UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERA

DISEO A FLEXIN DE VIGAS RECTANGULARES DE HORMIGN ARMADO BASADO EN LA NORMATIVA ECUATORIANA MEDIANTE LA APLICACIN DE ALGORITMOS GENTICOS
AUTOR:
FLIX ARMANDO ASHQUI LAGUA

ESCUELA:
ESCUELA DE INGENIERA CIVIL

AO
2010

TITULO DEL PLAN DEL TRABAJO DE GRADUACIN DISEO A FLEXION DE VIGAS RECTANGULARES DE HORMIGN ARMADO BASADO EN LA NORMATIVA ECUATORIANA MEDIANTE LA APLICACIN DE ALGORITMOS GENTICOS AUTOR FLIX ARMANDO ASHQUI LAGUA ASESOR ING. DIEGO BARAHONA COLABORADORES ING. EDISON TAPIA DR. GUILLERMO MACHADO LUGAR DE REALIZACIN El lugar de realizacin es la Universidad Nacional de Chimborazo TIEMPO ESTIMADO DE ESTUDIO El tiempo estimado del presente estudio es de seis meses. BENEFICIARIOS Los beneficiarios directos con el desarrollo de esta investigacin sern los ingenieros civiles que se desempean en el campo del diseo estructural y en general el sistema de clculo y construccin que apliquen tcnicas para la obtencin de elementos estructurales de alta calidad en sus clculos y construcciones, para mejorarlas en varios aspectos que sern desarrollados en este trabajo de investigacin. COSTO ESTIMADO El costo estimado para nuestra investigacin es de 3,400.oo dlares americanos.

FINANCIAMIENTO El financiamiento requerido para la presente investigacin est dado por auto financiamiento. 1.- MARCO REFERENCIAL. 1.1 FORMULACIN DEL PROYECTO 1.1.1- PLANTEAMIENTO En la actualidad en nuestro pas el diseo estructural y exclusivamente el diseo de vigas se desarrolla en un marco tradicional, manteniendo los mtodos iterativos, es decir en primer lugar se presentan las dimensiones bsicas de un elemento en el caso del diseo de vigas de hormign armado se asume una base, se calcula una altura basado en el diseo dctil tomando en cuenta que la proporcionalidad de la altura sea dos a tres veces la dimensin de la base y posteriormente se procede a calcular el acero necesario, a continuacin se procede a verificar si la cuanta de acero calculada se encuentra dentro del rango de ductilidad si esta dentro del mismo el diseo finaliza, de lo contrario pueden existir dos casos, el primero en el cual el elemento est sobredimensionado y el segundo en el cual est sub dimensionado para lo cual se debe regresar al proceso inicial redimensionando la seccin aumentando o disminuyendo la misma segn sea el caso, en este tipo de diseo tradicional no se considera el diseo optimo, para algunos calculistas dentro de sus parmetros y criterios no existe la viga optima ya que en sus diseos no incluyen parmetros como el peso, la geometra, el dimetro ms apropiado de las barras, y menos aun un anlisis de costos. 1.1.2.- FORMULACIN. Es posible Evolucionar el Diseo Estructural mediante Tcnicas de Inteligencia Artificial? 1.1.3.- SISTEMATIZACIN. Cules son las deficiencias que podran ser mejoradas mediante la optimizacin del Diseo Estructural aplicando Inteligencia Artificial? Qu dificultad representa el realizar un diseo estructural sin tomar en cuenta una optimizacin de los parmetros influyentes? Cmo implementar el campo de los Algoritmos Genticos al Diseo estructural?

Qu Ventajas se Obtienen al aplicar la Tcnica de la Inteligencia Artificial en el Diseo de Vigas? 1.2.-OBJETIVOS. 1.2.1. General.- problema Establecer el diseo a flexin de vigas rectangulares de hormign armado basado en la normativa ecuatoriana mediante la aplicacin de algoritmos genticos. 1.2.2. Especficos: Explorar y explicar los fundamentos conceptuales de los algoritmos genticos y sus aplicaciones. Investigar los parmetros necesarios para la aplicacin de un Algoritmo Gentico en el diseo a flexin de Vigas de Hormign Armado. Implementar un software para disear a flexin vigas de hormign armado basado en la Tcnica de Algoritmos Genticos. Comparar los resultados obtenidos mediante la aplicacin del diseo a flexin mediante mtodos tradicionales con el diseo obtenido a travs del software basado en la aplicacin de algoritmos genticos. Insertar en nuestro medio el campo de la Inteligencia artificial aplicada a la Ingeniera Estructural. 1.3 JUSTIFICACIN El desarrollo tecnolgico, los avances de la ciencia y la globalizacin entre otros eventos que crecen aceleradamente en la actualidad, nos obligan a ser cada vez ms competitivos, el diseo estructural adems de cumplir con los requisitos de diseo del Cdigo Ecuatoriano de la Construccin, geometra adecuada, distribucin de acero razonable, etc., debera estar garantizada su economa, La rama de la Inteligencia Artificial y en particular la tcnica basada en la Teora de Evolucin denominada Algoritmos Genticos, en la actualidad es una de las herramientas ms sofisticadas para la bsqueda de soluciones ptimas, en la misma que se puede maximizar o minimizar funciones multiobjetivo, es decir buscar una solucin en la cual converjan varios o todos los campos que intervienen en cualquier mbito en las cuales se las aplique. 4

Hoy en da en nuestro pas no se aplica ninguna tcnica de optimizacin en el Diseo Estructural, ni en ningn campo de la Ingeniera Civil, mediante la implementacin de esta Tcnica, se obtendrn estructuras menos costosas, con mejores desempeos estructurales y que cumplan con todos las especificaciones exigidas por los cdigos. Existen otros mtodos de bsqueda tales como los clsicos, pero se ha elegido este, debido a la necesidad del problema, ya que en el mismo se pueden buscar soluciones multi-objetivo, es decir que se puede trabajar con un conjunto de soluciones y no con una sola solucin, adems se ha Probado que los Algoritmos Genticos tienen gran versatilidad, flexibilidad y adaptabilidad en problemas similares en las cuales los procesos tradicionales no han tenido el xito deseado. Con el desarrollo de esta investigacin se obtendr una herramienta analtica e informtica mediante la cual se disearan vigas con mejor estructuracin de sus elementos, con mejores caractersticas geomtricas y sobre todo sern menos costosas, es decir en las cuales se podr maximizar el desempeo estructural, el cumplimiento de la normativa local (Cdigo Ecuatoriano de la Construccin), etc., y se minimizarn otros factores importantes tales como el peso, el costo, etc. Con la introduccin en nuestro medio de este tipo de Tcnicas que aportarn al desarrollo en el diseo estructural, se abrir la puerta a futuras investigaciones en este campo, y no solo en el Diseo de Estructuras sino adems de diferentes ramas en las que la Ingeniera demanda mediante Tcnicas que garantizan eficacia y eficiencia. 1.4 LIMITACIONES El proyecto de investigacin se centrar en la sistematizacin de ecuaciones y de procesos para obtener un diseo, en el cual los resultados sean rpidos y efectivos que los obtenidas a travs de los mtodo tradicionales, as como la implementacin de un software computacional que sirva de apoyo para alcanzar los objetivos trazados, ya que al utilizar esta tcnica el desarrollo de un programa que genere un numero gigantesco de operaciones es imprescindibles. Es importante mencionar el alcance de los tipos de vigas a estudiarse las mismas que sern nicamente de hormign armado de seccin constante, eje recto y de seccin peraltada, es decir con elementos cuya altura sea mayor que su base. 1.5 MARCO TERICO:

1.5.1 Antecedentes: El diseo estructural en las ltimas dcadas se ha desarrollado aceleradamente, gracias al avance tecnolgico del Hormign Armado, as como su normativa, pero la informtica ha sido un aporte fundamental al aplicar los dos primeros ya que mediante la misma se ha reducido el tiempo invertido en el diseo y se ha incrementado considerablemente productos finales de mayor calidad. Existen varios trabajos previos direccionados hacia la bsqueda de la excelencia en el diseo estructural, uno de los cuales es el que aborda en su tesis doctoral E. J. Haug Jr. En 1966, implement el diseo ptimo de vigas convirtiendo el problema no Lineal en uno de LaGrange en el clculo de variaciones, reduciendo mediante restricciones el peso de la viga. Chakrabarty en su publicacin A model for optimal design of reinforced concrete beam presenta un anlisis amplio de la temtica propuesta en el cual se baso la publicacin realizado por los investigadores de la Universidad Autnoma de Chiapas en su artculo Diseo ptimo de vigas de Concreto reforzado mediante algoritmos genticos el mismo que fue modificado para su aplicacin dentro del Cdigo mexicano, los trabajos mencionados servirn de gran apoyo en el desarrollo del tema propuesto. 1.5.2 Fundamentacin Terica: En primer lugar se realizar una sntesis de la tcnica de bsqueda conocida como Algoritmos Genticos. ALGORITMOS GENTICOS [2] Los organismos vivos poseen destreza consumada en la resolucin de problemas y se manifiesta una versatilidad capaz de avergonzar a los problemas ms refinados. Una definicin bastante completa de un Algoritmo Gentico es la propuesta por Jhon Kosa Es un Algoritmo matemtico altamente paralelo que transforma un conjunto de objetos matemticos con respecto al tiempo usando operaciones modeladas de acuerdo al principio Darwiniano de reproduccin y supervivencia del ms apto, y tras haberse presentado de forma natural una serie de operaciones genticas de entre las que destaca la recombinacin sexual. Cada uno de estos objetos matemticos suele ser una cadena de caracteres (letras o nmeros) de longitud fija que se ajusta al modelo de las cadenas de 6

cromosomas, y se asocian con una cierta funcin matemtica que refleja su aptitud. Los Algoritmos Genticos utilizan una analoga directa del fenmeno de evolucin en la naturaleza. Trabajan con una poblacin de individuos, cada uno representado una posible solucin a un problema dado. A cada individuo se le asigna una puntuacin de adaptacin, dependiendo de qu tan buena fue la respuesta al problema. A los ms adaptados se les da la oportunidad de reproducirse mediante cruzamientos con otros individuos de la poblacin, produciendo descendientes con caractersticas de ambos padres. Los miembros menos adaptados poseen pocas probabilidades de que sean seleccionados para la reproduccin, y desaparecen. El evaluar esta adaptacin no es sencillo de hacer, pues el entorno esta modificndose constantemente por lo que nunca se llegara al sper individuo perfecto, sino que la naturaleza tendera a optimizar los individuos de cada especie en las circunstancias actuales. Existen varios tipos de Algoritmos Genticos, cada uno basado en una metfora distinta de la naturaleza. Los algoritmos genticos parten de una poblacin inicial donde cada individuo se representa con un cdigo gentico (tpicamente una secuencia de bits) en la que se encuentra codificada su informacin. Sobre esta poblacin se realiza una serie de operaciones, en primer lugar se seleccionan parejas de soluciones para que se reproduzcan (a este proceso se le llama cruce), siendo los hijos una mezcla del cdigo gentico de los padres. A continuacin se producen una serie de mutaciones que alteran los genes de los recin nacidos y por ltimo de entre toda la poblacin se eligen aquellos que van a sobrevivir desechndose el resto (la poblacin en un algoritmo gentico tpico permanece constante en todas las iteraciones). Tanto a la hora de la reproduccin, como en el momento de elegir las soluciones supervivientes en cada iteracin, se favorece a aquellos individuos que segn la funcin de evaluacin sean ms fuertes. El algoritmo terminar cuando se llegue a un nmero de iteraciones seleccionado previamente, o cuando se observe tras una serie de iteraciones no se ha detectado ninguna mejora en la poblacin. El seudo cdigo sera el siguiente: Algoritmo Crear poblacin inicial Evaluar la poblacin Mientras No(condicin salida) Seleccionar a los padres Combinar los genes de los padres para crear a los descendientes Mutar a los descendientes 7

Evaluar la nueva poblacin Elegir los individuos que sobrevivirn CLASES DE ALGORITMOS GENTICOS Algoritmos Genticos Generacionales Se asemejan a la forma de reproduccin de los insectos, donde una generacin pone huevos, se aleja geogrficamente o muere y es substituida por una nueva. En este momento se realizan cruces en una piscina de individuos, los descendientes son puestos en otra, al final de la fase reproductiva se elimina la generacin anterior y se pasa a utilizar la nueva. Este modelo tambin es conocido como Algoritmo Gentico Cannico. Algoritmos Genticos de estado Fijo. Utilizan el esquema generacional de los mamferos y otros animales de vida larga, donde coexisten padres y sus descendientes, permitiendo que los hijos sean educados por sus progenitores, pero tambin que a la larga se genere competencia entre ellos. En este modelo, no solo se deben seleccionar los dos individuos a ser padres, si no tambin cuales de la poblacin anterior sern eliminados, para dar espacio a los descendientes. La diferencia esencial entre el reemplazo generacional y el modelo de estado fijo es que las estadsticas de la poblacin son recalculadas luego de cada cruce y los nuevos descendientes estn disponibles inmediatamente para la reproduccin. Esto permite al modelo utilizar las caractersticas de un individuo prometedor tan pronto como es creado. Algunos autores dicen que este modelo tiende a evolucionar mucho ms rpido que el modelo generacional, sin embargo investigaciones de Goldberg, encontraron que las ventajas parecen estar relacionadas con la alta tasa de crecimiento inicial, ellos dicen que los mismos efectos pueden ser obtenidos en rangos de adaptacin exponencial o seleccin por competencia. No encontraron evidencia que este modelo sea mejor que el Generacional. Algoritmos Genticos Paralelos. Parte de la metfora biolgica que motivo a utilizar la bsqueda gentica consiste en que es inherentemente paralela, donde al evolucionar se recorren simultneamente muchas soluciones, cada una representada por un individuo de la poblacin. Sin embargo, es muy comn en la naturaleza que no solo sea una poblacin evolucionando, si no varias poblaciones, normalmente aisladas geogrficamente, que originan respuestas diferentes a la presin evolutiva. Esto origina dos modelos que toman es cuenta esta variacin, y utilizan no una poblacin como los anteriores si4 no mltiples concurrentemente. 8

Modelos de Islas. Si se tiene una poblacin de individuos, esta se divide en subpoblaciones que evolucionan independientemente como un Algoritmo Gentico normal. Ocasionalmente, se producen migraciones entre ellas, permitindoles intercambiar material gentico. Con la utilizacin de la migracin, este modelo puede explotar las diferencias en las sub-poblaciones; esta variacin representa una fuente de diversidad gentica. Sin embargo, si un nmero de individuos emigran en cada generacin, ocurre una mezcla global y se eliminan las diferencias locales, y si la migracin es infrecuente, es probable que se produzca convergencia prematura en las sub-poblaciones. Modelo Celular Coloca cada individuo en una matriz, donde cada uno slo podr buscar reproducirse con los individuos que tenga a su alrededor (mas cerca de casa) escogiendo al azar o al mejor adaptado. El descendiente pasara a ocupar una posicin cercana. No hay islas en este modelo, pero hay efectos potenciales similares. Asumiendo que el cruce esta restringido a individuos adyacentes, dos individuos separados por 20 espacios estn tan aislados como si estuvieran en dos islas, este tipo de separacin es conocido como aislamiento por distancia. Luego de la primera evaluacin, los individuos estn todava distribuidos al azar sobre la matriz. Posteriormente, empiezan a emerger zonas como cromosomas y adaptaciones semejantes. La reproduccin y seleccin local crea tendencias evolutivas aisladas, luego de varias generaciones, la competencia local resultara en grupos ms grandes de individuos semejantes. ELEMENTOS DE UN ALGORITMO GENTICO Como los Algoritmos Genticos se encuentran basados en los procesos de evolucin de los seres vivos, casi todos sus conceptos se basan en conceptos de biologa y gentica que son fciles de comprender. Individuo Un individuo es un ser que caracteriza su propia especie. El individuo es un cromosoma y es el cdigo de informacin sobre el cual opera el algoritmo. Cada solucin parcial del problema a optimizar est codificada en forma de cadena o String en un alfabeto determinado, que puede ser binario. Una cadena representa a un cromosoma, por lo tanto tambin a un individuo y cada posicin de la cadena representa a un gen. Esto significa que el algoritmo trabaja con una codificacin de los parmetros y no con los parmetros 9

en si mismos. El genotipo, es el conjunto de genes ordenados y representa las caractersticas del individuo. Cada individuo tiene una medida de su adecuacin como solucin al problema. Poblacin A un conjunto de individuos (Cromosomas) se le denomina poblacin. El mtodo de A.G s consiste en ir obteniendo de forma sucesiva distintas poblaciones. Por otra parte un Algoritmo Gentico trabaja con un conjunto de puntos representativos de diferentes zonas del espacio de bsqueda y no con un solo punto (como lo hace Hillclimbing). Funcin Fitness. La nica restriccin para usar un algoritmo gentico es que exista una funcin llamada fitness, que le informe de cuan bueno es un individuo dado en la solucin de un problema. Esta funcin fitness o de evaluacin es el principal enlace entre el Algoritmo Gentico a un problema real, es la efectividad y eficiencia de la funcin fitness que se tome, por lo tanto debe procurarse que la funcin fitness sea similar, si no igual a la funcin objetivo que se quiere optimizar. Esta medida se utiliza como parmetro de los operadores y gua la obtencin de nuevas poblaciones. OPERADORES GENETICOS. Son los diferentes mtodos u operaciones que se pueden ejercer sobre una poblacin y que nos permite obtener poblaciones nuevas. Una vez que se ha evaluado cada individuo sobre una funcin fitness, se aplican los operadores genticos. En Algoritmos Genticos se destacan los siguientes operadores. Operador de Seleccin. El paso siguiente a la evaluacin es escoger los miembros de la poblacin que sern utilizados para la reproduccin. Su meta es dar ms oportunidades de seleccin a los miembros ms aptos de la poblacin. As funciona: se calcula el cociente entre el valor fitness de un individuo y la suma total de los valores fitness de todos los individuos de la poblacin. Este resultado mide la probabilidad de seleccin Ps (i) de cada individuo. [2] John H. Holland. (1975) Adaptation in Natural and Artificial Systems. Ann Harbor: University of Michigan 1.5.3 Hiptesis

10

Cuando se aplican algoritmos genticos en forma adecuada al diseo a flexin de vigas rectangulares de hormign armado son capaces de generar soluciones vlidas y coherentes. 1.5.3.1 Identificacin de las Variables Variable Independiente: Aplicacin de algoritmos genticos en forma adecuada. Variable Dependiente: Obtencin soluciones validas y coherentes en el diseo de vigas de hormign armado. 1.5.3.2 Poblacin y Muestra Poblacin La presente investigacin se realizar exclusivamente dentro de las vigas rectangulares de hormign armado para edificaciones. Muestra Se trabajara nicamente con vigas de hormign armado de seccin constante, eje recto y de seccin peraltada, es decir con elementos cuya altura sea mayor que su base. 1.5.4 METODOLOGA DE LA INVESTIGACIN Se desarrollar un algoritmo gentico base, en el cual posteriormente se implementar en la optimizacin del diseo de vigas. Se realizar una sistematizacin de las variables y ecuaciones para la implementacin del Algoritmo Gentico. Se realizar un periodo de prueba para analizar los resultados del Algoritmo Gentico.

2.- RECURSOS 2.1.- Recursos Humanos Autor de la presente investigacin. 11

Asesor y Colaboradores de tesis. Archivos y Programas de Algoritmos Genticos Lenguaje de Programacin Visual Basic Estudiantes para Comprobacin y Experimentacin de Resultados

2.2.- Recursos Fsicos DISPONIBLES Documentacin Existente. Computador. Telfono. A ADQUIRIR Papelera Computador Porttil Alimentacin Internet

2.3.- Recursos Financieros Presupuesto:

DESCRIPCION DEL RECURSO

CANTIDAD NECESARIA

TIEMPO ESTIMADO

COSTO ESTIMADO

FINANCIAMIENTO

Humano Ejecutores
Colaboradores periodo de prueba

1 6 meses

500

500

Equipos Computadoras Impresora Materiales Equipo de Oficina Software

Visual Basic 6.0

1 6 meses 1 6 meses 1 6 meses

1 5 meses

1000 200 500

1200

1000 200 500 1200 3400

TOTAL

12

3.- CRONOGRAMA TENTATIVO FECHA DE INICIO DEL TRABAJO: 04 de Enero del 2009 FECHA DE TERMINACIN: 23 de Diciembre del 2010

No .

TIEMPO EN MESES ACTIVIDADES

1 Enero 2 3 4 1 Febrero 2 3 4 1 Marzo 2 3 4 1 Abril 2 3 4 1 Mayo 2 3 4 1 Junio 2 3 4 1 Julio 2 3 4 1 Agosto 2 3 4 Septiembr e 1 2 3 4 1 Octubre 2 3 4 Noviembr e 1 2 3 4 Diciembre 1 2 3 4

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

Elaboracin del plan de tesis Presentacin del plan de tesis Revisin del plan de tesis Correccin del plan de tesis Presentacin del plan de tesis corregido Aprobacin de tesis Investigacin preliminar Algoritmos Genticos Curso U.C.E. Diseo del Algoritmo Gentico Base Disecretizacion de Variables y Ecuaciones Diseo del Algoritmo Gentico Aplicado a Optimizacin de Vigas Ajuste de los Parmetros del Algoritmo Gentico Proceso de Prueba del Algoritmo Gentico Correccin de Tesis Presentacin del informe final Defensa de tesis

13

4.- BIBLIOGRAFIA 1. [1] David E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. Reading, 2. [2] John H. Holland. (1975) Adaptation in Natural and Artificial Systems. Ann Harbor: University of Michigan 3. [3] Mass.: Addison-Wesley Publishing Co., 1989. 4. [4] MAC CORMAC, Jack, (2006). Diseo de Concreto Reforzado. 5 Ed, Edit Alfaomega, Mxico. 5. [5] NILSON, Arthur, (1999). Diseo de Estructuras de Concreto. 20 Ed. Edit MacGraw Hill, Colombia. 6. [6] Requisitos Generales de Diseo, 2001, CEC 2000 Cdigo Ecuatoriano de La Construccin, (CEC 2000), Primera Edicin. 7. [7] Universidad Nacional de Chimborazo.- Formato de plan de trabajos de investigacin (SDFI-03, Riobamba 2009). Lugar y fecha de presentacin: Riobamba 18 de Enero de 2010

Nombres y Firmas del Asesor y Proponente

Ing. Diego Barahona Asesor

Armando Ashqui L. Proponente

14