Diseo de pretensado puentes peatonales prefabricados de hormign

mediante la optimizacin heurstica

Estado del arte de la optimizacin de un puente con seccin cajn
La industria de los prefabricados se ocupa de las estructuras que se construyen
de forma repetitiva. El ahorro en peso del material es muy importante debido a
la elevacin y los costos de transporte. Otro aspecto clave de los prefabricados
miembros es el uso de pretensado, lo que reduce significativamente el peso de
la estructura, ya que reduce la cantidad de concreto.
Las Presentes tcnicas de optimizacin estructural se basan principalmente en
procedimientos de inteligencia artificial, que tratan una variedad de campos
que incluyen la solucin de problemas con restricciones. Adems, el diseo de
estructuras es un problema de seleccin de variables de diseo sujeto a las
limitaciones estructurales para las que la inteligencia artificial es por lo tanto,
muy adecuado. Las variables de diseo incluyen calidades de material, las
dimensiones de la seccin transversal, refuerzo pasivo y pretensado. Sin
embargo a pesar de las capacidades potenciales de la inteligencia artificial, el
diseo actual de las estructuras de concreto econmico es mucho ms
condicionada por la experiencia de los ingenieros estructurales.
El diseo tradicional de estructuras de concreto tiene como objetivo la
produccin de estructuras seguras que sostienen las cargas y deformaciones,
as como las condiciones de durabilidad de su vida prevista. Tambin
Tradicionalmente, los diseos han sido por lo general basados en la experiencia
previa del ingeniero estructural, que ha derivado en una serie de reglas
generales sobre las dimensiones de la seccin transversal y calidades de
material basado en una prctica comn sancionada. Una vez que la estructura
es demultado, se sigue el anlisis de los resultados de tensiones y el clculo de
armadura pasiva y activa que satisface los estados lmites prescrita por los
cdigos de concreto. En caso de que las dimensiones o grados de los
materiales sean insuficientes, la estructura se redefine en un ensayo y error
base. Tal proceso conduce a diseos seguras, pero la economa de la
estructuras de concreto es, por lo tanto, muy vinculado a la experiencia del
diseador estructural.
Los Mtodos de optimizacin se ocupan de la reduccin al mnimo de la
funcin objetivo, que es por lo general el coste o el peso de la estructura.
Adems, los algoritmos de optimizacin multiobjetivo ofrecen un abanico de
posibilidades sobre el estudio de dos o varios objetivos conflictos. En cuanto a
las estructuras de concreto, ha habido pocas aplicaciones cuando se compara
con estructuras de acero. en general, los mtodos de optimizacin estructural
se pueden clasificar en dos grandes grupos: mtodos exactos y mtodos
heursticos. Los mtodos exactos son el enfoque tradicional. Por lo general son
basados en el clculo de soluciones ptimas siguiendo tcnicas iterativas de
programacin lineal. El segundo grupo principal son los mtodos heursticos,
cuyo desarrollo reciente est vinculada a la evolucin de los procedimientos de

inteligencia artificial. Este grupo incluye un amplio nmero de algoritmos de

bsqueda, como la gentica de algoritmos, hibridacin simulada, umbral de
aceptacin, tab de bsqueda, las colonias de hormigas. Estos mtodos han
tenido xito en reas diferente a la ingeniera estructural. Se componen de
simples algoritmos, pero requieren un gran esfuerzo computacional, ya que
incluyen un gran nmero de iteraciones en el que se evala la funcin objetivo
y las limitaciones estructurales de comprobacin. Entre las primeras obras de
optimizacin heurstica aplicados a estructuras de acero, a principios de 1990
estn las pioneras aportaciones de Jenkins y de Rajeev y Krishnamoorthy que
merecen mencin especial. Aplicaron algoritmos genticos para la optimizacin
del peso de las estructuras de acero. Con respecto a estructuras de concreto
armado o reforzado (RC), estn las aplicaciones tempranas en 1997 incluido el
estudio de Coello et al., que aplica algoritmos genticos para la optimizacin
econmica de vigas de RC. Recientemente, ha habido una serie de aplicaciones
RC, para optimizar vigas RC y marcos de construccin por medio de algoritmos
genticos. Y tambin hace poco, nuestro grupo de investigacin ha aplicado
una simulacin de hibridacin y un umbral de aceptacin a la optimizacin de
paredes, puentes marco, marcos de edificios, bvedas y pilares de puentes.
El objeto de las estructuras de este trabajo es el concreto pretensado (PC) de
puentes peatonales prefabricados que se utilizan normalmente en la
construccin de obras pblicas. Estos puentes estn hechos de una viga de
hormign prefabricado que integra una losa de hormign armado superior para
el trfico peatonal (Figura 1). La viga tiene una seccin transversal en forma de
U. Longitudes de palmo tpicos con intervalo de 20 a 40 m y los rangos de
anchura de 3,00 a 6,00 m. El mtodo seguido en este trabajo ha consistido en
primer lugar en el desarrollo del mdulo de equipo de evaluacin, donde las
dimensiones, materiales y el refuerzo de acero se han tomado como variables.
Estos mdulos calculan el costo de una solucin y comprueban todo el
relevante estado lmite. La Hibridacin simulada y el umbral de aceptacin son
entonces usado para buscar el espacio de soluciones.

2. Definicin del Problema de Optimizacin

2.1. Definicin del problema
El problema propuesto de la optimizacin de concreto estructural implica una optimizacin
de un solo objetivo del costo de la estructura, C. Por lo tanto, esta optimizacin tiene
como objetivo minimizar la funcin objetivo
satisface las limitaciones de la expresin (2).

C=f 1 ( x 1 , x 2 , , x n ) ( 1)
g j ( x 1 , x 2 , , x n ) 0(2)

f1

de la expresin (1) al tiempo que

Tenga en cuenta que la funcin objetivo

f1

en la expresin (1) es el costo de la

estructura expresada como la suma de los precios por unidad multiplicado por las
mediciones de las unidades de construccin (Seccin 2.2). Las restricciones

gj

en la

expresin (3) son todos los estados lmite de servicio (SLS) y los estados lmite ltimos
(ULS) que la estructura debe cumplir, as como las restricciones geomtricas y de
constructibilidad del problema (Seccin 2.3). Las soluciones que satisfagan todas las
restricciones se denominan soluciones factibles. Las variables de diseo

x1 , x2 , , xn

se describen junto con los parmetros del problema como el espacio de la representacin
de diseo (Seccin 2.4).

2.2. Funcin de costo

La funcin objetivo considerada es el costo de la estructura tal como se define en la
expresin (3), donde

pi son los precios unitarios y mi son las medidas de las

unidades en las que la construccin del puente prefabricado PC est dividida. La funcin
de costo incluye el valor de los materiales (concreto, acero de refuerzo pasivo y
pretensado) y todas las entradas necesarias para evaluar el costo total del puente.
Los precios bsicos considerados se dan en las Tablas 1 y 2. Los precios fueron
obtenidos de una encuesta de 2008 de los contratistas y subcontratistas de estructuras
prefabricadas valencianos. Tenga en cuenta que la Tabla 2 incluye una correccin en el
precio de armadura pasiva cuyo dimetro es diferente del precio estndar de 16 mm de
dimetro.

C= pi mi ( x1 , x2 , . , x n ) (3)
i=1,r

Vale la pena sealar que muchos estudios transforman limitados a los problemas sin
restricciones por medio de funciones de penalizacin. Este estudio se limita slo a
soluciones factibles y por lo tanto no se usan funciones de penalizacin.

2.3. Limitaciones estructurales

Las limitaciones estructurales de la expresin (2) son todos los estados lmite con el que
la estructura debe cumplir. Antes de los estados lmite de verificacin, el diseador debe
calcular las envolventes de los esfuerzos debido a las cargas. Los esfuerzos resultantes y
reacciones se calcularon mediante un programa de matriz de rigidez utilizando una malla
de 2-D con 20 barras y 21 secciones.
Tabla 1

Precios bsicos del puente peatonal de prefabricados.

Tabla 2
Coeficientes de correccin Costo de refuerzo de acero.

Se utiliz un anlisis elstico lineal que incluye propiedades brutas de seccin.

Limitaciones estructurales consideradas siguieron disposiciones estndar para el diseo
espaol de este tipo de estructura [27,28], que incluyen comprobaciones de los estados
lmite de servicio y mxima de flexin y de corte para los sobres de estrs debido al peso
propio, la tierra muerta las cargas de trfico. Carga de trfico es considerado un uniforme
distribuida la carga de

4 kN /m

y una carga puntual de

considerado un uniforme distribuido carga de

60 kN . La carga muerta es

2 kN /m2 .

Cuando se conocen las desviaciones y las envolventes de las resultantes de tensiones,

toda la ULS y SLS se comprueban de acuerdo con el cdigo de EHE espaola [28]. Tenga
en cuenta que una vez que se eligen las variables que definen una solucin marco, a
continuacin, la geometra, materiales, armadura activa y pasiva estn totalmente
definidos. Es importante sealar que no se hizo intento para calcular el refuerzo de
acuerdo con reglas de diseo comunes. Tales procedimientos comunes de diseo siguen

un orden convencional para obtener barras de refuerzo de ULS flexin y, a continuacin,

echa un SLS y redefinir si es necesario. Aunque esta orden es efectiva, no tiene en cuenta
otras posibilidades que los algoritmos de bsqueda heurstica no supervisan.
El clculo de la ULS para flexin en vigas se comprueba si la flexin actuacin resultante,
Md, est dentro de la interaccin axial mxima y la flexin del diagrama

N uM u .

Adems, el cortante que acta se compara con los dos valores ltimos. Tanto cantidad
mnima a la flexin y al corte de refuerzo y mnima geomtrica tambin se calculan. El
SLS de craqueo incluye el cumplimiento de la limitacin de ancho de fisura para las
condiciones de durabilidad existentes.
Las deflexiones se limitaron a 1/1000 de la longitud del tramo libre para la combinacin
cuasi-permanente. La fatiga del hormign y el acero no se consider desde este estado
lmite ltimo rara vez se comprueba en los puentes peatonales.

Fig. 2. Variables y parmetros geomtricos.

Fig. 3. Variables de refuerzo activo y pasivo.

Tabla 3
Principales parmetros del anlisis.

2.4. Espacio de representacin Diseo

El espacio de representacin de diseo consta de las variables de diseo y los
parmetros del problema. Las variables de diseo son las magnitudes sujetas a
optimizacin, mientras que los parmetros son todos los datos restantes necesarios para
calcular una trama particular. Los parmetros se mantuvieron constantes en el proceso de
optimizacin.
El anlisis incluye 59 variables de diseo. La Fig.2 muestra las principales variables
geomtricas consideradas en este anlisis. Las variables geomtricos incluyen siete
variables: la profundidad de la viga (h1), el espesor de la losa (e4), la anchura de la sofito
de la viga (b1) y el espesor de la brida inferior (e1), el ancho y el espesor de las alas
superiores de la viga (b3 y e3) y el espesor de la napa (e2). En cuanto a la resistencia del
material, 2 variables definen el tipo de hormign de la losa y la viga. El pretensado se
define por 4 variables: el nmero de hebras en las pestaas superiores y el nmero de
hebras en la primera, segunda y tercera capas de la brida inferior.
Por ltimo, 46 variables definen un refuerzo normas establecidas para la viga y la losa
superior (Fig. 3). Todas las variables son discretas en este anlisis.
Los parmetros de la estructura del edificio RC son todas las magnitudes tomadas como
datos, incluidos los valores geomtricos, relacionados con las acciones consideradas, los
coeficientes de seguridad y condiciones de durabilidad. El nmero total de parmetros es
15, el ms importante de los cuales son la luz libre, el ancho de la losa superior, la
inclinacin de las bandas, las cargas vivas y muertas que actan sobre el puente, el tipo
de acero de refuerzo activo y pasivo, las condiciones ambientales y los coeficientes
parciales de seguridad. La Tabla 3 resume los principales parmetros del anlisis.

3. recocido y los procedimientos de optimizacin de

umbral
El primer mtodo de bsqueda utilizado en este trabajo es el tratamiento simulado (en lo
sucesivo SA), que lo que originalmente propuesto por Kirkpatrick et al. [29] para el diseo
de circuitos electrnicos. El algoritmo SA se basa en la analoga de la formacin de
cristales de componente fundido a alta temperatura y deje que se enfre lentamente.
Tempratures alta, configuraciones de energa mayor que los anteriores al azar pueden
formar, pero, como medicin el se haya enfriado, la probabilidad de que las
configuraciones de energa superiores formando disminuye. El algoritmo comienza con una
solucin factible generada al azar y una alta temperatura inicial. La solucin de trabajo
inicial es cambiada por un pequeo movimiento al azar de los valores de algunas de las
variables. La nueva solucin actual se evala en trminos de costo. Soluciones mayor costo
son aceptadas cuando un 0-1 al azar nmero es menor que la expresin exp (E/T), donde
E es el incremento de costos y T es la temperatura actual. La solucin actual es entonces
comparada con las limitaciones estructurales y si es factible, es adoptado como la nueva
solucin de trabajo. La temperatura inicial es disminuida geomtricamente (T = kT)

mediante un coeficiente de enfriamiento k. En cada paso de la temperatura est permitido

un nmero de iteraciones llamado cadenas de Markov. El algoritmo se detiene cuando la
temperatura es un porcentaje pequeo de la temperatura inicial o cuando no son ninguna
mejora en un nmero de cadenas de Markov (tpicamente 1% o 1-2 cadenas de Markov). El
mtodo SA es capaz de superar optima local a altas temperaturas medianas y converja
gradualmente ya que la temperatura se reduce a cero. El mtodo SA requiere calibracin de
la temperatura inicial, la longitud de las cadenas de Markov y el coeficiente de
enfriamiento. Los valores adoptados para este trabajo se dar por debajo. La temperatura
inicial lo ajustado siguiendo el mtodo propuesto por Medina [30], que consiste en elegir el
valor inicial y comprobar que el porcentaje de aceptacin de soluciones de energa
superiores est tpicamente 20-40%. Si el porcentaje es mayor al 40%, la temperatura
inicial es reducido a la mitad; y si es inferior al 20%, la temperatura inicial se duplica.
Seccin 4 incluye los resultados de dos gamas: un 20-40% y un rango de 40-60%.
Computadora funciona se realizaron nueve veces con el fin de obtener mnimo, medio y
otros datos estadsticos de los resultados.
El segundo mtodo de bsqueda utilizado en este trabajo es el umbral aceptando (TA de
ahora en adelante), que lo que originalmente propuesta por el oscuro y abrasivos [31] . El
algoritmo comienza con solucin inicial generada aleatoriamente, P0y alto umbral de valor
inicial para la aceptacin de las soluciones. TA luego cambia la solucin por un
movimiento. Una jugada es una pequea variacin aleatoria arriba o abajo para los valores
de algunas de las variables que definen la solucin actual. Dada una solucin actual, se
aplica un movimiento y, por lo tanto, se obtiene una nueva solucin. La nueva solucin
actual, P1, se acepta si tiene un costo ms bajo o cuando el incremento de costo es menor
que el valor de umbral actual. La solucin actual se cotejan con las limitaciones
estructurales y si es factible, es adoptado como la nueva solucin de trabajo P0. El umbral
inicial es geomtricamente reducido y poco a poco por medio de un coeficiente de
reduccin. Un nmero de iteraciones en cada paso de umbral se realiza de la misma manera
en cuanto a cadenas de Markov del mtodo de tratamiento simulado. TA mtodo es capaz
de superar optima local y converja gradualmente como el valor de umbral reduce a cero. El
mtodo requiere calibracin del umbral inicial, de la longitud de las cadenas del ciclo y del
umbral de reduccin del coeficiente. Los valores adoptados para los dos ejemplos de este
trabajo se dar por debajo. Ajustar el valor de umbral inicial que est siguiendo el mtodo
propuesto por Medina [30], que consiste en elegir si al valor inicial y comprobar el
porcentaje de aceptacin de soluciones mayor costo es tpicamente entre por ejemplo 3050%. Si el porcentaje es mayor al 50%, el umbral inicial es reducido a la mitad; y si es
inferior al 30%, el umbral inicial se duplica. Seccin 4 incluye los resultados de dos gamas:
un 30-50% y un rango de 50-70%. Computadora funciona se realizaron nueve veces con el
fin de obtener la mnima, media y desviacin estndar de los resultados aleatorios.

4. numricos ejemplos y estudio paramtrico

La TA SA algoritmos fueron programados en Fortran 95 y en primer lugar se aplicaron a un
puente peatonal de 40 m de luz y una anchura de 6.00 metros. Tpico SA TA carreras fueron
de 25-15 min en el procesador Intel Pentium IV de 3. 00GHz. Tabla 4 muestra los
resultados de SA para 10 series de estudio de caso. Los resultados incluyen rangos de

temperatura inicial de 20-40% y el 40-60%. El nmero de variables que se traslad en cada

iteracin vara entre el 20%, 15%, 10%, 5% y una sola variable. Es importante sealar que
los resultados para solamente una variable que se traslad en cada iteracin son peores
resultados para un mayor nmero de variables. El ms eficiente mover encontrados
consisti en variacin aleatoria de hasta 15% de las 59 variables del problema
(funcionamiento serie 7), que presenta una desviacin de la media en relacin con el
mnimo de 2,3%. Adems, la calibracin de los parmetros de recocido simulados
recomienda cadenas de Markov de 1000 iteraciones, un coeficiente reductor de 0,95 y un
criterio de parada del 2% de la temperatura inicial y dos cadenas sin mejora. Fig. 4 muestra
una evolucin tpica de los costos con el tiempo de computacin para el algoritmo de SA.
El resultado tiene un costo mnimo de 38.638 y la media de los resultados es de 39.508.
Tabla 4.
Influencia del nmero de variables se traslad para SA (abarcan 40 m, enfriamiento
coeficiente 0,95 = cadena de Markov y = 1000).
Rango de
Porcentaje
Costo
Serie temperatura inicial
variable movido promedio ()
(%)

Mnimo
coste ()

Desviacin
(%)

20-40

20

47.247

42.586

10.9

20-40

15

41.821

39.547

5.8

20-40

10

39.722

38.594

2.9

20-40

41.134

38.357

7.2

20-40

43.331

39.638

9.3

40-60

20

40.674

39.517

2.9

40-60

15

39.508

38.638

2.3

40-60

10

40.479

38.257

5.8

40-60

43.127

38.317

12.6

49.553

41.881

18.3

10
40-60
Opciones de tabla

Higo. 4.
Tpico SA costo y temperatura evolucin con tiempo de computacin.
Opciones de figura
Reding g TA, Tabla 5 muestra los resultados de 12 series de estudio de caso. Los resultados
incluyen las gamas umbral inicial para 30-50% y 50-70%. Una vez ms, el nmero de
variables que se movi vara de 25% a una sola variable. Resultados para solamente una
variable que se traslad en cada iteracin son peores resultados para un mayor nmero de
variables. El ms eficiente mover encontrados consisti en variacin aleatoria de hasta 20%
de las 59 variables del problema (funcionamiento serie 8), que presenta una desviacin de
la media en relacin con el mnimo de 4,5%. Adems, la calibracin de los parmetros de
recocido simulados recomienda ciclo cadenas de 1000 iteraciones, un coeficiente reductor
de 0,95 y un criterio de parada del 2% del umbral inicial y dos cadenas sin mejora. Figura
5 muestra una evolucin tpica de los costos con el tiempo de computacin para el
algoritmo de TA. El resultado tiene un costo mnimo de 39.734 y la media de los
resultados es de 41.533.
Tabla 5.
Influencia del nmero de variables se traslad para TA (abarcan 40 m, enfriamiento
coeficiente 0,95 = y cadenas = 1000 ciclo).

Serie

Rango de
umbral inicial
(%)

Porcentaje
variable movido

Costo
promedio ()

Mnimo
coste ()

Desviacin
(%)

30-50

25

41.971

39.812

5.4

30-50

20

42.307

39.833

6.2

30-50

15

41.932

38.713

8.3

30-50

10

43.449

39.525

9.9

Rango de
umbral inicial
(%)

Serie

Porcentaje
variable movido

Costo
promedio ()

Mnimo
coste ()

Desviacin
(%)

30-50

45.158

41.181

9.7

30-50

55.233

45.457

21.5

50-70

25

45.448

40.223

13.0

50-70

20

41.533

39.734

4.5

50-70

15

44.428

39.095

13.6

10

50-70

10

42.666

39.203

8.8

11

50-70

43.061

39.270

9.7

54.125

45.457

19.1

12
50-70
Opciones de tabla

Higo. 5.
Coste tpico TA y evolucin umbral con tiempo de computacin.
Opciones de figura
Tabla 6 y Tabla 7 Mostrar los resultados de un estudio paramtrico con la longitud vara de
20 m a 40 m en pasos de 5 m, es decir, abarcan longitudes de 20, 25, 30, 35 y 40 m. tesis
resultados incluyen dos casos para las soluciones iniciales. En el primer caso (escala = 1),
la solucin inicial verifica estrictamente las limitaciones estructurales para las cargas
prescritas. En el segundo caso (escala = 3), soluciones iniciales verificar las limitaciones
estructurales para tres veces las cargas live prescritas. Esto es as puesto que lo que pensaba
podra mejorar la bsqueda de la ptima ms grande y menos soluciones econmicas

iniciales. Tabla 6 indica que esta escala no mejora los resultados para SA, pero mesa 7
muestra que este escalamiento de carga mejora la mayora de los resultados. Por lo tanto,
esta caracterstica parece mejorar el proceso de bsqueda en algunos casos, pero empeoran
en algn otro. Por lo tanto, los resultados no son concluyentes y merece ms investigacin
futura.
Tabla 6.
Resultados paramtricos SA para 20-25-30-35-40 m de luz.
Palmo (m)

Escala

Costo promedio ()

Mnimo ()

Desviacin (%)

20

18.415

17.633

4.4

20

18.551

17.539

5.8

25

23.263

22.275

4.4

25

23.615

22.405

5.4

30

28.476

27.439

3.8

30

28.481

27.526

3.5

35

33.653

32.457

3.7

35

33.935

32.586

4.1

40

39.509

38.638

2.3

40.230

38.563

4.3

40
3
Opciones de tabla
Tabla 7.

Resultados paramtricos TA para 20-25-30-35-40 m de luz.

Palmo (m)

Escala

Medio ()

Mnimo ()

Desviacin (%)

20

18.479

17.794

3.8

20

18.348

17.354

5.7

25

23.466

22.494

4.3

Palmo (m)

Escala

Medio ()

Mnimo ()

Desviacin (%)

25

25.465

22.445

13.5

30

28.902

28.423

1.7

30

28.814

28.023

2.8

35

35.670

33.259

7.2

35

34.651

33.213

4.3

40

41.533

39.724

4.6

40
3
Opciones de tabla

42.326

39.582

6.9

6 Fig. y 7 Fig. Mostrar el SA-TA para otra variacin de la media y longitudes palmo de
costo mnimo, mientras que Figura 8 muestra la desviacin de la media con respecto a los
mnimos para analizar todos los puentes. Todas las desviaciones son inferiores a 5%,
excepto en el caso de 35 longitud de tramo y TA. Cabe sealar que otros modelos
desarrollados por los autores presentan ms dispersin. Por ejemplo, el edificio plan
modelo marco SA desarrollado por Pay et [25] exhibe una lata los modelos actuales de
puente prefabricado son considerados por los autores a partir de slidas 9,48% desviacin
y, por tanto y muy preciso. Caractersticas de las soluciones optimizadas se dan en tabla 8 ,
tabla 9 y tabla 10. Tabla 8 da la geometra principal de las soluciones, junto con el
hormign tipo y cantidad de acero pretensado. Tabla 9 da las medidas bsicas de concreto y
refuerzo de acero y Tabla 10 enumera los detalles de la seccin transversal en el soporte
refuerzo.

Higo. 6.

SA y TA significa costos para diferentes longitudes palmo.

Opciones de figura

Higo. 7.
SA y TA costo mnimo para diferentes longitudes palmo.
Opciones de figura

Higo. 8.
SA y TA desviacin de diversas longitudes palmo.
Opciones de figura
Tabla 8.
Mejores soluciones SA TA para 20-25-30-35-40 m de luz.

Palmo
Coste h 1 e 4 b 1 b 3 e 1 e 2 e 3 f c, viga f c, losa p 1 p 2 p 3 p 4
HEUR.
(m)
() (m) (m) (m) (m) (m) (m) (m) (MPa) (MPa) (n) (n) (n) (n)
20

SA

17.633 1.10 0.30 2.00 0.35 0.15 0.10 0.34 35

25

23 0

20

TA

17.794 1.11 0.30 1.97 0,41 0.15 0.10 0.35 35

25

23 0

25

SA

22.275 13:38 0.29 2.00 0.35 0.16 0.10 0.34 35

25

31 0

25

TA

22.494 1.37 0.30 1.97 0.34 0.16 0.10 0.32 35

25

31 0

30

SA

27.439 1.66 0.26 1.97 0.38 0.16 0.10 0.27 35

25

34 3

30

TA

28.423 1.66 0.30 1.92 0.32 0.17 0.10 0.30 40

25

33 5

35

SA

32.456 1.94 0.24 1.92 0.27 0.15 0.10 0.23 45

25

33 9

35

TA

33.259 1.94 0.23 1.96 0,41 0.15 0.10 0.23 35

30

34 9

40

SA

38.638 2.19 0.25 1.92 0.29 0.15 0.10 0.25 45

25

33 18 0

40
TA
39.734 2.21 0.28 1.75 0.31 0.15 0.10 0.26 45
Opciones de tabla
Tabla 9.

25

30 22 0

Mediciones bsicas SA-TA para 20-25-30-35-40 m de luz.

Palmo
Refuerzo de Refuerzo de Refuerzo (M3/ m2 viga (M3/ m2 losa
HEUR.
(m)
la viga (kg) la losa (kg) total (kg/m2) de hormign) de hormign)
20

SA

905

2733

28,38

0.122

0.30

20

TA

1058

2427

27,67

0.129

0.30

25

SA

1310

2658

25,45

0.135

0.29

25

TA

1254

2880

26,51

0.129

0.30

30

SA

1567

3597

27,77

0.138

0.26

30

TA

1778

3200

26,77

0.137

0.30

Palmo
Refuerzo de Refuerzo de Refuerzo (M3/ m2 viga (M3/ m2 losa
HEUR.
(m)
la viga (kg) la losa (kg) total (kg/m2) de hormign) de hormign)
35

SA

1556

4545

28.25

0.130

0.24

35

TA

1982

4352

29,33

0.142

0.23

40

SA

1877

4801

27,15

0.141

0.25

40
TA
2200
Opciones de tabla
Tabla 10.

4466

27.10

0.140

0.28

Refuerzo en la seccin de soporte.

Palmo (m)

HEUR.

As6

As7

t 1 (m)

t 2 (m)

t 3 (m)

t 4 (m)

t 5 (m)

20

SA

60O8

36O8

7O6

7O6

7O6

5O20

5O20

20

TA

66O8

36O8

7O6

7O10

7O6

5O16

7O16

25

SA

96O6

24O6

8O6

8O6

8O6

5O16

8O16

25

TA

54O8

24O8

8O6

8O6

8O6

5O16

8O16

30

SA

78O6

24O6

10O6

10O6

10O6

6O20

6O20

30

TA

114O6

24O6

10O8

10O6

10O6

8O16

13O16

35

SA

84O6

24O6

11O6

11O6

11O6

7O20

9O20

35

TA

84O6

24O6

11O6

11O6

11O6

7O20

7O20

40

SA

78O6

24O6

12O6

12O6

12O6

8O20

8O20

40

TA

84O6

24O6

12O6

12O6

12O6

10O16

12O16

4 Ejemplos numricos y estudio paramtrico

Los algoritmos SA-TA se programaron en Fortran 95 y se

aplicaron en primer lugar a un puente peatonal de 40 m de luz
y una anchura 6,00 m. Tpicas carreras SA-TA fueron
aproximadamente 25-15 minutos en un procesador Intel
Pentium IV de 3.00 GHz. La tabla 4 muestra los resultados SA
para 10 series de casos-estudio. Los resultados incluyen los
rangos de temperatura iniciales para 20-40% y 40-60% para.
El nmero de variables movidos en cada iteracin vara entre
20%, 15%, 10%, 5% y slo una sola variable.
Es importante sealar que los resultados para slo una
variable movido en cada iteracin son peores que los
resultados para un mayor nmero de variables.
El movimiento ms eficiente encontrado consisti en la
variacin aleatoria de hasta el 15% de las 59 variables del
problema (ejecutar series 7), que presenta una desviacin de
la media con respecto al mnimo de 2,3%. Adems, la
calibracin de los parmetros de recocido simulado
recomienda cadenas de Markov de 1000 iteraciones, un
coeficiente de reduccin de 0,95 y un criterio de parada de
2% de la temperatura inicial y dos cadenas sin mejora. Fig. 4
muestra una evolucin tpica del costo con el tiempo de
clculo para el algoritmo SA.
El resultado mnimo tiene un costo de 38.638 y la media de
los resultados es 39.508 .

Tiempo de clculo
(seg.)

Fig. 4 Costo SA tpica y evolucin de la temperatura con el

tiempo de clculo.
En cuanto a TA, la Tabla 5 muestra los resultados de 12 series
de casos-estudio. Los resultados incluyen rangos de umbral
inicial de 30 a 50% y de 50 a 70%. Una vez ms, el nmero de
variables traslad vara de 25% a slo una sola variable.
Resultados para slo una variable movido en cada iteracin
son peores que los resultados para un mayor nmero de
variables.
El movimiento ms eficiente encontrado consisti en la
variacin aleatoria de hasta 20% de las 59 variables del

problema (ejecutar series 8), que presenta una desviacin de

la media con respecto al mnimo de 4,5%.
Adems, la calibracin de los parmetros de recocido
simulado recomienda cadenas de ciclo de 1000 iteraciones,
un coeficiente de reduccin de 0,95 y un criterio de parada de
2% del umbral inicial y dos cadenas sin mejora. Fig. 5 muestra
una evolucin tpica del costo con el tiempo de clculo para el
algoritmo de TA. El resultado mnimo tiene un coste de 39.734
y la media de los resultados es 41.533 .
Tablas 6 y 7 muestran los resultados de un estudio
paramtrico con la longitud del tramo que vara de 20 m a 40
m en pasos de 5 m, es decir, longitudes de calibrado a 20, 25,
30, 35 y 40 m. Estos resultados incluyen dos casos de las
soluciones iniciales. En el primer caso (escala = 1), la solucin
inicial verifica estrictamente las limitaciones estructurales
para la prescrita

Tiempo de clculo (seg.)

Fig. 5. Tpico TA costo y el umbral de la evolucin con el

tiempo de computacin.
cargas. En el segundo caso (escala = 3), las soluciones
iniciales verifican la limitaciones estructurales de tres veces

las cargas vivas prescritos. Este es as ya que se pens que

inicial ms grande y menos econmico soluciones podran
mejorar la bsqueda del ptimo. Tabla 6 indica que esta
escala no mejora los resultados para SA, pero la Tabla 7
muestra que este escalamiento de carga mejora la mayor
parte de la resultados. Por lo tanto, esta caracterstica parece
mejorar la bsqueda proceso en algunos casos, pero
empeoran en algn otro. Por lo tanto, la resultados no son
concluyentes y merecen ms investigacin futura.
Figs. 6 y 7 muestran la variacin SA-TA de la media y mnimo
costara para diferentes longitudes de recorrido, mientras que
la Fig. La figura 8 muestra la desviacin de la media con
respecto a la mnima para todos los puentes analizada. Todas
las desviaciones son inferiores a 5%, excepto para el caso de
35 longitud de tramo y TA. Vale la pena sealar que otros
modelos desarrollados por los autores exhibir ms de
dispersin .

Fig. 6. SA y TA significan costos para diferentes longitudes de

palmo.

Fig. 7. SA y TA costo mnimo para diferentes longitudes de

palmo.

Fig. 8. SA y TA desviacin para diferentes longitudes de palmo.

Por ejemplo, el edificio marco de avin SA-modelo
desarrollado por Pay et al. [25] presenta una Y, por lo tanto,
los actuales modelos de puente prefabricados 9,48% de
desviacin son considerados por los autores como robustos y
muy precisos. Caractersticas de las soluciones optimizadas se
dan en las Tablas 8-10. Tabla 8 da la geometra principal de las
soluciones, junto con el hormign y la cantidad de acero de
pretensado. El cuadro 9 da las mediciones bsicas de
hormign y acero de refuerzo y en la Tabla 10 se enumeran
los reforzando los detalles de la seccin transversal en los
apoyos.

Tabla 8
SA-TA mejores soluciones para 20-25-30-35-40 m de luz.

Tabla 9
SA-TA mediciones bsicas para 20-25-30-35-40 m de luz.

Tabla 10
Refuerzo en seccin transversal de apoyo.

5. conclusiones
Las siguientes conclusiones pueden derivarse de la obra anterior. Dos SATA algoritmos
se han implementado para el anlisis de optimizacin de PC prefabricados de puentes
peatonales. En cuanto a la comparacin de la SATA procedimientos, han demostrado

algoritmos de bsqueda eficiente para el puente peatonal estudiado, aunque el SA

parece ms eficiente en cuanto a resultados mnimos y promedios y desviacin de la
media con respecto a los mejores. El ejemplo presentado muestra la potencial
aplicabilidad de bsqueda local Procedimientos heursticos para el anlisis de
estructuras de PC real.