Metodología basada en Algoritmos Genéticos y Programación en Paralelo para el Diseño Óptimo de Armaduras de Acero
La optimización de estructuras mediante la implementación de metodologías metaheurísticas ha sido una temática ampliamente estudiada en las últimas décadas. Los problemas de diseño estructural requieren del análisis de un gran número de variables complejas y por ende demandan un amplio uso de recurs...
| Autor Principal: | Ramírez Echeverri, Sebastián |
|---|---|
| Formato: | masterThesis |
| Publicado: |
Pontificia Universidad Javeriana
2015
|
| Materias: | |
| Acceso en línea: |
http://hdl.handle.net/10554/12670 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
La optimización de estructuras mediante la implementación de metodologías metaheurísticas ha sido una temática ampliamente estudiada en las últimas décadas. Los problemas de diseño estructural requieren del análisis de un gran número de variables complejas y por ende demandan un amplio uso de recursos computacionales. Este trabajo propone un algoritmo genético multi-cromosoma paralelo para resolver el problema de optimización de armaduras de acero 3-D, desarrollado en la plataforma JAVA®, el cual utilizó un cromosoma binario para determinar el mejor conjunto de perfiles y un cromosoma real para auto-adaptar los parámetros genéticos durante la optimización. Para el diseño de las armaduras se empleó un programa de elementos finitos desarrollado en MatLab®. El desempeño del algoritmo serial propuesto es evaluado mediante tres armaduras reportadas en la literatura (25, 72 y 112 miembros) y el uso de tres medidas de desempeño: costo final, desviación estándar entre ejecuciones y número de evaluaciones de la función objetivo. Con el fin de mejorar la eficiencia computacional, el algoritmo genético es paralelizado empleando el modelo de islas e hilos y evaluado mediante una armadura de 200 elementos y una de 354 elementos. Se obtiene que con la metodología propuesta los pesos finales son más bajos y con un uso significativamente menor de recursos computacionales en relación a otros algoritmos de optimización, debido a que los parámetros genéticos no son constantes y se evalúan distintas soluciones simultáneamente, pero con intercambios periódicos de individuos, garantizando la diversidad del espacio de búsqueda durante el proceso evolutivo. |
|---|