Académique Documents
Professionnel Documents
Culture Documents
To cite this article: Pino V. Edwin, Valle C. Angely, Condori P. Franz, Mejia M. Jesus, Chavarri
V. Eduardo & Alfaro R. Luis (2017) Diseño Óptimo de Redes de Distribución de Agua Usando
Un Software Basado En Microalgoritmos Genéticos Multiobjetivos, Ribagua, 4:1, 6-23, DOI:
10.1080/23863781.2017.1317087
desarrolladas como son el NSGA II y PAES. El menor puede representar en las RDA como la presión adi-
tiempo computacional fue fundamental en la elección cional promedio de todos los nudos sobre la presión
del algoritmo planteado, debido a que el software ela- mínima de diseño que permita soportar los decremen-
borado se diseñó desde un inicio para que pueda mod- tos de presión ocasionados al avanzar los años de vida
elar redes de cualquier tamaño, siendo su tamaño de la red, por el aumento de la demanda de consumo
proporcional al tiempo de solución requerido, se de agua, aumento de rugosidad en las paredes internas
buscó plantear el empleo de un algoritmo genético de la tubería o situaciones eventuales como fugas por
que genere el menor número de cálculos de red. El rotura de tuberías y consecuentes pérdidas de presión.
límite del tamaño máximo de la red lo define la mem- Un alto índice de resiliencia permite tener una RDA
oria del computador (computadores con mayor mem- más confiable evitando se afecte el servicio a los
oria son cada vez más accesibles). Además, se buscó usuarios durante su operación. Además del índice de
optimizar el cálculo de cada red mediante el uso del resiliencia propuesto por Todini [18], existen otros
método del gradiente por su facilidad de indicadores que permiten evaluar la confiabilidad de
sistematización y cálculo para computadores, a pesar la red como son: la potencia unitaria de una tubería
de requerir un procedimiento de convergencia en la (Saldarriaga et al [15]) que representa la potencia
solución (alturas piezométricas y pérdidas de carga). (caudal) por la unidad de peso (presión) que pierde
Para el cálculo de la pérdida de carga por fricción, se el fluido al cruzar por cada tramo de tubería de la
empleó la ecuación de Darcy-Weisbach. RDA, el superávit mínimo de energía propuesto (Xu
Finalmente se comprobó la eficacia del algoritmo & Goulter [22]) que representa el mínimo exceso de
propuesto en la red de Hanoi (Fujiwara y Khang [2]), presión respecto a la presión mínima de servicio en
la cual es un estándar para la comprobación de cada nodo de la RDA, entre otros. En el presente
métodos de diseño de RDA, permitiendo el contraste trabajo se tendrá en cuenta lo propuesto por Prasad
de soluciones obtenidas. La red de Hanoi tuvo una sola & Park [12], los cuales adicionan al índice de resilien-
fuente; con tres circuitos básicos, treinta y uno nodos, cia, el concepto de uniformidad de conexiones el cual
un reservorio y treinta y cuatro tuberías. Los nodos se se representará con el coeficiente de conectividad,
encontraron en la misma elevación y no se consider- debido a ser un indicador más completo que permite
aron las pérdidas menores en las tuberías. evaluar las RDA tanto en su redundancia por presión
La ventaja del modelo propuesto permitirá impulsar adicional en los nodos así como la menor variación de
el diseño de redes de distribución de agua basadas en la diámetros. El índice de resiliencia no tiene en cuenta
optimización, debido a que se ha conseguido el empleo el cumplimiento de los límites de velocidad.
de un algoritmo que permite lograr resultados satisfac- El coeficiente de conectividad (Cj) representa el
torios en la búsqueda de obtener redes confiables en su nivel de variación de los diámetros de las tuberías en
servicio (comportamiento hidráulico) para un costo las conexiones (nudos), siendo las redes más confiables
viable, con un tiempo computacional reducido, el cual las que representen una menor variación de diámetros.
se plasmó en un software para el modelado de cualqu- Está representada por la siguiente ecuación [1]:
ier red y funcional en computadores promedio. Pi¼1
NTjDi
El software ha sido diseñado para ser intuitivo y Cj ¼ (1)
claro, con el fin de ser distribuido y empleado por los NT:maxDi
diseñadores de RDA. donde Cj es el coeficiente de conectividad del nudo j;
NTj es el número de tuberías que llegan a un nudo en
2. Funciones objetivo particular j; Di es el diámetro de tubería que llega a un
nudo en particular j; maxDi es el máximo diámetro que
Las funciones objetivo que se buscará optimizar son: llega a un nudo en particular j.
función de confiabilidad y función de costo. De los dos conceptos anteriores se puede decir que
la confiabilidad final de una red de agua en función de
2.1 Función de confiabilidad la resiliencia y el coeficiente de conectividad [12] está
dada por la ecuación [2]:
La función de confiabilidad es expresada por el índice Pj¼1
de resiliencia de una red de agua (Ir Þ [18], que se nuCj Qj ðHj Hj Þ
Ir ¼ Pi¼1 P (2)
define como la capacidad de un sistema de reacción neQe He j¼1 nuQj Hj
ante un estado de esfuerzos o como el incremento de
la redundancia energética y decrecimiento de la donde Ir es el índice de Resiliencia; Qj es el caudal
energía disipada internamente en una red. Esto se demandado en cada nudo; Qe es el caudal entregado
RIBAGUA 9
Para la determinación de dominancia entre pobla- máxima; siendo ganador el que tenga menor
dores, se emplea el concepto de dominancia indicado número de incumplimientos. En caso de que
en 3.1, donde el empleo del término solución viene a ambos tengan el mismo número de incumplimien-
ser equivalente a un poblador. tos de restricciones, se pasa a una segunda instancia
La población reemplazable irá siendo modificada con- donde el ganador se define según el criterio de
tinuamente, de acuerdo a los pobladores que vayan evolu- dominancia; esta es verificada de acuerdo a sus dos
cionando los ciclos del microalgoritmo genético objetivos. Si no se puede determinar la dominancia
multiobjetivo. de uno sobre otro, se elegirá al azar a uno de ellos
como ganador del torneo. Del operador genético de
selección, resultan dos pobladores padres. La pri-
4.2 Los ciclos del microalgoritmo genético
mera evaluación del operador genético de selección
multiobjetivo
basada en el incumplimiento de las restricciones,
Un ciclo de MAGMO, está compuesto por el siguiente tiene en cuenta el número de incumplimientos de
proceso: velocidades límite y presión mínima, más no el nivel
de cada uno de ellos (la mayor o menor diferencia
– Población Inicial: Para cada ciclo de MAGMO se respecto a la presión mínima o velocidad mínima y
inicializa una población, eligiendo cuatro pobladores máxima), se ha considerado de esta manera en la
al azar de la memoria de población, siendo la elección metodología propuesta a fin de acelerar ligeramente
indistinta de si pertenece a la MPR o MPNR, lo cual el proceso de convergencia hacia soluciones que
está representado en la Figura 4. Esta población inicial cumplan restricciones pero manteniéndose en un
será sometida a operadores genéticos (selección, segundo nivel de evaluación el criterio de dominan-
cruza, mutación y elitismo). cia, lo que permite no ser estrictos y evitar ocasionar
– Selección: Una vez determinado los cuatro pobla- un entrampamiento de la evolución, ya que el pro-
dores, se procede a la selección de dos padres med- ceso de selección solo se encarga de elegir el par de
iante la metodología de torneo, en la cual los padres a evolucionar en base a la MPR, siendo esta
pobladores se dividen en dos pares y cada par es última la más importante, ya que irá evolucionando
sometido a contienda (ver figura 5). El ganador de con el pasar de los ciclos del MAGMO y siendo cada
cada torneo es determinado en primera instancia de vez menos importante la selección de los padres en
acuerdo al número de restricciones incumplidas cada ciclo puesto que la MPR irá albergando pobla-
respecto a los límites de presión mínima y velocidad dores más cercanos al óptimo de Pareto.
En los primeros ciclos del MAGMO gran porcentaje – Cruza: Los dos padres resultantes anteriormente, son
de los pobladores de la MPR incumplirán las restric- sometidos al operador genético de cruza para la
ciones impuestas debido a la aleatoriedad de la obtención de dos hijos, lo cual está representado en
población inicial, además, de todo el universo de solu- la Figura 6. El proceso para la obtención de un hijo
ciones de la RDA solo un reducido porcentaje de pobla- consiste en la combinación de sus genes (diámetros
dores cumplirán totalmente las restricciones, siendo el de cada tramo de tubería). El método que se ha
MAGMO a través de todos sus procesos en conjunto el empleado es la combinación de N puntos aleatoria,
encargado de llegar a estas respuestas óptimas a través donde para cada tramo se obtuvo un número al azar
de la evolución de los pobladores (MPR). que determinó si se heredará el diámetro del padre Nº
1 o Nº 2. El proceso del operador genético se repite emplea la metodología de torneo entre un poblador elegido
para la obtención de los dos hijos. aleatoriamente de la MPR y uno de los pobladores resul-
– Mutación: Completado el operador genético de tantes de un ciclo del MAGMO, lo cual se muestra en la
cruza, los hijos resultantes serán sometidos al oper- Figura 9; dicho poblador original de la MPR solo es reem-
ador genético de mutación. Dicho operador consiste plazado en caso sea dominado en los objetivos que están en
en la probabilidad de cambio aleatorio en uno de sus evaluación (confiabilidad y costo). Para tal efecto no se
genes, lo que representa que el diámetro de uno de los tiene en cuenta el cumplimiento de las restricciones, con
tramos de tubería cambiará a otro que se encuentre el objetivo de poder dar mayor oportunidad de seguir
en el universo de diámetros definido (Ver Figura 7). evolucionando; y como se explicó en la definición del
– Elitismo: Los hijos luego de ser afectados por el operador de selección, el imponer la evaluación de acuerdo
operador genético de mutación, son sometidos al al número de restricciones incumplidas, no evalúa el nivel
de elitismo. Este operador determina la dominancia de cumplimiento. Sin embargo, en cada ciclo los pobla-
entre los hijos, siendo necesario para ello primero el dores resultantes serán sometidos al proceso de memoria
cálculo de sus características mediante el módulo del externa, el cual si tendrá en cuenta el cumplimiento de
método del gradiente y, segundo, el cálculo de sus restricciones para el almacenaje de las soluciones.
objetivos mediante el módulo funciones objetivos del
programa realizado (Ver Figura 8).
4.4 La memoria externa
Con los parámetros hallados se verifica la dominancia, El proceso de memoria externa permite almacenar las
es así que si uno de los hijos domina al otro, el dominado es respuestas correspondientes al óptimo de Pareto y solo
eliminado, teniéndose como respuesta al dominante; en si cumplen con las restricciones impuestas (Ver
caso no se pueda determinar la dominancia de uno sobre Figura 10). La memoria externa posee un límite de
otro, ambos se darán como respuestas del ciclo del micro- tamaño, el cual es determinado en los parámetros
algoritmo genético multiobjetivo y pasarán a los procesos iniciales, así mismo estará compuesto por dos dimen-
de filtro y memoria externa. siones, determinados por el número de divisiones indi-
cadas como parámetros iniciales. Una vez concluido el
proceso de guardado de las respuestas que conforman
4.3 El filtro
el óptimo de Pareto, se volverá a iniciar desde el pro-
El proceso de filtro realiza la evaluación de los pobladores ceso del ciclo de microalgoritmo genético multiobjetivo
resultantes de un ciclo del MAGMO para su inserción en la en un número de generaciones o ciclos del MAGMO
memoria de población reemplazable. En la evaluación, se determinado en los parámetros iniciales.
14 P. V. EDWIN ET AL.
Figura 10. Diagrama del micro algoritmo genético multiobjetivo: Memoria externa.
● El empleo del método de solución del Gradiente Los datos son ingresados al software Magmoredes
junto a las ecuaciones de Darcy-Weisbach y (Figura 12 y 13), el cual fue elaborado con el fin de
Colebrook-White, en vez del empleo de la calcular y diseñar óptimamente redes de agua. Permite
ecuación de Hazen Williams y su respectivo coe- el modelamiento de reservorios, nodos, tuberías,
ficiente de rugosidad. El valor de rugosidad abso- válvulas reductoras de presión y bombas; por otro
luta considerado es de 1; 5 106 m y viscosidad lado, para el diseño, la optimización acorde a dos o
del fluido de 1; 14 106 m2/s. tres objetivos. Para la red en estudio, se empleó la
● El cambio de la presión mínima requerida en los optimización según dos objetivos, por lo cual se
nodos por la indicada en la normativa peruana de procedió a modelar la red, ingresar los datos respecti-
10 m.c.a. vos e iniciar el proceso de diseño.
Los parámetros para la optimización del microalgor-
Tabla 1. Longitudes de tuberías – Red planteada. itmo genético multiobjetivo introducidos en
Tubería Longitud (m) Tubería Longitud (m) Tubería Longitud (m) Magmoredes fueron los siguientes:
1 100 13 800 25 1300
2 1350 14 500 26 850
3 900 15 550 27 300 – Número de generaciones : 10 000
4
5
1150
1450
16
17
2730
1750
28
29
750
1500
– Número de genes de los pobladores : 34
6 450 18 800 30 2000 – Tamaño de memoria de población : 50
7 850 19 400 31 1600 – Porcentaje de la memoria no reemplazable (%) : 25
8 850 20 2200 32 150
9 800 21 1500 33 860 – Tamaño de memoria externa : 100
10 950 22 500 34 950 – División malla adaptativa – Objetivo 1 : 25
11 1200 23 2650
12 3500 24 1230 – División malla adaptativa – Objetivo 2 : 25
Tabla 3. Diámetros comerciales disponibles – El proceso de optimización de la red, una vez ingre-
Red planteada. sados los datos, fue de un promedio de un minuto.
Línea Diámetro Costo
(mm) ($)
1 304,8 45,73
2 406,4 70,40
3 508,0 98,38 8. Resultados
4 609,6 129,33
5 762,0 180,75 El resultado del procesamiento se presenta en la
6 1016,0 278,28 Figura 14, la cual muestra la gráfica de la población
de respuestas, además se puede observar el óptimo de
Pareto basado en las soluciones que cumplen las
– Intervalo malla adaptativa – Historial : 1 000
restricciones impuestas.
– Porcentaje de mutación : 5
Con el fin de mejorar la representación de las solu-
ciones, la función de confiabilidad se ha transformado
Los parámetros de las funciones objetivo y sus para ser una función de minimización, siendo el 0 el
restricciones considerando alternativas de establecer valor más óptimo; así mismo el costo de la red es
función de costos por metro lineal o función de costos representado por un coeficiente que va desde 0 a 1,
por coeficientes fueron los siguientes: que representa el menor y mayor costo posibles
respectivamente.
– Presión mínima de servicio : 10 m.c.a. En la figura 15 se ve el proceso de evolución alma-
– Estimación de costo : por metro lineal de tubería cenada en la memoria externa, la cual tiende a la
– Velocidad Máxima : 10 m/s minimización de las funciones objetivo, siendo la
última generación de soluciones la número 10 000,
que arrojo un total de 60 soluciones.
El software Magmoredes elaborado fue ejecutado en
Se han obtenido resultados satisfactorios, los cuales
un computador con una capacidad de cómputo media,
se muestran en la Tabla 4, teniéndose un índice de
con las siguientes características:
resiliencia (confiabilidad) de hasta 0,497 y costo
mínimo de $ 4 773 755,20. Los resultados máximos
– Procesador : Intel Core I5 3570 3.4 Ghz – 3.8 Ghz fueron de 0,671 y $ 6 072 417,00 para la confiabilidad y
– Memoria RAM : 8.00 GB costo respectivamente.
– Sistema : 64 bits
No existió una única solución, sino un conjunto de las Las velocidades resultantes están fuera de lo recomen-
mismas; por lo tanto, el diseñador deberá de elegir la que dado en la norma técnica peruana (Tabla 5); sin embargo,
considere más adecuada, apoyado en los resultados se debe al planteamiento de la red, el cual no permite la
gráficos (elección preliminar) y numéricos. La elección validación dentro de un rango aceptable de velocidad para
de la red del grupo de redes resultantes finales, siempre todos los tramos de tubería. Uno de los casos evidentes es
será una red optimizada al estar ubicadas todas las la tubería Nº 01, obteniéndose como respuesta el máximo
respuestas en el frente de Pareto, pudiendo elegirse la diámetro posible y siendo la única y primera conexión a la
que tenga el menor costo posible con la contrapropuesta salida del reservorio; alcanza una velocidad de 6,59 m/s,
de una baja confiabilidad, la de mayor confiabilidad que siendo mayor a la normativa peruana (5,00 m/s).
generaría un alto costo para su implementación, o elegir En la Tabla 6 se muestran los valores en los objetivos
una red con características intermedias. Para la elección la de dos investigaciones anteriormente desarrolladas
gráfica de los resultados permite una elección preliminar. donde se emplean una metodología de solución de la
Basados en el último criterio mencionado, se ha tomado red de Hanoi mediante algoritmos genéticos. Se evi-
como respuesta la solución 1 de la Tabla 4, teniéndose un dencia que la red resuelta por Liong y Atiquzzaman
índice de resiliencia de 0,497 y un costo de $ 6 072 417,00. [04] tiene una mejor confiabilidad en 0,014 que la
RIBAGUA 19
obtenida por MAGMO; pero tiene un costo mayor en con MAGMO ha tenido un valor de presión mínima
0,152 millones de dólares americanos. Comparando la muy por encima de las otras dos soluciones.
solución obtenida por MAGMO con la obtenida por A diferencia de la solución de Liong y Atiquzzam, y
Lenhsnet [11], la primera tiene mejores valores de Lenhsnet, que se resolvieron teniendo como único
confiabilidad en 0,006 en tanto que la segunda menor objetivo el menor costo de la red con las restricciones
costo en 0,343 millones de dólares. La confiabilidad y impuestas; la solución mediante MAGMO tuvo dos
costo de las tres redes han sido calculados por el soft- objetivos: el menor costo de la red y el obtener la
ware elaborado Magmoredes, basados en los diámetros mayor confiabilidad posible en la misma.
de tuberías dados como solución.
En la misma Tabla 6, se aprecia que las menores veloci-
9. Conclusiones
dades las tiene la red solución de Lenhsnet con 6,42 m/s; en
segundo lugar, la solución de MAGMO con 6,59 m/s; y por El empleo de algoritmos genéticos en la solución de las
último, la solución de Liong y Atiquzzaman 6,83 m/s. Si RDA ha permitido lograr obtener un conjunto de solu-
bien las metodologías de solución de las redes se han ciones, del cual el diseñador finalmente deberá decidir
realizado con parámetros hidráulicos similares, no son según su criterio la solución a adoptar, realizándose la
iguales, pero permiten validar los resultados de la elección dentro de un grupo de redes de distribución
solución por MAGMO con propuestas similares. de agua optimizadas en confiabilidad y costo.
En la Tabla 7 se muestra la comparación de las La utilización del MAGMO en la búsqueda del
presiones resultantes en los nodos de la red de frente de Pareto, puede llegar a tener una convergencia
Hanoi, ante las propuestas de solución mediante rápida antes de la generación máxima (número de
MAGMO y las obtenidas por Liong y Atiquzzamn ciclos del MAGMO) indicada para el cálculo.
[04] y Lenhsnet [11]. Teniéndose que la presión La utilización de modelos matemáticos para la
mínima para MAGMO se da en el nodo Nº 30 con determinación de las características hidráulicas que
un valor de 42,090 m.c.a.; en la solución de Liong y eran requeridas para el diseño de una RDA, se
Atiquzzamn es en el nodo Nº 29 con un valor de 30,05 plasmó en la elaboración de un algoritmo de cálculo
m.c.a.; por último, en la solución de Lenhnet en el bajo el método del Gradiente Hidráulico, en la cual es
nodo Nº 29 con un valor de 30,31 m.c.a. La solución posible introducir un número suficiente de datos,
20 P. V. EDWIN ET AL.
prácticamente solo limitado por la memoria del Atiquzzaman [04] y de la metodología Lenhsnet [11],
computador. de 0,483 y 0,503 respectivamente. En la función objetivo
Se ha aplicado un algoritmo genético basado en dos de costo se ha obtenido una mejor solución en la
funciones objetivos, los cuales son la minimización del comparación con los otros autores; la solución con
costo y la maximización de la confiabilidad, teniendo MAGMO tiene un costo menor de 6,072 millones de
como facilidad de cálculo la restricción de su universo dólares, en contraste con costos de 6,224 y 6,416 mill-
de soluciones inicial. Esto ha generado una mejora en ones de dólares para las redes de Liong y Atiquzzam [04]
la convergencia de las soluciones. y de Lenhsnet [11] respectivamente. Se concluye que se
El programa de cómputo elaborado permitió la ha realizado el diseño de una red de agua optimizado en
optimización de la red de Hanoi, la cual es un sus funciones con un costo menor a la calculada por
estándar para la verificación de las metodologías de otros algoritmos como el de Lion and Atiquzzaman [04]
diseño. Se ha tenido resultados aceptables mediante la y Lenhsnet [11]; y con un índice de confiabilidad acep-
aplicación del MAGMO, como son una confiabilidad table que es un elemento importante a tener en cuenta
de la red con un valor de 0,497 (el menor valor en el diseño de redes de distribución de agua.
numérico genera una mayor confiabilidad), frente a la La comparación de la metodología propuesta en los
confiabilidad de las redes de comparación de Liong y cálculos realizados por Liong y Atiquzzaman, y
RIBAGUA 21
Lenhsnet, permiten obtener una red de mayor costo en El tiempo de procesamiento depende no solo del
comparación con la obtenida por el MAGMO; para los algoritmo genético, sino de su programación,
primeros se obtiene una confiabilidad menor y para debiéndose siempre buscar la optimización del
Lenhnet una confiabilidad mayor a la propuesta, mismo, la programación en Java basada en objetos
además de demostrar que el empleo del MAGMO en permite guardar un orden lógico para su
las redes de distribución de agua es posible, pudiendo comprensión y posibilidad de reúso. Un lenguaje mul-
conseguirse soluciones aceptables en el campo de la tiplataforma, como lo es Java, permite la ejecución de la
optimización multiobjetivo, con costos computacio- aplicación Magmoredes en la mayoría de sistemas
nales inferiores a los usualmente empleados (Toscano operativos (Windows, Linux, MAC OS, etc).
[19]). El algoritmo siempre es mejorable según un La aplicación del software desarrollado Magmoredes,
análisis de los parámetros que lo conforman. permite a los actuales diseñadores el uso libre y gratuito
22 P. V. EDWIN ET AL.
de la herramienta, pudiendo así diseñarse redes óptimas genetic and evolutionary computation conference.
sin excusa. Su distribución es de un tamaño reducido México. 2001: 274–282.
(no supera los 10 MB) y fácil de transportarse, por lo [2] Fujiwara O, Khang DB. “A two-phase decomposition
method for optimal design of looped water distribution
que acompañado de un manual de uso, no tendría networks”. Water Resources Research. 1990.
problemas en distribuirse libremente, siendo las institu- [3] Ilich N, Simonovic SP. “Evolutionary algorithm for
ciones públicas y privadas que desarrollan proyectos de minimization of pumping cost.” Journal of computing
Redes de Distribución de Agua las llamadas a usarlo. in civil engineering. 1998: 232–240.
[4] Liong SY, Atiquzzaman M. “Optimal design of water
distribution network using shufflled complex evolu-
tion”. Journal of the Institution of Engineers. Sigapore.
ORCID
Vol.44 Issue 1. 2004.
Pino V. Edwin http://orcid.org/0000-0001-7432-4364 [5] McCormick G, Powell RS. “Optimal pump scheduling
in water supply systems with maximum demand
charges”. Journal of water resources planning and man-
agement. 2003: 372–379.
Referencias bibliográficas [6] Mendoza FL, Saldarriaga JG “Diseño optimizado de
redes de distribución de agua incluyendo análisis de
[1] Coello C, Toscano G. “Multiobjective optimization costo mínimo versus resiliencia de la red”. XXIV
using a micro-genetic algorithm”. Proceedings of the
RIBAGUA 23
Congreso Latinoamericano de Hidráulica. Punta del utilizando un algoritmo genético. Joao Pessoa, Brasil.
Este, Uruguay. Noviembre de 2010. XIX Seminario 2006.
Nacional de Hidráulica e Hidrología. Bogotá, [15] Saldarriaga J, Nieto L, Ochoa S, Córdoba R, García S.
Colombia. Abril de 2011. “Esqueletización en redes de distribución utilizando los
[7] Murphy LJ, Simpson AR. Pipe optimization using conceptos de resilencia y potencia unitaria”. XXIV
genetic algorithms, Research Report No. R93, Congreso Latinoamericano de Hidráulica. Punta del
Department of Civil Engineering, University of Este, Uruguay. 2010.
Adelaide. Australia. 1992. [16] Savic DA, Walters GA. “Genetic algorithms for least-
[8] Pareto V. Cours D’Economie Politique. vol. I, II. F. cost design of water distribution systems”. Journal of
Rouge, Lausanne. 1986. Water Resources Planning and Management, Vol 125.
[9] Peñuela CA, Granada M. “Optimización multiobjetivo Nº 2, 67–77. 1997.
usando un algoritmo genético y un operador elitista [17] Sun YH, WG, Yeh W, Hsu NS, Louie PW. “Generalized
basado en un ordenamiento no dominado”. (NSGA- network algorithm for water-supply-system optimiza-
II). Scientia et Technica. Universidad Tecnológica de tion.” Journal of Water Resources Planning and
Pereira. Colombia. 2007. Management, 392–398. 1995.
[10] Peña JJ. “Desarrollo de un Applet en Java del micro algor- [18] Todini E. “Looped water distribution networks design
itmo genético usando optimización multiobjetivo”. using a resilience index based heuristic approach”.
Universidad Autónoma de Yucatán, Mérida. Yucatán. 2002. Urban Water. 2000.
[11] Pimentel H, Tarso S, Oliveira P, Menezes M. “Optimal [19] Toscano G. “Optimización multiobjetivo usando un
dimensioning model of water distribution systems”. micro algoritmo genético”. Universidad Veracruzana –
Laboratory of Power and Hydraulics Efficiency in LANIA, Veracruz. México. 2001.
Water Supply, ISSN 0378-4738 = Water SA Vol. 35 [20] Vasan A, Simonovic SP. “Optimization of water distri-
No. 4, Federal University of Paraiba, Joao Pessoa, bution network design using differential evolution.”
Paraíba, Brasil. 2009. Journal of Water Resources Planning and
[12] Prasad & Park, “Multiobjective genetic algorithms for Management, 136(2),279–287. 2010.
design of wáter distribution networks. Journal of Water [21] Villalba G, Saldarriaga JG, Takahashi. S “Algoritmos de
Resources Planning and management. 2004. optimización combinatoria aplicados al diseño de redes
[13] Reglamento Nacional de Edificaciones, Norma Técnica OS de distribución de agua potable”. Conferencia
050 Redes de distribución de agua para consumo humano. Internacional del Agua. Zaragoza. 2005.
Decreto Supremo Nº 011-2006-Vivienda. 2006. [22] Xu, C., Goulter, I.C. “Reliability Based Optimal Design
[14] Rodríguez K, Fuentes O, Jiménez M, De Luna F. Diseño of Water Distribution Networks”. Journal of Water
óptimo de redes de distribución de agua potable Resources Planning and Management. 1999.