i = Z j Z i + H j + hij

Nodo i

Vmn Vk Vmx

Tramo k (Rango de velocidades permitidas en la red)

(6)

H mn H i H mx

Nodo i

(7)

(Presin en los nodos)

(5)

(Rango de presiones permitidas)

Donde:
N
= Nmero de tramos conectados al nudo i
ND = Nmero de caudales de demanda en el nudo i
NN = Nmero de Nudos de la red
NT
= Nmero de Tuberas de la red
Sgn (k)= Es una funcin que determina el sentido del flujo en el tramo k (ste se considera
positivo si entra al nudo i y negativo si sale de l).
1 , 2 = Coeficientes de penalizacin
5.2

PRINCIPALES ECUACIONES DE CARGA

Frmula

Coeficiente de
Rugosidad

Coeficiente de
Resistencia ij

Darcy - Weisbach

Dk

0.08262686

10.2936

5.33

fLij

n Lij
m

Chezy - Manning

Dk

C Lij
m

Hazen - William

Dk

Tabla 1 : Valores de

f =

10.6742

ij , , m , para las principales ecuaciones de perdida de carga

0.25

k
D
Log s + 0.6275
Q f
3 .7 D

Donde:
ks

1.852 4.871

: Rugosidad absoluta de la tubera (m).

: Viscosidad cinemtica del fluido en el tramo k (m2/Qs)

(8)

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

5.3

DISPOSITIVOS DE CONTROL HIDRULICO

Para redes complejas, los dispositivos de control hidrulico deben modelarse a travs de nudos y tramos
virtuales. La ecuacin 9 y 10 se pueden incorporar al sistema de ecuaciones 4 sin alterar su definicin de
manera que contine definiendo el funcionamiento de la red. Como ejemplo se consideran vlvulas y
bombas.

8Qij

cuando hay vlvulas en el tramo k

(9)

ij = aQij2 + bQij + c ,

cuando hay bombas en el tramo k

(10)

ij =

g D
2

4
ij

ij

Si no existe ninguno de estos dispositivos los coeficientes

ij ij
, , se consideran cero

Figura 3 Curva caracterstica de una bomba

5.4

IMPLEMENTACIN DEL MODELO USANDO ALGORITMOS GENTICOS

Los AG se basan en dos ideas bsicas: la representacin de las soluciones del problema mediante strings
(usualmente binarios) y la ejecucin de una serie de operadores inspirados en la teora de la evolucin y en las
leyes de la gentica para ir mejorando conjuntos de soluciones (poblaciones).
En general, los AG comienzan con un grupo aleatorio de dimetros (poblacin). Luego, mediante
alteraciones aleatorias de las soluciones (cruzamiento y/o mutacin), la poblacin va generando descendencia.
Posteriormente, se miden las caractersticas de cada solucin con respecto a la funcin objetivo y a las
restricciones. De acuerdo a su adaptacin al ambiente, compiten en un proceso de seleccin. Finalmente, las
soluciones sobrevivientes quedan como los padres de la siguiente generacin y el proceso se repite hasta
encontrar los dimetros ptimos.

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

Inicializacin

Creacin de
descendencia
Evaluacin de
soluciones
Refresco de la
poblacin

Competencia y
recambio de
elementos de la
poblacin
Evaluacin de las
caractersticas de la
poblacin

Condicin
de refresco

Criterio
finalizacin

Finalizar

Figura 4 Estructura de la metodologa del Algoritmo Gentico Propuesto

APLICACIN DEL MODELO PROPUESTO (RED HANOI)

El siguiente ejemplo ha sido tratado por varios autores y se incluye con el propsito de comparar los
resultados con los obtenidos en otras investigaciones. La implementacin de la solucin se realiz
originalmente en el programa WATERCAD para poder hacer una comparacin objetiva con los resultados
obtenidos por otros autores. La red de Hanoi fue presentada por primera vez por Fujiwara y Khang (1990).
Es una red con una sola fuente; est compuesta por 3 circuitos bsicos, 32 nodos, un embalse y 34
tuberas. Todos los nodos se encuentran a la misma elevacin y no hay prdidas menores en las tuberas. En
este ejemplo para el clculo de las prdidas por friccin se usa la ecuacin de Hazen-Williams con un

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

coeficiente Chw=130 para todas las tuberas de la red. La LGH de la fuente es de 100 mca y la presin
mnima requerida es de 30 mca.
Dimetro (Pulgadas)
Costo (US$/m)

12
16
20
45.73 70.4 98.39

24
129.33

30
180.74

40
278.28

Tabla 2: Dimetros comerciales y sus respectivos costos

Figura 5 Red Hanoi

Tubera
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Ni
1
2
3
4
5
6
7
8
9
10
11
12
14
15
16
17
18

Nj
2
3
4
5
6
7
8
9
10
11
12
13
10
14
15
16
17

L
D
Q
(m) (pulg) (Lt/s)
100
40
5538.89
1350
40
5291.67
900
40
1754.76
1150
40
1718.65
1450
30
1517.26
450
40
1238.09
850
40
863.09
850
30
710.32
800
30
564.48
950
30
555.56
1200
30
416.67
3500
30
261.11
800
16
136.91
500
24
307.74
550
30
385.52
2730
30
874.90
1750
30
1115.17

Hij
(m)
2.86
35.43
3.07
3.77
15.32
0.80
0.78
2.21
1.36
1.56
1.16
1.43
2.11
0.82
0.46
10.42
10.46

Tubera
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

Ni
19
3
3
20
21
20
23
24
26
27
16
23
28
29
30
31
25

Nj
18
19
20
21
22
23
24
25
25
26
27
28
29
30
31
32
32

L
D
(m) (pulg) Q (l/s)
800
40
1488.78
400
40
1505.45
2200
40
1795.34
1500
20
393.06
500
20
134.72
2650
30
1048.12
1230
16
243.52
1300
16
15.75
850
12
50.49
300
20
300.49
750
20
403.27
1500
24
514.32
2000
30
433.77
1600
30
333.77
150
30
233.77
860
30
204.60
950
12
19.01

Tabla 3: Resultados de los dimetros ptimos, caudales y prdidas en las tuberas

hij
(m)
2.01
1.03
7.82
9.38
0.43
14.12
9.41
0.06
1.44
1.14
4.92
6.35
2.08
1.03
0.05
0.22
0.26

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

Nodo
Reservorio
2
3
4
5
6
7
8
9
10
11
12
13
14
15
6

Demanda(Lt/s)
247.2222
236.1111
36.1111
201.3889
279.1667
375.0000
152.7778
145.8333
145.8333
138.8889
155.5556
261.1111
170.8333
77.7778
86.1111

HGL(m)
100
97.1439
61.7095
58.6441
54.8750
39.5562
38.7522
37.9731
35.7677
34.4108
32.8463
31.6857
30.2598
36.5189
37.3373
37.7980

Nodo
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

Demanda(Lt/s)
240.2778
373.6111
16.6667
354.1667
258.3333
134.7222
290.2778
227.7778
47.2222
250.0000
102.7778
80.5556
100.0000
100.0000
29.1667
223.6111

HGL(m)
48.2134
58.6731
60.6834
53.8925
44.5106
44.0792
39.7702
30.3639
30.3012
31.7374
32.8791
33.4210
31.3372
30.3107
30.2609
30.0377

Tabla 4: Caudales de demanda y Presiones en los nodos

AUTORES
Savic & Walters GA1 1997
Savic & Walters GA2 1997
Cunha & Sousa SA (Simulated Annealing) 1999
Wu et al. fmGA1 2001
Liong, S. y Atiquzzaman, M. SCE (Shuffed
Complex Evolution) 2004
AOC S10 2004 AOC (Algoritmo de
Optimizacin Combinatoria)
AOC S11 2004 AOC
AOC (C&S) 2004 AOC
Modelo Propuesto (GATO-UNSCH) 2006

COSTO
(US$)
6072412
6187165
6056163
6182000

COSTO
(M$)
6.0724
6.1872
6.0562
6.1820

6224265

6.2243

Si

6169952
6161276
6080919
6154682.58

6.1700
6.1613
6.0809
6.1547

Si
Si
Si
Si

FACTIBLE
NO
Si
NO
Si

Tabla 5: Comparacin de costos: calculados por diferentes autores

CONCLUSIONES

1. Con la metodologa propuesta se llega a una buena aproximacin para superar el problema de diseo de
redes de distribucin de agua potable de costo mnimo.
2. Una vez construido el modelo y planteado el problema, se desarroll un algoritmo gentico con el fin de
resolver el problema de optimizacin combinatoria resultante. En este contexto, cabe destacar el uso de
una original forma de representar las soluciones candidatas, la cual permite concentrar toda la informacin
de inters en una matriz binaria para su posterior evaluacin de los dimetros.
3. La aplicacin del Algoritmos Genticos se puede ver como una heurstica que orienta la solucin del
problema de diseo de redes de distribucin de agua potable. La solucin obtenida no respeta las
restricciones comerciales de disponibilidad de dimetros, pero al usarse en conjunto con un mtodo de
optimizacin basado en Programacin por Restricciones se puede llegar a buenas soluciones en un
nmero de iteraciones menores a los reportados en la literatura.
4. El empleo de los Algoritmos genticos ha mostrado ser un mtodo eficaz para solucionar el problema de
la determinacin ptima de los dimetros de las tuberas en el diseo de costo mnimo. La implantacin
del algoritmo puede hacerse considerando el planteamiento del problema a travs de un modelo con
restricciones y penalizado que penalizado mejor la calidad de la solucin final, ya sea incrementando la

A. CSAR A. LIFONZO SALCEDO y B. YUDY SOTO FLORES / Optimizacin de Tuberas con Algoritmos Genticos

precisin o generando una menor dispersin en la solucin entregada por el algoritmo para diferentes
corridas. Adems, permite reducir ligeramente el tiempo de procesamiento y, en conjunto, establecer un
mejor balance entre precisin y eficiencia del proceso.
5. En esta era de tecnologa rpidamente cambiante se debera tener ms claro que nunca que las
Matemticas pueden jugar un papel de relevancia incalculable en la Industria del agua. As que, resulta
frustrante observar cmo en los ltimos aos existe una tendencia a reducir los contenidos matemticos
en los programas de Ingeniera.
6. Para calcular las velocidades y presiones en el sistema de distribucin de agua se resuelve las ecuaciones de
la funcin objetivo y las restricciones plateadas mediante las condiciones de Kuhn Tucker.
7. Varios de los operadores del algoritmo gentico, como la reparacin de soluciones, el cruzamiento diario y
la mutacin de intercambio de estados, entre otros, toman ventaja del conocimiento experto que se tiene
del problema, como una forma de acelerar la convergencia y obtener mejores resultados.
8

REFERENCIAS

[1] L. J. Murphy, A. R. Simpson. Genetic algorithms in pipe network optimization. Res. Rep. No. R39. Dept. of Civil
Envir. Engrg., Univ. of Adelaide, Australia, 1992.
[2] G. A. Walters, R. G. Cembrowicz. Optimal design of water distribution networks. Water Supply Systems,state of the art and
future trends, E. Cabrera y F. Martnez, Eds., Computational Mechanics Publications, Southampton, 91-117, 1993.
[3] D. A. Savic, G. A. Walters. Genetic Algorithms for lesast-cost design of water distribution networks. J. of Water Plng. and Mgmt.,
123(2), 67-77, 1997.
[4] Z. Y. Wu, A. R. Simpson. A self-adaptative boundary search genetic algorithm and its application to water distribution systems. J.
Hydr. Research, Vol. 40, No. 2, 191-199, 2002.
[5] D. A. Savic, G. A. Walters. Genetic Algorithms and evolution programs for decision support. Proc., 4th Int. Symp.: Advances in
Logistics Sci. and Software, J. Knezevic, ed., Exeter, U.K., 70-80, 1994.
[6] G. A. Walters, G. Lohbeck. Optimal layout of tree networks using genetic algorithms. Engrg. Optimization, 22(1), 27-48,
1993.
[7] Fujiwara, O. y Khang D.B. 1990. A two-phase decomposition method for optimal design of looped water distribution networks.
En Water Res. Research, 26(4), pp. 559-5549.
[8] Azevedo-Netto, J. M., Tecnologas innovadoras y de bajo costo utilizadas en los sistemas de alcantarillado, OPS, Serie Tcnica
No. 29, julio 1992.
[9] Goldberg de (1989) Genetic Algorithms in Search, Optimisation and Machine Learning. Addison-Westley Press.
[10] Holland J H (1992) Adaptation in Natural and Artificial Systems (2nd edn.) Univ. of Michigan Press.
[11] Montesinos P, Carcia-Guzman A and Ayuso JL (1999) Water distribution network optimization using a modified genetic
algorithm. Water Resour. Res. 35 (11) 3467- 3473.
[12] Saldarriaga, Juan G. 1998. Hidrulica de tuberas. 1a Edicin. Editorial Mc Graw Hill.
[13] Haestad Methods User manual WATERCAD 5.0 Haestad Methods, USA, 2001.
[14] Hartmut Pohlheim, GEATbx: Genetic and Evulutionary Algorithm Toolbox for use with MATLAB, 1998