Resumen

Hemos desarrollado un marco de optimización multiobjetivo totalmente automatizado utilizando algoritmos genéticos para generar una variedad de estructuras de tijera de bóveda de barril óptimas. En comparación con otros métodos de optimización, los algoritmos genéticos son más robustos y eficientes al tratar problemas de optimización multiobjetivo y proporcionan una mejor visión del espacio de búsqueda al reducir la posibilidad de quedar atrapados en un mínimo local. La novedad de este trabajo es la aplicación y validación (utilizando métricas) de algoritmos genéticos para la optimización de la forma y tamaño de estructuras de tijera, lo cual no se ha hecho hasta ahora para dos objetivos. Probamos la viabilidad y capacidad de la metodología optimizando una bóveda de barril de 6m de longitud en peso y compacidad y obteniendo soluciones óptimas de manera eficiente utilizando NSGA-II. Este artículo presenta el marco y los resultados del estudio de caso. El análisis en profundidad de la influencia de las variables de optimización en los resultados proporciona nuevas perspectivas

• Materias:Modelo Matemático Superálgebras Gráfico bipartito Números trapezoidales
• Subjects:Mathematical model Superalgebras Bipartite graph Trapezoidal numbers
• Palabras claves:Marco de trabajo; Algoritmos genéticos; Optimización; Estructuras de tijera; Multiobjetivo; NSGA-II
• Keywords:Framework; Genetic algorithms; Optimisation; Scissor structures; Multiobjective; NSGA-II