Epanet Algoritmo Genetico Co

IV SEREA - Seminrio Hispano-Brasileiro sobre Sistemas de Abastecimento Urbano de gua Joo Pessoa (Brasil), 8 a 10 de novembro de 2004
ALGORITMO GENTICO MODIFICADO PARA DISEO DE REDES DE ABASTECIMIENTO DE AGUA Pedro L. Iglesias Rey1; F. Javier Martnez Solano; Vicente S. Fuertes Miquel; Rafael Prez Garca Resumo Los algoritmos genticos son una tcnica de optimizacin empleada para el diseo de redes de abastecimiento de agua. Este trabajo presenta un nuevo algoritmo pseudos gentico modificado (APG). La codificacin de las cadenas se realiza de forma numrica en lugar de una codificacin binaria clsica. El modelo de diseo APG requiere de una serie de caractersticas especiales tanto en su codificacin como en la definicin de las operaciones de mutacin y cruce. El trabajo presenta los resultados del APG sobre diferentes redes referidas en la bibliografa. Los resultados muestran la bondad del mtodo. Asimismo se estudia la influencia que tiene la probabilidad de mutacin y de cruce en el mtodo. Por ltimo, en el estudio de las redes de abastecimiento analizadas se introduce el concepto de fiabilidad. Este concepto es fundamental para comprender la validez de los resultados obtenidos. Abstract Genetic algorithms is an optimization technique for optimization used for the design of water distribution networks. In this paper we present a new algorithm pseudo-genetic modified (APG). Chain coding is made using integer numbers instead of using binary ones. The design model APG needs in its definition some special characteristics, both in coding and in the operations definition for mutation and crossover process. The work presents the results of the APG model over different water networks referred in the literature. The results obtained show the goodness of the method. Likewise its studied the influence of mutation and crossover process in the method. Last, in the study of the water networks analyzed, reliability is introduced. This concept us fundamental for understanding validity of the obtained results. Palavras-chave: algoritmos genticos, diseo, redes, fiabilidad.
Grupo Multidisciplinar de Modelacin de Fluidos Universidad Politcnica de Valencia Camino de Vera s/n Apto 22012 46022 Valencia (Espana). Telefono: +34.963.879.890. Fax: +34.963.877.981. Email: piglesia@gmmf.upv.es
INTRODUCCIN El diseo de sistemas de distribucin de agua pertenece a un cada vez ms amplio grupo de problemas cuya resolucin ptima resulta extremadamente compleja o incluso imposible. En el campo del diseo de redes de abastecimiento de agua, la obtencin de un diseo ptimo utilizando dimetros discretos resulta prcticamente imposible. Algunos investigadores han desarrollado diferentes algoritmos para minimizar los costes de diseo de un sistema de abastecimiento a travs del empleo de tcnicas matemticas tales como la programacin lineal y no lineal y la programacin dinmica. Es bien conocido que cuando se escogen como variables de decisin los dimetros de las conducciones, las restricciones son funciones implcitas de dichas variables de decisin, la regin del espacio de soluciones posibles es de tipo no convexo y la funcin objetivo se vuelve multimodal. En este punto los mtodos tradicionales basados en tcnicas matemticas quedan restringidos a la localizacin de mnimos locales de la funcin que dependen del punto de inicio del proceso de convergencia. La aplicacin de las tcnicas estocsticas de optimizacin tales como los algoritmos genticos (AG) permiten la bsqueda ms all de estos mnimos locales, lo que ampla en muchas ocasiones el campo de bsqueda y por ello la capacidad de obtener mejores soluciones. En este punto cabe destacar algunos trabajos previos relacionados con el tema. Sin duda uno de los primeros modelos de diseo ptimo de redes de abastecimiento es el modelo GAnet (Morley et al 2001) basado en el trabajo previo de Savic y Walters (1997); Matas (2003), Matas (2004), Fujiwara y Khang (1990). Otros modelos tambin de tipo heurstico destacables son los realizados por Cunha y Sousa (1999) y Eussuf y Lansey (2003). Este trabajo muestra el desarrollo de un mtodo de diseo ptimo de redes de abastecimiento de agua basado en el empleo de AG. El objetivo es minimizar los costes de inversin necesarios para la implantacin de un determinado sistema a partir del trazado topolgico y de las demandas y requerimientos de presin en los nudos. El mtodo propuesto difiere de trabajos anteriores en desarrollar un cdigo basado en la utilizacin de cadenas numricas en lugar de cadenas binarias. La diferencia fundamental estriba en la capacidad de adaptarse a los requerimientos de diferentes rangos de valores para cada una de las variables de decisin. METODOLOGA PROPUESTA Las tcnicas basadas en AG hacen uso de las reglas de seleccin natural que guan el proceso evolutivo de los seres vivos. Son tcnicas cuyo objetivo es emular dicho proceso para conseguir una solucin cada vez mejor en la bsqueda por el ptimo. Tradicionalmente han sido mtodos adecuados para problemas formulados en variables binarias y en los que otros mtodos de bsqueda no resultan convenientes. No obstante en este trabajo se introduce una formulacin del problema basndose en una codificacin numrica, no binaria, de la solucin. La mayora de las tcnicas de bsqueda convencionales parten de una solucin factible que se intenta mejorar desplazndose en la direccin que implica una mejora en la funcin objetivo. El diseo de redes de distribucin de agua dificulta notablemente la exploracin completa del espacio de soluciones mediante las tcnicas de optimizacin clsicas. Por ello los AG, basados en la exploracin aleatoria de dicho espacio, resultan adecuados. Para ello es necesario definir unas reglas sencillas de exploracin y cambio entre cada conjunto de soluciones y el siguiente. El carcter aleatorio del mtodo no garantiza una exploracin completa del espacio de soluciones, ni 2
supone garanta alguna de alcanzar un mnimo de la funcin objetivo. No obstante el mtodo ofrece un conjunto de buenas soluciones que intentan mejorarse poco a poco. Los elementos de trabajo de un AG quedan perfectamente definidas tanto el Iglesias y otros (2002) como en Matas (2003). A continuacin se recoge tan solo una breve descripcin de los mismos poniendo nfasis en las adaptaciones realizadas para el algoritmo seudo-gentico (APG) propuesto. Eslabn. El eslabn es la unidad bsica de informacin que adopta un valor binario (0/1). En el mtodo que se propone cada una de las variables de decisin puede tener un rango de soluciones posible diferente; cada eslabn se representa as mediante una variable entera. Esta codificacin supone identificar cada eslabn con una variable de decisin, al contrario de lo que ocurre con los AG. En el caso del diseo de redes de abastecimiento cada eslabn, representado mediante un nmero o letra, recoge la solucin del dimetro de cada una de las lneas (ver Figura 1). Es necesario para ello que exista una codificacin de las variables de decisin como la recogida en la tabla siguiente. Tabla 1. Tabla de codificacin para diseo y rehabilitacin de una red de abastecimiento de agua.
Cdigo variable decisin A B C D E F Sub. 1 D (mm) 100 150 200 250 300 350 Sub. 2 Acciones Mantener tubera Duplicar tubera Rehabilitar tubera Sub. 3 Dvlvula (mm) 60 80 100 150 200 300 Sub. 4 Altura de la bomba Hmin Hmin+025*(Hmax-Hmin) Hmin+050*(Hmax-Hmin) Hmin+075*(Hmax-Hmin) Hmax Sub. 5 Grado apertura vlvula (%) Abierta Cerrada -
En la tabla anterior hay diferentes codificaciones de la variable de decisin, teniendo en cuenta que no todas tienen la misma cantidad de alternativas de decisin. Cada una de ellas debe tener un coste asociado de forma que pueda evaluarse el coste total asociado a cada solucin. Las variables codificadas pueden ser el dimetro a instalar de una tubera (subconjunto 1); las posible rehabilitacin o no de una tubera (subconjunto 2); el dimetro de una vlvula a instalar (subconjunto 3); la altura que debe suministrar una bomba codificada entre su valor mximo Hmx y mnimo Hmin (subconjunto 4) o incluso variables binarias tales como el estado de una vlvula (subconjunto 5). En los ejemplos analizados en este trabajo se ha realizado solo una codificacin tal como la mostrada en el subconjunto 1 de la Tabla 1. Poblacin y cadenas. La cadena es la representacin simblica de una solucin del problema. Est constituida por una serie de eslabones que definen de forma biunvoca una nica solucin del proceso de optimizacin. En el APG el nmero de eslabones que componen una cadena es exactamente igual al nmero de variables de decisin. Para el caso de realizar tan solo el diseo de una red de abastecimiento sin bombeos ni vlvulas los eslabones son la representacin del dimetro que adopta cada conduccin en cada una de las soluciones. La relacin entre la codificacin de una cadena de eslabones binarios y una cadena del APG se pone de manifiesto en la Figura 1. La caracterstica que mide la "bondad" o la capacidad de supervivencia de una determinada cadena (especie) respecto de otras es lo que se conoce como aptitud. En este caso dicha aptitud se ha representado como el coste total asociado a cada una de las posibles soluciones de diseo. 3
Eslabn binario
Figura 1. Definicin de la cadena y eslabones de un algoritmo gentico (AG) y del algoritmo pesudo-gentico propuesto (APG). Para resolver el problema de optimizacin es necesario disponer de un conjunto discreto de posibles soluciones (cadenas). Este conjunto de cadenas es lo que forma la poblacin del AG y tambin del APG. En el APG una cadena X genrica est constituida por un nmero de eslabones igual de variables de decisin (NVD), de forma que la cadena genrica i de una poblacin P se define como un vector de valores numricos
i X i = X1 , X i2 , K , X iN VD
Eslabn numrico
(1)
La aptitud una cadena genrica Xi se identifica a travs del valor que adopta la funcin objetivo para la solucin codificada. En el caso del APG propuesto para diseo de redes de abastecimiento de agua dicha funcin objetivo se define como F Xi =
( ) C (X ) L
N VD j=1 j i j
j + k ,s (H min,k H k ,s ) s =1 k =1
NS N R
(2)
En la expresin (2) Cj es el coste unitario asociado al valor de la variable de decisin contenida en el eslabn j de la cadena i; y Lj es la longitud de conduccin de la tubera j. Asimismo como en cualquier problema de optimizacin existen NR restricciones impuestas que deben cumplir las posibles soluciones del problema. La forma de incluir estas restricciones es mediante una penalizacin en el coste total de la solucin que afecta posteriormente a la aptitud de la cadena. Las restricciones que debe cumplir un proceso de diseo es satisfacer las restricciones de altura de presin mnima (Hmin,k) en cada nudo k. Estas restricciones deben verificarse en todos los escenarios NS analizados, que usualmente son el funcionamiento normal del sistema y su funcionamiento bajo el escenario de fallo de alguna de las conducciones. La funcin penalizacin representa la diferencia entre la altura piezomtrica del nudo k en el escenario s (Hk,s) y la altura mnima requerida (Hmin,k). Para computar dicha penalizacin se definen dos variables. Una de ellas (k,s) es una variable binaria que adopta el valor 1 si Hk,s < Hmin,k y adopta valor nulo en caso contrario. La otra () representa una funcin de peso que establece el valor de la penalizacin por no verificarse las restricciones de presin mnima en los nudos. El mtodo de los APG propuesto pretende la evolucin de una poblacin inicial aleatoria mediante un paralelismo similar a las leyes de la seleccin natural, tal como ocurre con los AG clsicos (Matas, 2003; Iglesias y otros, 2002). Esto se consigue mediante tres procesos bsicos: la reproduccin, el cruce y la mutacin. Proceso de reproduccin. La reproduccin es un proceso consistente en seleccionar de entre las NC cadenas de la poblacin P, aquellas que sobrevivirn en la siguiente generacin. Existen muchos mtodos de reproduccin de cadenas en AG (Matas 2003). De entre ellos para el desarrollo del APG se ha seleccionado el mtodo de reproduccin constante. Este mtodo asigna a cada una de las cadenas de la poblacin una probabilidad de seleccin para formar parte de la siguiente generacin. Dicha 4
probabilidad depende del orden segn el coste de la cadena dentro de la poblacin, y debe estar comprendida entre una probabilidad mxima pmx, asociada al individuo de coste menor, y una probabilidad mnima, asociada a la solucin de coste mayor. Ambas probabilidades se definen como 2 p max = p min = (3) NC NC donde es una constante que debe estar entre 15 y 2. De acuerdo con este mtodo para una cadena genrica i su probabilidad de seleccin es N i p i = p min + (p max p min ) C (4) NC 1 Las posibilidades de cada una de las cadenas de reproducirse en la siguiente generacin se determinan en funcin del producto de la probabilidad pi por el nmero de cadenas NC. Si dicho producto es mayor o igual que 15 la cadena se duplica; si est entre 05 y 15 la cadena se mantiene; y si es inferior a 05 la cadena se elimina de la siguiente generacin. La Tabla 2 recoge el proceso de reproduccin constante de la poblacin hipottica de 16 cadenas de la Figura 2. En las dos primeras columnas se recoge la cadena y el valor de la funcin objetivo asociada a cada una de ellas. En las primeras filas se recogen los valores de la constante y las probabilidades asociadas a los individuos ms caro y ms barato. En el resto de columnas aparece para cada valor de los valores de la probabilidad de cada cadena pi, el producto pi*NC y el nmero de copias de la cadena en cuestin que estarn en la siguiente generacin. Tabla 2. Nmero de individuos en la siguiente generacin en el mtodo de la reproduccin constante en funcin de la constante .
Constante pmx pmin Cadena Valor 1 36 2 327 3 799 4 1640 5 3569 6 4711 7 5363 8 7713 9 10020 10 13952 11 14939 12 15346 13 15747 14 16450 15 18735 16 19822 1,6 0,1000 0,0250 pi*NC Indiv. 1,60 2 1,52 2 1,44 1 1,36 1 1,28 1 1,20 1 1,12 1 1,04 1 0,96 1 0,88 1 0,80 1 0,72 1 0,64 1 0,56 1 0,48 0 0,40 0 1,7 0,1063 0,0188 pi*NC Indiv. 1,70 2 1,61 2 1,51 2 1,42 1 1,33 1 1,23 1 1,14 1 1,05 1 0,95 1 0,86 1 0,77 1 0,67 1 0,58 1 0,49 0 0,39 0 0,30 0 1,8 0,1125 0,0125 pi*NC Indiv. 1,80 2 1,69 2 1,59 2 1,48 1 1,37 1 1,27 1 1,16 1 1,05 1 0,95 1 0,84 1 0,73 1 0,63 1 0,52 1 0,41 0 0,31 0 0,20 0 1,9 0,1188 0,0063 pi*NC Indiv. 1,90 2 1,78 2 1,66 2 1,54 2 1,42 1 1,30 1 1,18 1 1,06 1 0,94 1 0,82 1 0,70 1 0,58 1 0,46 0 0,34 0 0,22 0 0,10 0
pi 0,100 0,095 0,090 0,085 0,080 0,075 0,070 0,065 0,060 0,055 0,050 0,045 0,040 0,035 0,030 0,025
pi 0,106 0,100 0,095 0,089 0,083 0,077 0,071 0,065 0,060 0,054 0,048 0,042 0,036 0,030 0,025 0,019
pi 0,113 0,106 0,099 0,093 0,086 0,079 0,073 0,066 0,059 0,053 0,046 0,039 0,033 0,026 0,019 0,013
pi 0,119 0,111 0,104 0,096 0,089 0,081 0,074 0,066 0,059 0,051 0,044 0,036 0,029 0,021 0,014 0,006
El proceso de reproduccin empleado en cualquier AG tiene influencia sobre la eficacia del mismo. De la misma forma el mtodo de reproduccin influye en el APG descrito. El objeto de este trabajo es poner de manifiesto la utilidad del mtodo y no realizar un estudio en detalle del mtodo de reproduccin ms adecuado. Por ello se ha seleccionado uno de los mtodos ms empleados en el diseo de redes de distribucin de agua mediante AG y se ha 5
extrapolado su uso para el APG. El resultado del proceso de reproduccin de la poblacin genrica de la Tabla 2 queda esquematizado en la Figura 2.
399 536 A569ac F983 B8 39 C395 D5335 E6906 15747 16450 10020 3 obc F A 36 D C Bu Objetivo esu ta te ca
Figura 2. Proceso de reproduccin en un algoritmo gentico. Proceso de cruce. El proceso de cruce consiste en emparejar aleatoriamente las cadenas de la poblacin intermedia y realizar un cambio de los distintos eslabones a partir de un cierto eslabn de cruce, determinado de forma aleatoria. De esta forma uno de los parmetros caractersticos de un AG es el nmero de cadenas que se cruzan entre s, que est definido por lo que se conoce como probabilidad de cruce pc. La Figura 3 representa el proceso de cruce de dos cadenas genricas i y j.
Cadena i 1 1 1 0 1 0 1 1 0 1 Cadena j 1 0 0 0 0 0 1 1 1 0
Bslabn jde cruce F A E C D B Cadena i
Eslabn de cruce
Cadena i 1 1 1 0 1 0 1 1 1 0
Cadena j 1 0 0 0 0 0 1 1 0 1
Figura 3. Proceso de cruzamiento en un algoritmo gentico.
Figura 4. Proceso de cruzamiento del APG.
Una de las caractersticas fundamentales del APG est el efecto generado al cruzar diferentes cadenas entre s. Si la codificacin es binaria y se realiza el cruce (Figura 3) la seleccin aleatoria del eslabn de cruce determina el punto donde se trocean las cadenas para cruzarlas entre s. Esto puede originar la fraccin del cdigo binario que identifica una de las posibles variables de decisin. En el caso de implementar el APG (Figura 4) la seleccin de un eslabn de cruce no genera este efecto. Por ello la utilizacin de los APG genera menos posibilidad de cambio en las soluciones finales que los AG clsicos. Este hecho origina, tal como se muestra con posterioridad, que sea necesario introducir cambios en las cadenas mediante el siguiente de los procedimientos: la mutacin.
Proceso de mutacin. El proceso de mutacin se aplica a la poblacin intermedia obtenida tras el proceso de reproduccin y de cruce. En un AG (ver Figura 5) es un proceso que consiste en transponer el valor binario de eslabones aislados: si su valor es 0 pasa a ser 1 y viceversa. La utilidad del proceso es ampliar las zonas de bsqueda dentro del espacio de soluciones factibles. Para evitar que el cambio de uno solo de los bits de una cadena genere un gran cambio en la variable de decisin que afecta normalmente suele emplearse en los AG la codificacin de Gray. Esta codificacin (ver ejemplo en la Tabla 3) tiene como principio que el cambio en nico bit genera tan solo un aumento o disminucin en la representacin del dimetro, cosa que en el cdigo binario no ocurre. Tabla 3. Valores del cdigo binario y del cdigo Gray para un conjunto de 8 dimetros candidatos.
Nmero Dimetro A B C D E F G H
Cadena i
Dimetro Interior (mm) 100 125 150 200 250 300 350 400
Cdigo Binario 000 001 010 011 100 101 110 111
Cadena i
Cdigo Gray 000 001 011 010 110 111 101 100
1 1 1 0 1 0 1 1 0 1 Eslabn de mutacin
Eslabn de mutacin Cadena i
Cadena i
1 1 1 0 1 0 1 1 1 0
Figura 5. Proceso de mutacin de un AG y de un APG. En el caso del APG se representa el comportamiento de la mutacin de los AG que emplean un cdigo Gray. As, una vez determinado el eslabn de mutacin se determina aleatoriamente si dicho bit debe incrementarse o decrementarse. De esta forma se determina el valor del eslabn en la siguiente generacin. El proceso de cruce introduce menos modificaciones en el APG que en el AG. Por ello el proceso de mutacin debe suplir esa capacidad para generar alternativas nuevas. Adems cada uno de los eslabones tiene una amplia cantidad de valores. Estos dos motivos provocan que la probabilidad de mutacin en el APG sea superior a la empleada en los AG. En los prximos apartados se centra el estudio en la capacidad del APG propuesto de obtener soluciones iguales o incluso mejores de las existentes para las mismas redes. Se analizan as diferentes redes de abastecimiento y se estudia el valor mnimo del coste de diseo de las mismas. Posteriormente, se realiza un estudio ms intensivo de la influencia que los diferentes parmetros tienen sobre la solucin final. En cada uno de los clculos es necesario determinar las presiones en nudos y caudales en lneas. Estos clculos se realizan meditante el modelo EPANET, cuyo detalle puede seguirse en Iglesias y otros (2004) o en Rossman (2002). La edicin y manejo de la informacin de las diferentes redes se ha realizado mediante el modelo SARA desarrollado en el Grupo Multidisciplinar de Modelacin de Fluidos de la Universidad Politcnica de Valencia y cuyos fundamentos pueden seguirse en Iglesias (2001). 7
LA RED DE ASPEROVITS Y SHAMIR. La red propuesta por Asperovits y Shamir (1977) consta de dos mallas, 6 nudos de consumo, 8 conducciones y un nico punto de alimentacin (Figura 6). Se trata de una red clsica para la verificacin de modelos de diseo de redes de abastecimiento de agua. El tamao reducido de esta red permite una gran agilidad y velocidad de los clculos, por lo que permite extraer unas conclusiones iniciales interesantes de los resultados que de la misma se obtienen. Los datos de los nudos y de la gama de dimetros con la que se realiza en clculo se recogen respectivamente en la Tabla 4 y en la Tabla 5. Tabla 4. Datos de los nudos de la red de 2 mallas.
Nudo P1 N2 N3 N4 N5 N6 N7 Datos de los Nudos Pmnima Caudal Cota (m) (mca) (m3/h) 210 -1120 0 150 100 30 160 100 30 155 120 30 150 270 30 165 330 30 160 200 30
P1 Lnea 1 N7 5 N5 3 N3 2 N6 8 N4 7 N2 6 Lnea
Tabla 5. Tabla de dimetros para diseo de la red de 2 mallas.

Tabla de dimetros N Diam Coste Dimetro (mm) (um/m) A 254 2 B 508 5 C 762 8 D 1016 11 E 1524 16 F 2032 23 G 2540 32
Figura 6. Red de 2 mallas. Para realizar el diseo se admite que todas las conducciones son de 1000 metros de longitud y que el coeficiente de HazenWillliams es 130.
Savic y Walters (3) D (mm) 4572 2540 4064 1016 4064 2540 2540 254 419.000 Cunha y Sousa (4) D (mm) 4572 2540 4064 1016 4064 2540 2540 254 419.000 APG Fiab. (6) D (mm) 5080 5080 4572 4064 3556 3556 4572 3556 870.000
Tabla 6. Comparativa de resultados de diseo de la red de Asperovist y Shamir.

Kessler y Shamir (1) 1 2 3 4 5 6 7 8 Coste L (m) 1000 66 934 1000 713 287 836 164 109 891 819 181 920 80 D (mm) 457,2 304,8 254,0 406,4 76,2 50,8 406,4 355,6 304,8 254,0 254,0 203,2 76,2 50,8 417.500 Eiger et al (2) L (m) 1000 238,02 761,98 1000 1000 682,86 317,14 989,05 10,95 921,86 78,14 1000 D (mm) 457,2 304,8 254,0 406,4 25,4 406,4 355,6 254,0 203,2 254,0 203,2 25,4 403.968 APG (5) D (mm) 4572 2540 4064 1016 4064 2540 2540 254 419.000
(1)
(2)
(3) (4) (5) (6)
Resultados obtenidos mediante Kessler y Shamir (1997) utilizando dimetros discretos pero contemplando la posibilidad de dividir la longitud de conduccin en dos tramos. Resultados de Eiger et al (1994) con las mismas restricciones que en (1) pero considerando como posibilidad que el dimetro mnimo de las conducciones fuese 254 mm. Resultados obtenidos por Savic y Waters (1997) mediante algoritmos genticos. Resultados de Cunha y Sousa (1999) mediante una tcnica heurstica de recocido simulado. Resultados obtenidos con el APG propuesto sin considerar la fiabilidad del sistema. Resultados obtenidos con el APG considerando la fiabilidad del sistema.
El resultado obtenido como ptimo mediante el modelo APG de diseo ofrece una solucin cuyo coste es 419.000 unidades monetarias. En la Tabla 6 se recogen los resultados obtenidos del diseo de la misma red por diferentes autores bien utilizando dimetros discretos, bien utilizando la posibilidad de que una tubera se divida en dos tramos de dimetro diferente. Se recoge tambin el resultado de otro estudio de tipo heurstico no directamente relacionados con los AG, como el estudio de Cunha y Sousa. Del anlisis de los resultados se pueden extraer las siguientes conclusiones: Aquellos mtodos de diseo que suponen dimetros discretos y nicos por lnea obtienen los mismos resultados. Es posible encontrar soluciones ms baratas que las obtenidas mediante el mtodo APG, si bien tan solo en el caso de considerar la posibilidad de dos tramos de dimetro por lnea. Excepto la primera solucin propuesta por Kessler y Shamir (1997) el resto supone la inclusin de una conduccin de dimetro pequeo. Esto se debe a que la tendencia natural del ptimo es construir una red ramificada donde las mallas acaban cerrndose con dimetros iguales o similares al menor de los disponibles en la tabla de dimetros. En este sentido el caso ms significativo es la tubera 8 que en el diseo ptimo tiene una solucin de DN 1 (254 mm). En el caso de que hubiese un dimetro menor en la lista de dimetros probablemente hubiese sido ste el seleccionado. Adems en el caso de eliminar la tubera 8 el coste mnimo obtenido es 417.000, exactamente el equivalente a descontar el coste de la tubera 8 (2.000 unidades) del coste mnimo obtenido con el APG.
El anlisis de las soluciones de la tabla plantea una cuestin fundamental: qu ocurrira con cualquiera de estas soluciones si hubiese una rotura o avera en una de las conducciones? La respuesta es sencilla: no se verificarn las restricciones de presin mnima en los nudos. Esto entra en contradiccin con el diseo de una red mallada, donde el trazado de la red trata de garantizar el suministro en caso de fallo. Esto hace que los costes de diseo aumenten. En caso contrario las redes obtenidas no verifican las condiciones de una red mallada, por lo que resultara ms econmico haber diseado ramificada. En la ltima columna de la Tabla 6 se recoge una solucin obtenida mediante el APG, incluyendo la opcin de considerar la fiabilidad del sistema. Para ello se prueba la rotura de cada una de las conducciones del sistema que constituyen una malla y se verifica que en ese caso tambin se verifiquen las presiones mnimas requeridas. Los resultados obtenidos son dimetros superiores, fundamentalmente en aquellas lneas que en el diseo inicial presentaban dimetros menores. El coste total supone un incremento de ms del 100% para alcanzar un coste total de 870.000 unidades monetarias.
LA RED LAS TORRES DE HANOI. La red propuesta de la Torres de Hanoi fue propuesta por Fujiwara y Khang (1990) y consta de 3 mallas, 32 nudos de consumo, 34 conducciones y un nico punto de alimentacin (Figura 7). Al tratarse de una red de tamao importante y con un trazado real existen en la bibliografa diferentes soluciones obtenidas con modelos de diseo distintos. Los datos de nudos y lneas, as como la gama de dimetros con la que se realiza en clculo se recogen respectivamente en las tablas siguientes.
13 17 8 7 6 2 22 21 30 24 18 19 14 31 25 32 P1 1 12 11 8 9 10 34 12 16 13 15 1 9 27 26 33 59 23 28 29 44 30 20 11 23 6 5
Tabla 7. Datos de las lneas de la red de las Torres de Hanoi.

Lnea 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Longitud (m) 100 1350 900 1150 1450 450 850 850 800 950 1200 3500 800 500 550 2730 1750 Lnea 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 Longitud (m) 800 400 2200 1500 500 2650 1230 1300 850 300 750 1500 2000 1600 150 860 950
Figura 7. Red de las Torres de Hanoi. Tabla 8. Datos de los nudos de la red de las Torres de Hanoi.
Nudo 1 2 3 4 5 6 7 8 9 10 Cota (m) 100 0 0 0 0 0 0 0 0 0 Caudal (m3/h) -750 890 850 130 725 1005 1350 550 525 525 Pmnima (mca) 0 30 30 30 30 30 30 30 30 30 11 12 13 14 15 16 17 18 19 20 21 22 0 0 0 0 0 0 0 0 0 0 0 0 500 560 940 615 280 310 865 1345 60 1275 930 485 30 30 30 30 30 30 30 30 30 30 30 30 23 24 25 26 27 28 29 30 31 32 0 0 0 0 0 0 0 0 0 0 1045 820 170 900 370 290 360 360 105 805 30 30 30 30 30 30 30 30 30 30
Tabla 9. Gama de dimetros para el diseo de la red de las Torres de Hanoi.

N Dimetro Diam (mm) Coste (um/m) A 3048 45726 B 4064 70400 C 5080 98387 D 6096 129333 E 7620 180748 F 10160 278280
10
Uno de los aspectos que contribuye a definir la solucin ptima de una red de abastecimiento de agua es el nmero de dimetros candidatos. En los resultados presentados en la Tabla 10 se ha empleado la tabla de dimetros de la Tabla 9. Algunas de las soluciones dan como resultado los valores extremos del intervalo seleccionado. En cualquier proceso de optimizacin este hecho es indicativo de una inadecuada seleccin del intervalo de soluciones posibles, siendo necesario ampliar dicho intervalo. Para poner esto de manifiesto se ha realizado un estudio sobre la red de Hanoi donde se ha ampliado el nmero de dimetros candidatos (ver Tabla 11). El empleo de esta gama de dimetros conduce a una solucin cuyo coste (es notablemente inferior a las soluciones obtenidas tanto en la bibliografa como en las simulaciones realizadas con el modelo de APG. Los resultados se recogen en la Figura 12. Tabla 10. Comparacin de las soluciones obtenidas para la red de las Torres de Hanoi.
Lnea 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 Coste (miles um) Matas 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 609,6 609,6 508 406,4 304,8 304,8 406,4 609,6 609,6 1016 508 304,8 1016 762 762 508 304,8 304,8 406,4 304,8 304,8 406,4 406,4 609,6 6.093
(1)
(1) (2)
Soluciones bibliografa Savic1(2) Savic2(3) Cunha(4) 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 1016 1016 762 762 762 762 609,6 609,6 609,6 609,6 609,6 406,4 508 508 406,4 406,4 406,4 304,8 304,8 304,8 406,4 304,8 304,8 508 406,4 406,4 609,6 508 508 609,6 508 508 1016 1016 1016 508 508 508 304,8 304,8 304,8 1016 1016 1016 762 762 762 762 762 762 508 508 508 304,8 304,8 304,8 304,8 304,8 304,8 406,4 406,4 406,4 406,4 406,4 304,8 304,8 304,8 304,8 304,8 304,8 406,4 406,4 406,4 406,4 508 508 609,6 6.187 6.073 6.056
Sol 1 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 609,6 609,6 508 406,4 304,8 304,8 406,4 609,6 508 1016 508 304,8 1016 762 762 508 304,8 304,8 406,4 304,8 304,8 406,4 406,4 609,6 6.081
Soluciones obtenidas(5) Sol 2 Sol 3 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 762 609,6 609,6 609,6 609,6 508 508 406,4 304,8 304,8 304,8 304,8 304,8 406,4 406,4 508 609,6 609,6 508 1016 1016 508 508 304,8 304,8 1016 1016 762 762 762 762 508 508 406,4 406,4 304,8 304,8 406,4 406,4 406,4 304,8 304,8 304,8 406,4 304,8 406,4 508 508 609,6 6.096 6.097
Sol 4 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 609,6 609,6 508 406,4 304,8 304,8 406,4 609,6 508 1016 508 304,8 1016 762 762 508 304,8 304,8 406,4 406,4 304,8 304,8 406,4 508 6.097
Solucin obtenida de los trabajos de Matas (2003). Solucin obtenida por Savic y Walters (1997). (3) Solucin obtenida por Savic y Walters (1997), sin cumplir las restricciones de presin en los nudos. (4) Solucin obtenida mediante el mtodo heurstico de Cunha y Sousa (1999). Tal como se verifica en Eusuf y Lansey (2003) esta solucin no cumple la restriccin de presin mnima 11
(5)
en todos los nudos. Soluciones 1, 2 3 y 4 del mtodo desarrollado. Corresponden a las 4 mejores soluciones obtenidas. Se destacan los dimetros que son diferentes respecto de la solucin propuesta por Savic y Waters que verifica las restricciones de presin en los nudos. Tabla 11. Nuevos dimetros candidatos para la red de Hanoi.
N Dimetro Diam (mm) Coste (um/m)
A 101,6 8,8
B 152,4 16,17
C 203,2 24,89
D 254 34,79
E 304,8 45,73
F 406,4 70,4
G H I J K L 508 609,6 762 1016 1270 1524 98,39 129,33 180,75 278,28 388,91 511,23
Tabla 12. Comparacin de soluciones obtenidas con la metodologa propuesta con diferentes rangos de dimetros para la red de las Torres de Hanoi.
Lnea 1 2 3 4 5 6 7 8 9 10 11 Nueva Sol 1 D (mm) D (mm) 1270 1016 1270 1016 1016 1016 1016 1016 1016 1016 1016 1016 762 1016 762 1016 762 1016 609,6 762 609,6 609,6 12 13 14 15 16 17 18 19 20 21 22 23 24 508 508 406,4 406,4 101,6 406,4 406,4 508 1016 406,4 254 762 762 609,6 508 406,4 304,8 304,8 406,4 609,6 508 1016 508 304,8 1016 762 25 26 27 28 29 30 31 32 33 34 Coste (miles um) 609,6 406,4 203,2 254 406,4 304,8 101,6 254 406,4 508 5.201 762 508 304,8 304,8 406,4 304,8 304,8 406,4 406,4 609,6 6.081
En la tabla anterior destacan en sombreado las soluciones diferentes segn el rango de dimetros seleccionado. El anlisis con detalle de esta tabla permite destacar dos aspectos: El aumento del rango de dimetros permite obtener dimetros mayores (1260 mm) a los obtenidos inicialmente (1016 mm). La ampliacin del rango de dimetros candidatos hacia dimetros menores genera la posibilidad de que se obtengan redes claramente ms baratas ya que su trazado se aproximada a una red ramificada cerrndose las mallas mediante dimetros mnimos. Este hecho se haba puesto ya de manifiesto al analizar la red de 2 mallas. Los problemas asociados a los dimetros mnimos de la gama de dimetros con la que se disea la red de abastecimiento de agua quedan soslayados parcialmente al introducir el concepto de fiabilidad de la red. Sobre la red analizada se ha utilizado el APG para disear la red introduciendo el concepto de fiabilidad. Los resultados que se obtienen de la mejor solucin de diseo en el caso de fiabilidad se recogen en la tabla 13. En esta tabla se recogen de forma comparativa los resultados del diseo contemplando la fiabilidad del sistema en caso de rotura respecto de la solucin inicial del APG con las mismas restricciones que en el resto de estudios de la bibliografa y el diseo ampliando la gama de dimetros candidatos que pueden instalarse en cada tubera. Tabla 13. Comparacin de soluciones obtenidas con la metodologa propuesta incluyendo la posibilidad de introducir el concepto de fiabilidad en la red de las Torres de Hanoi.
Lnea 1 2 3 Sin Fiab. D (mm) 1270 1270 1016 Con Fiab. D (mm) 1270 1270 1016 Sol 1 D (mm) 1016 1016 1016 4 5 6 7 8 1016 1016 1016 762 762 1016 1016 762 762 762 1016 1016 1016 1016 1016
12
9 10 11 12 13 14 15 16 17 18 19 20 21 22
762 609,6 609,6 508 508 406,4 406,4 101,6 406,4 406,4 508 1016 406,4 254
762 609,6 609,6 508 1016 762 1016 1016 1016 1016 1016 1016 609,6 406,4
1016 762 609,6 609,6 508 406,4 304,8 304,8 406,4 609,6 508 1016 508 304,8
23 24 25 26 27 28 29 30 31 32 33 34 Coste (miles um)
762 762 609,6 406,4 203,2 254 406,4 304,8 101,6 254 406,4 508 5.201
1016 762 1016 1016 1016 1016 508 508 508 304,8 406,4 406,4 8.068
1016 762 762 508 304,8 304,8 406,4 304,8 304,8 406,4 406,4 609,6 6.081
A diferencia de lo que ocurra en la red de Asperovits y Shamir el incremento de coste en la solucin con fiabilidad respecto de la solucin sin fiabilidad no es tan grande. Esta diferencia se hace tanto menor conforme mayor es el tamao de la red de distribucin que se disea. Conviene recordar que no incluir el concepto de fiabilidad supone no verificar las presiones mnimas requeridas en caso de rotura o fallo de una de las conducciones. El anlisis de la solucin fiable permite notar que los dimetros mayores estaban ya presentes en la solucin no fiable. Por el contrario aquellos dimetros que eran de tamao menor en la solucin no fiable deben ser mayores en la solucin fiable, para asumir una mayor capacidad de transporte en caso de rotura o fallo. ANLISIS ESTADSTICO DE LOS RESULTADOS OBTENIDOS MEDIANTE EL APG Una de las caractersticas fundamentales tanto de los AG como del APG es el comportamiento aleatorio del sistema. No solo no existe certeza en obtener el ptimo del sistema, sino que adems puede existir cierta variacin de los resultados debidos a la aleatoriedad del proceso. Por ello en este apartado se analiza el comportamiento estadstico que presentan las soluciones del APG propuesto cuando se realiza sucesivas veces manteniendo los mismos parmetros o variando tan solo alguno de ellos. Para analizar este comportamiento estadstico del APG se han realizado ms de 5000 simulaciones diferentes de la red de las Torres de Hanoi mediante el modelo de diseo propuesto. Los parmetros modificados han sido la probabilidad de mutacin y la probabilidad de cruce. La poblacin se ha mantenido constante en todo momento en 100 cadenas. La interpretacin inicial de los resultados se realiza mediante la representacin del histograma y el grfico de probabilidad acumulada de las soluciones obtenidas (Figura 8). Esto permite detectar las soluciones ms frecuentes e incluso determinar la probabilidad de obtener una solucin mejor a una dada. Hay que tener en cuenta que el histograma representa la totalidad de costes obtenidos variando la probabilidad de mutacin y de cruce. Por ello los valores correspondientes al coste mnimo tan solo se obtienen para determinados valores de dichas probabilidades y de ah que su frecuencia no sea elevada.
13
10,00% 9,00% 8,00% 7,00% 6,00% 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% 6.081 6.111 6.142 6.172 6.202 6.232 6.263 6.293 6.323 6.353 6.383 6.414 6.444 6.474 6.504 6.535 6.565 6.595 6.625 6.656 6.686 6.716 6.746 6.776 6.807 6.837 6.867 6.897 6.928 6.958 6.988 7.018
100,00% 90,00% 80,00% 70,00% 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00%
Frecuencia Soluciones Probabilidad Acumulada
Probabilidad
Miles (UM)
Figura 8. Diagrama de frecuencias y probabilidad acumulada de las diferentes soluciones obtenidas del problema. Para determinar la influencia que tienen la probabilidad de mutacin y de cruce en la obtencin del valor mnimo de coste se adoptado como valor ptimo de diseo la solucin que corresponde a un coste de 6.081 miles de unidades monetarias (ver Tabla 10). Fijado este valor se analiza para cada combinacin de los valores de la probabilidad de mutacin y cruce, la probabilidad de que el mtodo APG obtenga el ptimo. La representacin de esta tasa de xito en la obtencin del mnimo se representa en la Figura 9. En ella se pone de manifiesto que existen combinaciones de valores de la probabilidad de mutacin y de cruce que no generan nunca un valor ptimo. La tasa de xito mxima en la obtencin del ptimo se obtiene aproximadamente para una probabilidad de mutacin de 3-4% y una probabilidad de cruce del 30-40%.
Tasa de Exito
0,9 0,8 0,7 0,6 0,5 0,4 12,00% 11,00% 10,00% 9,00% 8,00% 7,00% 6,00% 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% 0,3 0,2 0,02 0,03 0,05 0,06 0,07 0,08 0,09
Probabilidad de Cruce
0,04
Probabilidad de Mutacin
0,1 0,005
0,01
Figura 9. Probabilidad de obtencin del mnimo respecto de la probabilidad de mutacin y de cruce. 14
Probabilidad acumulada
Tasa de xito
0,9 0,8 0,7 0,6 0,5 0,4
60,00% 55,00% 50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00%
0,3 0,2 0,02 0,03 0,05 0,06 0,07
0,08
0,09
0,04
0,1 0,005
0,01
Figura 10. Probabilidad de obtener una solucin buena respecto de la probabilidad de mutacin y de cruce. Una de las caractersticas de los AG en general y del APG propuesto en particular es la capacidad de obtener no solo un valor ptimo, sino de obtener un conjunto de buenas soluciones del problema de diseo. En este trabajo se define como buena solucin aquella cuyo coste asociado presenta una diferencia respecto del valor ptimo inferior al 1%. As, en la Figura 10 se recoge la probabilidad de obtener una solucin buena para cada combinacin de valores de la probabilidad de mutacin y de la probabilidad de cruce. Este grfico muestra unos valores de la tasa de xito mayores a los que recoga la Figura 9, lo que muestra la capacidad del mtodo no solo de obtener valores mnimos, sino tambin de obtener con relativa frecuencia valores muy cercanos al ptimo definido. Los resultados recogidos en las figuras anteriores marcan de forma muy clara aquellos valores de la probabilidad de cruce y mutacin ms adecuados para el proceso de diseo. No obstante, para analizar la influencia con detalle que tienen estos parmetros se realizan tres tipos de anlisis ms detallados todos ellos en funcin de los parmetros estudiados. Estos estudios de varianza son: Varianza de la tasa de xito en la obtencin del valor seleccionado como ptimo del proceso de diseo (Figura 11). Los valores se recogen como valores medios de la tasa de xito con unos lmites de confianza del 95%. Varianza de la tasa de xito en la obtencin de buenas soliciones (Figura 12). Al igual que ocurre con el estudio anterior se recogen tambin valores medios de la tasa de xito con los mismos lmites de confianza. Estudio de varianza del valor medio obtenido por la totalidad de los casos analizados. En este caso se recogen tanto los estudios de valores medios con intervalos de confianza del 95% (Figura 14) como los grficos Box-Whisler de dicho coste medio (Figura 13).
15
0,08 0,06
0,03
0,02
0,04 0,02 0 0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,01
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Figura 11. Valores medios de la tasa de xito en la obtencin del mnimo con un margen de tolerancia del 95% en funcin de las probabilidades de mutacin y de cruce.
0,25 0,2 0,15 0,1 0,05 0 0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,15 0,12 0,09 0,06 0,03 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Figura 12. Valores medios de la tasa de xito en la obtencin de buenas soluciones con un margen de tolerancia del 95% en funcin de las probabilidades de mutacin y de cruce.
(X 1,E6) 7,2 7
(X 1,E6) 7,2 7 6,8
Coste
6,8 6,6 6,4 6,2 6 0,005 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
Coste
6,6 6,4 6,2 6 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Figura 13. Grfico box-whisler del coste medio obtenido en cada caso frente a las probabilidades de mutacin y de cruce.
(X 100000) 65 64,5 (X 100000) 65 64,5
Coste
Coste
64 63,5 63 62,5 62 0.0050.01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
64 63,5 63 62,5 62 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Figura 14. Valores medios del coste con un margen de tolerancia del 95% en funcin de la probabilidad de mutacin y de cruce. 16
Por ltimo se han realizado algunos estudios de la capacidad de convergencia hacia la solucin final de diseo del APG. Aunque las variaciones de convergencia son notables, puede afirmarse que la convergencia del APG durante las primeras iteraciones es mayor. En un nmero de iteraciones (generaciones) sensiblemente menor el APG es capaz de encontrarse en las proximidades de una buena solucin. La Figura 15 recoge dos simulaciones caractersticas de la convergencia de un AG con codificacin binaria y del APG de codificacin numrica propuesto.
1.000.000.000,00 Algoritmo Pseudo-Gentico Algoritmo Gentico
100.000.000,00
COSTE TOTAL
10.000.000,00
1.000.000,00 0 200 400 600 800

N GENERACIN
1000
1200
1400
Figura 15. Convergencia comparativa entre el AG de codificacin binaria y el APG propuesto. CONCLUSIONES El modelo de diseo mediante algoritmos genticos propuesto (APG) tiene una serie de caractersticas diferentes a los algoritmos clsicos implementados hasta el momento: La codificacin numrica simplifica la definicin del problema, ya que cada eslabn corresponde a una de las variables de decisin objeto de optimizacin. El mtodo propuesto permite que cada eslabn tenga un nmero variable de estados alternativos de la variable, no reducindose a nicamente dos estados. El APG presenta genera resultados ptimos al menos tan buenos como los obtenidos por otros autores sobre las mismas redes de abastecimiento. En algunos casos los resultados obtenidos son mejores. El anlisis estadstico permite estudiar la tasa de xito tanto de obtencin del valor mnimo como de obtencin de soluciones que difieren del mnimo una cantidad inferior al 1%. En el APG con el mtodo de reproduccin constante no presenta una sensibilidad especial respecto de la probabilidad de cruce. Respecto de la probabilidad de mutacin sta debe estar aproximadamente en 1 eslabn por cada cadena, lo que para el caso analizado de la red de las Torres de Hanoi se traduca en un 3% de probabilidad. Por ltimo, parece que la convergencia hacia soluciones finales, y por tanto el tiempo de clculo necesario es inferior a los mtodos basados en AG clsicos.
17
En definitiva, el modelo APG propuesto parece vlido para el diseo de redes de abastecimiento de agua. No obstante, deben ajustarse sus parmetros para diseos en los cuales se tenga en cuenta el criterio de fiabilidad. La consideracin de este factor en el diseo de redes de abastecimiento de agua modifica notablemente las soluciones obtenidas y probablemente los parmetros de los AG necesarios para el diseo en estas circunstancias pudiesen verse modificados. Sin duda un estudio estadstico en profundidad sobre el diseo fiable podra alumbrar algunas de las sombras que en la actualidad existen. AGRADECIMIENTOS El desarrollo de este trabajo ha sido posible gracias el Ministerio de Ciencia y Tecnologa de Espaa, quin ha financiado el proyecto de investigacin titulado Desarrollo de una herramienta para modelacin de sistemas de abastecimiento de agua utilizando sistemas de informacin geogrfica y algoritmos genticos (MAGIAS), cuyo detalle puede verse en Iglesias (2003). REFERENCIAS BIBLIOGRFICAS ASPEROVITS, E. y SHAMIR, U. (1977). Design of Optimal Water Distribution Systems. Water Resources Research, Vol 12 n 6, 885-900. CUNHA, M.C.; SOUSA, J. (1999) Water distribution networks design optimization: simulated annealing approach. Journal of Water Resources Planning and Management. July/August 1999. pp. 215 221. EIGER, G.; SHAMIR, U.; BEN-TAL, A. (1994). Optimal design of water distribution ystems. Water Resources Research. Vol 30. n 9. pp. 2637-2646. EUSUFF, M.,; LANSEY, K.E. (2003). Optimization of the water distribution network design using the shuffled frog leaping algorithm. Journal of the Water Resources Water and Management. May/June 2003. pp. 210-225. FUJIWARA, O. y KHANG, D.B. (1990). A two-phase Decomposition Method for Optimal Design of Looped Water Distribution Networks. Water Resources Research, Vol 26, n 4, 539-549. IGLESIAS, P.L.; LPEZ, P.A.; MARTNEZ, F.J.; PREZ, R. (2002). Dimensionado econmico de impulsiones mediante algoritmos genticos. II Seminario Hispano-Brasileo sobre Planificacin Proyecto y Operacin de Redes de Abastecimiento de Agua. Valencia, 10-12 diciembre, 2002. IGLESIAS, P.L. (2001). Modelo general de anlisis de redes hidrulicas a presin en rgimen transitorio. Tesis Doctoral Dpto. Ingeniera Hidrulica y Medio Ambiente. Universidad Politcnica de Valencia. IGLESIAS, P. L. (2003). Desarrollo de una herramienta para modelacin de sistemas de abastecimiento de agua utilizando sistemas de informacin geogrfica y algoritmos genticos (MAGIAS). Memoria del Proyecto de Investigacin n DPI2003-02676 del Ministerio de Ciencia y Tecnologa (Espaa). IGLESIAS, P.L.; LPEZ, P.A.; LPEZ, G. y MARTNEZ, F.J. (2004). Epanet 2.0vE. Manual de usuario. Ed. Grupo Multidisciplinar de Modelacin de Fluidos, Valencia. (Traduccin comentada del texto original de Rossmann, L. Epanet 2.0 Users Manual). KESSLER, A.; SHAMIR, U. (1997). Decomposition technique for optimal design of water supl systems. Engineering Optimization. Vol 17. n 1. pp. 1-19. MATAS, A. (2003). Diseo de redes de distribucin de agua contemplando la fiabilidad mediante algoritmos genticos. Tesis Doctoral Dpto. Ingeniera Hidrulica y Medio Ambiente. Universidad Politcnica de Valencia. MATIAS, A. (2004). Etapas en el diseo de redes distribucin de agua mediante algoritmos genticos. III Seminario hispano-brasileo sobre Planificacin, Proyecto y Operacin de Redes de Abastecimiento de Agua. Valencia. 18
MORLEY, M.S.; ATKINSON, R.M.; SAVIS, D.A.; WALTERS, G.A. (2001). GAnet: genetic algorithm platform for pipe network optimization. Advances in Engineering Software. Vol 32 (2001). Pp.467-475. ROSSMAN, L.A. (2002). EPANET. Users Manual. Environmental Protection Agency, Cincinnati, USA. SAVIC, D.A y WALTERS, G.A (1997). Genetic Algorithms for Least-Cost Design of water Distribution Systems. Journal of Water Resources Planning and Management, Vol 125. n2, 67-77.
19

Epanet Algoritmo Genetico Co

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Epanet Algoritmo Genetico Co

Transféré par

Droits d'auteur :

Formats disponibles

IV SEREA - Seminrio Hispano-Brasileiro sobre Sistemas de Abastecimento Urbano de gua Joo Pessoa (Brasil), 8 a 10 de novembro de 2004

Figura 3. Proceso de cruzamiento en un algoritmo gentico.

Figura 4. Proceso de cruzamiento del APG.

Eslabn de mutacin Cadena i

Tabla 5. Tabla de dimetros para diseo de la red de 2 mallas.

Tabla 6. Comparativa de resultados de diseo de la red de Asperovist y Shamir.

(3) (4) (5) (6)

Tabla 7. Datos de las lneas de la red de las Torres de Hanoi.

Tabla 9. Gama de dimetros para el diseo de la red de las Torres de Hanoi.

N Dimetro Diam (mm) Coste (um/m)

23 24 25 26 27 28 29 30 31 32 33 34 Coste (miles um)

Frecuencia Soluciones Probabilidad Acumulada

Figura 9. Probabilidad de obtencin del mnimo respecto de la probabilidad de mutacin y de cruce. 14

0,3 0,2 0,02 0,03 0,05 0,06 0,07

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

1.000.000,00 0 200 400 600 800

Vous aimerez peut-être aussi