Ingeniería Civil · 2010
Optimización del peso de cerchas en 3d mediante algoritmos genéticos (ga) y optimización de enjambre de partículas (pso)
Este proyecto consigue implementar metodologías heurísticas como los Algoritmos Genéticos y Optimización por Enjambre de Partículas en el campo de la ingeniería civil, efectuando la optimización estructural. Para establecer qué se desea obtener en este trabajo, se define optimización como la encargada de proporcionar soluciones con un ahorro de esfuerzo y de tiempo. En este caso se aplican los conceptos de modelación, estructuración y programación de las realidades físicas que se requieran; esta vez se utilizará en el estudio de las cerchas en 3D compuestas exclusivamente de perfiles tubulares metálicos. Es necesario explicar que este modelo no solo se aplica en la cerchas de cubiertas sino que tiene cabida en otros modelos estructurales. A su vez se implementa el desarrollo de los algoritmos genéticos y de optimización por enjambre de partículas encontrando las soluciones óptimas al desarrollo y diseño de las cerchas proponiendo una mejor solución por agrupación a la propuesta en el artículo Optimization of 3d trusses with adaptive approach in genetic algorithms. Vedat Toan, Ay T. Dalolu. Trabzon, Turkey : Engineering Structures 28 (2006) 10191027, 18 January 2006, en el cual es estudiado y enfocado el desarrollo de este proyecto para tener una base sólida y sustentada de resultados. Por último, nos enfocamos en el software desarrollado en el ANEXO A: PROGRAMACIÓN EN MATLAB® (R2009b), que deja la base suficiente para el desarrollo de estructuras metálicas con modificaciones en los programas realizados, base que cumple la norma NSR10 en su titulo F para el análisis de estructuras metálicas y cumpliendo su análisis dinámico por Newmark y el respectivo análisis estático.
Texto completo 183 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- INTRODUCCIÓNp. 23
- OBJETIVOSp. 26
- 1. GENERALIDADES Y ENFOQUE PRECEDENTEp. 27
- 2. LA OPTIMIZACIÓNp. 30
- GENERALIDADESp. 30
- OPTIMIZACIÓN CLÁSICAp. 31
- Método de Newtonp. 32
- El método simplexp. 34
- Otros métodosp. 35
- OPTIMIZACIÓN HEURÍSTICAp. 35
- Algoritmos de optimizaciónp. 37
- Optimización por enjambre de partículas (PSO)p. 23
- Algoritmos genéticos (GA)p. 49
- Otras metodologíasp. 68
- 3. INVESTIGACIÓNp. 72
- DISEÑOp. 72
- Definición de cargasp. 72
- Resistencia de diseño a tensiónp. 73
- Resistencia de diseño a compresiónp. 74
- Datos de la estructurap. 75
- variables discretasp. 84
- OPTIMIZACIÓNp. 31
- y GAp. 85
- Matlab® para la optimización del peso de la cerchap. 89
- Matlab® para la optimización del peso de la cerchap. 89
- 4. RESULTADOS NUMÉRICOSp. 98
- ESTUDIOp. 25
- ENJAMBRE DE PARTICULASp. 99
- Resultados para el caso 1p. 99
- Resultados para el caso 2p. 112
- GENÉTICOSp. 54
- Resultados para el caso 1p. 99
- Resultados para el caso 2p. 112
- PRESUPUESTO PARA COSTOS DEL MATERIALp. 172
- 5. CONCLUSIONES Y RECOMENDACIONESp. 176
- BIBLIOGRAFÍAp. 181
- inglés de cada métodop. 28
- de abejas sobre un campo con floresp. 44
- pecesp. 45
- bidimensional de las partículas i e i+1 en la iteración k+1p. 48
- Figura 5. Cruce de 1 Puntop. 61
- Figura 6. Cruce de 2 Puntop. 62
- Figura 7. Cruce Uniformep. 64
- Figura 8. Mutaciónp. 66
- Figura 9 Cercha en estudio, planta y perfilp. 76
- Figura 10. Cercha en estudio, vista 3Dp. 77
- Figura 11 Representación del cromosoma implementado en el programap. 95
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 101
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 102
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 102
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 102
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 103
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 103
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 103
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 104
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 104
- algoritmo con un enjambre de 2 partículas (Caso 1)p. 104
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 106
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 106
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 106
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 107
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 107
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 107
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 108
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 108
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 108
- algoritmo con un enjambre de 5 partículas (Caso 1)p. 109
- algoritmo con un enjambre de 10 partículas (Caso 1)p. 110
- algoritmo con un enjambre de 10 partículas (Caso 1)p. 110
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 115
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 115
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 115
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 116
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 116
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 116
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 117
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 117
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 117
- algoritmo con un enjambre de 2 partículas (Caso 2)p. 118
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 119
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 119
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 120
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 120
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 120
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 121
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 121
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 121
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 122
- algoritmo con un enjambre de 5 partículas (Caso 2)p. 122
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 123
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 124
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 124
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 124
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 125
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 125
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 125
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 126
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 126
- algoritmo con un enjambre de 10 partículas (Caso 2)p. 126
- algoritmo con un enjambre de 15 partículas (Caso 2)p. 128
- algoritmo con un enjambre de 15 partículas (Caso 2)p. 128
- algoritmo con un enjambre de 15 partículas (Caso 2)p. 128
- algoritmo con un enjambre de 15 partículas (Caso 2)p. 129
- algoritmo con un enjambre de 30 partículas (Caso 2)p. 129
- algoritmo con un enjambre de 30 partículas (Caso 2)p. 130
- algoritmo con un enjambre de 30 partículas (Caso 2)p. 130
- algoritmo con un enjambre de 30 partículas (Caso 2)p. 130
- un enjambre de 50 partículas (Caso 2)p. 131
- con un enjambre de 50 partículas (Caso 2)p. 131
- las generaciones Caso 1p. 135
- Figura 75. Peso óptimo obtenido para cada población Caso1p. 136
- Caso 1p. 132
- Figura 77. Comparación de la variación del peso con 10 generacionesp. 137
- Figura 78. Comparación de la variación del peso con 20 generacionesp. 137
- Figura 79. Comparación de la variación del peso con 40 generacionesp. 138
- Figura 80. Comparación de la variación del peso con 60 generacionesp. 138
- Figura 81. Comparación de la variación del peso con 100 generacionesp. 139
- individuos con 10 generacionesp. 140
- individuos con 20 generacionesp. 140
- individuos con 40 generacionesp. 141
- individuos con 60 generacionesp. 141
- individuos con 100 generacionesp. 142
- individuos con 10 generacionesp. 142
- individuos con 20 generacionesp. 143
- individuos con 40 generacionesp. 143
- individuos con 60 generacionesp. 144
- individuos con 100 generacionesp. 144
- individuos con 10 generacionesp. 145
- individuos con 20 generacionesp. 145
- individuos con 40 generacionesp. 146