Sistema de optimización de corte de vigas mediantealgoritmos genéticos

  1. César Menéndez Fernández
  2. C. Loureiro 1
  3. Mª Paz Cuesta Pérez
  4. Faustino Obeso Carrera
  1. 1 Universidad de Oviedo
    info

    Universidad de Oviedo

    Oviedo, España

    ROR https://ror.org/006gksa02

Libro:
II Congreso Internacional de Ingeniería de Proyectos: Bilbao-San Sebastian, 4-6 de octubre de 1995. Actas
  1. Javier Caamaño Eraso (ed. lit.)
  2. Fermín Gorostiaga Acha (ed. lit.)
  3. Ramón Losada Rodríguez (ed. lit.)

Editorial: Asociación Española de Ingeniería de Proyectos (AEIPRO)

Año de publicación: 1995

Páginas: 385-390

Congreso: CIDIP. Congreso Internacional de Ingeniería de Proyectos (2. 1995. Bilbao-San Sebastián)

Tipo: Aportación congreso

Resumen

El problema de la situación es usual en muchos campos industriales, y se puede formular como: ¿cuántos pedazos se deben situar en un tubo o viga de una longitud fija para evitar pérdida de material?. La utilización de un algoritmo de búsqueda exhaustiva supone un coste computacional de tiempo exponencial. El problema puede evitarse con algoritmos de tipo heurístico pero, normalmente, estos son incapaces de alcanzar la solución óptima, aunque sí una óptimo local satisfactorio. Esos métodos concentran la búsqueda en la parte del espacio solución en la que los resultados son más prometedores pero, en muchas ocasiones, esta zona no incluye la solución global, por lo que no se puede obtener el óptimo general. Una alternativa son los algoritmos genéticos. Su mayor eficacia se debe a que comienzan la búsqueda a partir de una selección aleatoria uniformemente distribuida (en general) en el espacio de soluciones y, mediante una serie de operadores, la búsqueda se centra automáticamente en las zonas más prometedoras. Esta múltiple búsqueda les proporciona una mayor probabilidad de encontrar la solución global óptima. En este trabajo se aplica esta técnica a la obtención de la solución óptima para el problema de optimización del corte de vigas. Además se muestra la mejora de los algoritmos genéticos frente a un heurístico mediante unos ejemplos.