AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006MedellnISSN01215701

25
JeanCarlosRincnO.
DecanatodeIngenieraCivil
UniversidadCentroccidentalLisandroAlvaradoUCLA,Barquisimeto,Venezuela
jcarlos3012@yahoo.com
Recibidoparaevaluacin:31deAgostode2005/Aceptacin:30deSeptiembrede2006/Versinfinal:20deOctubrede2006
RESUMEN
Seproponeunametodologadeoptimizacindesistemasdeabastecimientodeaguaaniveldeproyectosdeexpansin,
basadaenlosprincipiosfundamentalesdelosAlgoritmosGenticosparaluegoseraplicadaalsistemaqueabastecea
BarquisimetoCabudare(Venezuela).Paraello,seestructurelmodelopartiendodelateorabsica,yparaproceder
asuaplicacinserecopiltodalainformacinrequerida,seformularonlasalternativas,sedefinilafuncinobjetivo
ascomolasrestricciones,seprogramelmodelodelsistemaempleandoellenguajedeprogramacinVisualBasic6.0
yfinalmenteserealizlacorridadelmodeloacincoescenariosalternativos,parasuposterioranlisis.Seempleacomo
tcnicadeoptimizacinlaInteligenciaArtificialdebidoalcarcternolinealdelasecuacionesempleadas.Lametodologa
utilizada,ademsdeseleccionaralternativasempleandocomocriteriodeoptimizacinloscostos,involucraelprediseo
de las alternativas (dimetros de tubera y potencia requerida de bombas), y el tiempo (ao de construccin de las
alternativas).Losresultadosdemuestranlanecesidadinmediatadeampliarelsistemaparaevitarunacrisisdesuministro
deaguaenlosaosvenideros.
PALABRASCLAVES: AbastecimientodeAgua,AlgoritmosGenticos,InteligenciaArtificial,Optimizacin,
TomadeDecisiones.
ABSTRACT
Anoptimizationmethodologyfortheexpansionofwatersupplysystemsispresented,baseduponfundamentalprinciples
ofGeneticAlgorithms.ItisappliedtostudythewatersupplysystemofBarquisimetoCabudare(Venezuela).Towards
thatend,themathematicalmodel isdevelopedfromthe basictheory, andits applicationrequires thatinformationis
compiled,thealternativesareformulated,andthattheobjectivefunctionandconstrainsaredefined.Themodelisrun
usingVisualBasic6.0,forfivedifferentalternativescenarios.Artificialintelligenceisusedduetothenonlinearcharacter
ofthemathematicalmodel.Inadditiontoselectingtheleastcostalternative,theproposedmethodologyinvolvespre
designofalternatives(pipelinediameters,andrequiredpowerofhydraulicpumps),aswellastheoptimaltimingofthe
different alternatives. Results indicatethe immediate necessity to expand the water supply system to avoid a water
supplycrisisintheforeseeablefuture.
KEY WORDS: WaterSupply,GeneticsAlgorithms,ArtificialIntelligence,Optimization,MakeDecisions.
APLICACINDEALGORITMOSGENTICOSENLAOPTIMIZACINDEL
SISTEMADEABASTECIMIENTODEAGUA DEBARQUISIMETOCABUDARE
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
26
1. INTRODUCCIN
Eldesarrollodelasciudadesllevaconsigouncrecimiento
poblacionalalcualhayquebrindarlelosserviciosentre
elloselagua.Laescasezdeestevitallquidoenelmundo
y el deterioro de su calidad originado por la
contaminacin,hanhechoquelosdesequilibriosentrela
ofertaylademandaseacentencadavezms.
Antesta situacin la solucin es planificar el uso del
recurso hdr ico, at endiendo diversos factores,
generalmenteeleconmicodebidoalascrisiseconmicas
que muchos pases de Amrica Latina y el mundo
atraviesanenlaactualidad.
Esto es posible mediante la aplicacin de tcnicas de
optimizacinqueayudenalatomadedecisionesenla
gestin de los recursos hidrulicos. Las tcnicas que
comnmente se utilizan son de tipo exacto, pero estos
pocosuelenadaptarsealosproblemasdeingenierapor
la no linealidad que tienen los pr oblemas que
generalmentesepresentan,entreotrascausas.
Hoyenda,elusodelosmetaheursticoshaayudadoa
aliviar este problema, los cuales son mt odos
aproximados basados en los principios generales de
InteligenciaArtificial. Uno deellos son losAlgoritmos
Genticos, que son mtodos sistemticos para la
resolucindeproblemasdebsquedayoptimizacinque
aplican a estos los mismos mtodos de la evolucin
biolgica:seleccinbasadaenlapoblacin,reproduccin
sexualymutacin.
Parasuaplicacinserequierecodificarlasvariablesque
intervienenenelproblemaparaquepuedanmanipularse
durante el proceso evolutivo. Entre los mtodos de
codificacinsepuedenmencionarlacodificacinbinaria
ylacodificacinpormediodenmerosreales.
Un algoritmogentico simple se basaen la generacin
aleatoriadelascadenasquesonposiblessolucionesdel
problema y en la aplicacin de cinco operadores
principales: evaluacin, seleccin, crossover o
recombinacin,elitismoymutacin.
Durante la evaluacin, se decodifica el gen,
convirtindose en una serie de parmetros de un
problema,sehallalasolucindel problemaapartirde
esosparmetros,yseledaunapuntuacinaesasolucin
enfuncindelocercaqueestde lamejorsolucin.A
estapuntuacinselellamafitness.
Una vez evaluado el fitness, se tiene que crear la nueva
poblacinteniendoencuentaquelosbuenosrasgosdelos
mejoressetransmitanasta.Paraello,hayqueseleccionar
aunaseriedeindividuosencargadosdetanarduatarea.
El crossover consiste en el intercambio de material
gentico entre dos cromosomas. El crossover es el
principaloperadorgentico,hastaelpuntoquesepuede
decirquenoesunalgoritmogenticosinotiene crossover.
En cuanto a la mutacin es un suceso bastante poco
comn (sucede aproximadamente una de cada mil
replicaciones).Enlamayoradeloscasoslasmutaciones
sonletales,peroenpromedio,contribuyenaladiversidad
genticadelaespecie.Enunalgoritmogenticotendrn
elmismopapel,ylamismafrecuencia(muybaja).
Por ltimo, el operador elitismo mantiene en cada
poblacinelmejorindividuoentrminosdefuncinde
calidadodefuncinobjetivo.
En este trabajo se propone una metodologa para la
optimizacin de sistemas de abastecimiento de agua,
aplicando la teora de Algoritmos Genticos. Dicha
metodologaseempleenelsistemaqueabastecealas
ciudadesdeBarquisimetoCabudare,Venezuela.Adems
deelloserealizaunaexperimentacindelmodeloconel
findeconocerlosvaloresdelosparmetrosporutilizar
y el estudio de varios escenarios alternativos para dar
solucinalproblemadeabastecimientodeestasciudades.
2.METODOLOGIADETRABAJO
2.1.Seleccindelatcnicadeoptimizacin
En primer lugar se realiz una comparacin entre los
mtodosexactosylosmtodosheursticos.Losmtodos
exactossuelensermuydeficientesenproblemasdealta
dimensionalidad, adems que la mayora de ellos
requierenuncarcterlinealdelasecuaciones,situacin
poco probable en problemas de ingeniera tal como el
casode aplicacin que aquse estudia.Encambio,los
mtodosheursticos,apesarquenogarantizanelptimo
global,sonmaseficientesyflexiblesyacambioofrecen
soluciones cercanas al ptimo. Por lo tanto fueron
descartadoslosprimeros.
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
27
Entre losmtodos heursticosse puedenmencionar los
algoritmosgenticos,templesimuladoybsquedatab,
loscualesseadaptanaproblemasdeexpansin.
Basado en las conclusiones del trabajo de Adriana
Pulgarn,2001,sedescarteltemplesimuladoportener
lagrandesventajadetrabajarconunanicasolucinen
cadaiteracinloquelohacepocoprcticoenproblemas
degrantamao.
Encuantoalabsquedatabylosalgoritmosgenticos,
ambos se adaptaban perfectamente al problema de
aplicacin,siembargoseseleccionesteltimoporser
latcnicaquehastaahorahasidomasinvestigada,usada
yaplicadaenproblemasrealesysuimplementacines
muchomassencilla.
2.2. Modelo pr opuest o par a la optimizacin de
sistemas de abastecimiento de agua (proyectos
deexpansin)basadosenlateoradeAlgor itmos
Genticos
Para la aplicacin del modelo se deben definir las
alternativasquesernevaluadasporelmodelo,tantolas
queyaestnconstruidascomolasqueestnpropuestas.
Cada alternativa debe estar asociada a una capacidad,
querepresentaelmayorcaudalquepodraserconducido
por cada aduccin.Adems debe definirse para cada
unalalongituddeaduccin,eldesnivelenlaaducciny
eltipodeaduccin(gravedadobombeo).
De igual manera, deben definirse el horizonte de
planificacin,elnmerodeperiodosenqueserdividido
dicho horizonte y las demandas del sistema para cada
periodo.
Porltimosedebedesarrollarlaformulacinmatemtica
delmodelo,enotraspalabras,sedebedefinirlafuncin
objetivo y las restricciones. En el caso de estudio la
funcin objetivo sera minimizar costos, y las
restricciones se podran englobar en dos aspectos, una
referentealascapacidadesyotraalasatisfaccindelas
demandas.
2.2.1.Datosdelmodelo
Nmerodeindividuosdelapoblacin:Nmeroentero
positivo que indica la cantidad de cadenas que se
generanencadaiteracin.
Nmerodeiteraciones:Nmeroenteropositivoque
indicalacantidaddepoblacionesquesereproducen
enelmodelo.
ProbabilidaddeCruce:Nmeroenteropositivoentre
1y100queindicaelporcentajedelapoblacinque
sersometidoaloperadorCruce.
ProbabilidaddeElitismo:Nmeroenteropositivoentre
1y100queindicaelporcentajedelapoblacinque
sersometidoaloperadorElitismo.
Nota:Lasumadelasprobabilidadesde Cruce y Elitismo
debeser100%.
Porcentaje deCrucetipo I:Nmero enteropositivo
entre 1 y 100 que indica que porcentaje de los
individuos que son sometidos al operador cruce se
lesaplicaelcrucetipoI.
PorcentajedeCrucetipoII:Nmeroenteropositivo
entre 1 y 100 que indica que porcentaje de los
individuos que son sometidos al operador cruce se
lesaplicaelcrucetipoII.
PorcentajedeCrucetipoIII:Nmeroenteropositivo
entre 1 y 100 que indica que porcentaje de los
individuos que son sometidos al operador cruce se
lesaplicaelcrucetipoIII.
Nota:LasumadelosporcentajesdecrucetipoI,tipoII
y tipo III deben sumar 100%. Estos cruces sern
explicadosposteriormente.
2.2.2.Codificacin
Pararealizarlacodificacinsedebedeterminarelnmero
decaracteresqueserequierenpararepresentaruncaudal
de la alternativa i del perodo k, y as determinar la
longituddelacadenabinaria.
Elnmerodecaracteresdependedelaprecisinquese
deseeydelacapacidaddecadaalternativa.Estenmero
puedeserdeterminadoatravsdelaecuacin:
1 2 10 * ) ( 2
1
- - <
-
j j
m
n
j j
m
a b
Donde m
j
es el nmero de caracteres requeridos, n
representa el nmero de dgitos deseados despus del
punto decimal y (a
j
, b
j
) representa el dominio de la
variable,queparaelmodeloseriaentre0ylacapacidad
decadaalternativa.
Lalongituddelacadenapuedesercalculadapormedio
delaformula:
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
28

=
=
Nalt
i
i
Nper NcarA Lc
1
Lc=Longituddelacadena
Ncar A
i
= Nmero de caracteres requerido por la
alternativai.
Nalt=Nmerototaldealternativas.
Nper =Nmerodeperiodosporconsiderarenelmodelo.
Tabla1.Ejemplo:Cadenafraccionadaen3subcadenas
2.2.3.Generacindelapoblacininicial
Paracadaindividuodelapoblacininicialdeberealizarse
losiguiente:
Generardemaneraaleatoriacombinacionesdeunosy
ceros, hasta alcanzar la longitud requerida de la
cadena.
Fraccionar la cadena en x subcadenas, donde x
representalosperiodosconsideradosenelproblema.
VerejemploenlaTabla1.
Perodo1:
0 0 0 1 1 1 0 1 0 1 0 1 1 0 0 0 1 1 0 1 0 1 1 0 0 0 1 0 1
Perodo2:
0 1 1 1 1 1 1 1 0 1 0 1 0 0 1 0 1 1 0 1 1 1 1 0 0 1 0 0 1
Perodo3:
0 1 0 1 1 1 0 1 0 0 0 1 1 1 1 0 1 1 0 1 0 0 0 0 0 0 1 1 1
Lassubcadenasdebenconvertirseenunamatrizde m
xn,dondemrepresentaalnmerodealternativasy n
alnmerodeperiodos.VerejemploenlaTabla2.
Tabla2.Ejemplo:Subcadenasconvertidasenmatrizde3x5
PERIODO Sub
cadenas
1 2 3
1 00011 01111 01011
2 10101 11101 10100
3 011000 010010 011110
4 1101011 1101111 1101000
A
l
t
e
r
n
a
t
i
v
a

5 000101 001001 000111

Generaraleatoriamenteunnmerocomprendidoentre
1yel(Nper+1)paralasalternativasquerequieren
construccin,conelfindeindicarelperodoenque
deben entrar en funcionamiento y luego proceder a
modificar la cadena, es decir, que si el numero
generadoparalaalternativa1esel3,loscaracteres
delaalternativa1paralosperodos1y2sea00000.
Enelcaso deque elnmerogeneradoseamayoral
nmero de perodos, laalternativa 1 nunca entrara
en funcionamiento y todos los caracteres, desde el
perodo1hastaelltimoseransolo0s.Paracontinuar
conelejemplo,supongamosqueelnmeroobtenido
paralaalternativa1esel3,paralaalternativa2esel
4yparalaalternativa3esel3,lassubcadenasyla
matriz quedara de la siguiente manera (Tablas 3 y
4):
Tabla3.Ejemplo:Modificacindelassubcadenas
Perodo1:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 1 1 0 0 0 1 0 1
Perodo2:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 1 1 0 0 1 0 0 1
Perodo3:
0 1 0 1 1 0 0 0 0 0 0 1 1 1 1 0 1 1 0 1 0 0 0 0 0 0 1 1 1
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
29
Tabla4.Ejemplo:Modificacindelamatriz
PERIODO Sub
cadenas
1 2 3
1 00000 00000 01011
2 00000 00000 00000
3 000000 0000000 011110
4 1101011 1101111 1101000
A
l
t
e
r
n
a
t
i
v
a

5 000101 001001 000111

2.2.4.Decodificacindelamatriz
Eslatransformacindelamatrizobtenidaenunamatriz
de valoresreales, queen este casorepresenta caudales
enm
3
/s.Laconversinserealizapormediode:








-
-
+ =

-
=
1 2
2
1
0
j
m
j j i
Ncar
i
i j
a b
b a caudal
2.2.5.Tratamientodelasrestricciones
La probabilidad de producir cadenas que no cumplan
conlasrestriccionesimpuestasenelmodeloesmuyalta
debidoaqueesunproblemamuyrestringido,porelloes
necesariodesarrollarunalgoritmodereparacinconel
fin de obligar a la cadena al cumplimiento de las
restricciones. El algoritmo que se implemente depende
delascaractersticasdelproblema.
2.2.6.Predimensionadoyestimacindecostos
Se debe estimar el dimetro de tubera para las
alternativasquerequierenconstruccindelaaduccin,
lapotencia requeridadelasbombasenlas alternativas
cuyaaduccinesporbombeoylaspotenciasnecesarias
anualesen funcin delos caudalesbombeadosen cada
perodo.Generalmenteelpredimensionadodelatubera
sehacepormediodelaecuacindeHazenWilliamspara
los casos en que la aduccin sea por gravedad y la
ecuacindeBresseparaloscasosenqueseaporbombeo.
Elcaudalconsideradoeselmayorvalorobtenidodetodos
los periodos de la alternativa en cuestin. Con los
dimetrosobtenidosseestimanloscostosdeconstruccin
delaaduccin.Realizadoelpredimensionado,seestiman
loscostostotalesdelasolucinencontrada.
Encasoqueelalgoritmodereparacindesarrolladono
permitaelcumplimientodetodaslasrestriccionessedebe
recurrir a la segunda manera de tratar a las cadenas
infactiblesqueespormediodepenalizaciones.
2.2.7.Evaluacin
El proceso de evaluacin debe realizarse una vez que
han sido generadas todas las cadenas de la poblacin
actual. A cada cadena se le determina su funcin de
aptitud o el fitness. La funcin de aptitud se calcula
normalizandoelvalorobtenidodelafuncinobjetivoy
las penalizaciones, es decir, llevndolo a unidades
adimensionalesentre0y1yluegosumarlas.Esteproceso
debehacerseporquelasunidadesdelafuncinobjetivo
nosonlasmismasquelasdelasrestricciones.
2.2.8.Seleccin
El proceso de seleccin utilizado es el tipo ruleta, que
consiste en asignarle a cada miembro de la poblacin
unaporcindeunaruletainversamenteproporcionalal
fitnessdelindividuo,esotraspalabras,mientrasmejor
sea su funcin de aptitud mayor ser la porcin de la
ruletaquelecorresponde.
Setomaunnmeroalazarentre1y100,yelindividuo
quecontengaesenmeroserseleccionadoparaserpadre
delasiguientegeneracin.Estosehacetantasveceshasta
alcanzarlacantidaddepoblacinquesersustituida.
2.2.9.Cruce
Enelalgoritmodesarrolladoen estetrabajo seutilizan
diversos operadores de cr uce adaptados a la
representacinmatricialdelassoluciones.Enrealidad,
las tres polticas de cruce implementadas son casos
particulares del cruce multipunto. Cada solucin hija
contieneunapartedelasdosmatricespadres.Adems,
las dos soluciones hijas son complementarias. A
continuacinsedescribelospasosrealizados.
Seseleccionaalazar2nmeroscomprendidosentre1
ylacantidaddepoblacinasustituir,estosnmeros
representanalascadenasquesernpadresyformarn
dos hijos.Dependiendodelporcentajedeaplicacin
decadapolticaelprogramadebeseleccionarcualde
ellasaplicar.
Seprocedearealizarelcruceconelfindecrearlos2
hijosqueformarnpartedelasiguientegeneracin.
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
30
Esteprocesoserepitehastaalcanzarla cantidadde
poblacinsustituida.
Poltica 1. Cruce por columnas. Para cada pareja de
solucionespadresseescogeunnmeroaleatorioentre1
y T.Estenmero, v,indicaporqulneaverticalseparten
las matrices padres. Entonces, el primer hijo estar
formadoporlascolumnas 1,2,...,vdelaprimeramatriz
padreylascolumnas v+1,v+2,...,Tdelasegundamatriz
padre.Elsegundohijoestarformadoporlascolumnas
1, 2, ..., v de la segunda matriz padre y las columnas
v+1,v+2,...,T delaprimeramatrizpadre.LaFigura1
ilustraestapolticadecruce.
Figur a1.Polticadecruce1
Poltica2. Cruceporfilas.Paracadaparejadesoluciones
padresseescogeunnmeroaleatorioentre1yN.Este
nmero,h,indicaporqulneahorizontalsepartenlas
matricespadres.Entonces,elprimerhijoestarformado
porlasfilas1,2,...,hdelaprimeramatrizpadreylas
filas h+1, h+2, ..., N de la segunda matriz padre.
Igualmente,elsegundohijoestarformadoporlasfilas
1, 2, ..., h de la segunda matriz padre y las filas h+1,
h+2,..., Ndelaprimeramatrizpadre.LaFigura2ilustra
estapolticadecruce.
Figur a2. Polticadecruce2.
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
31
Poltica 3.Cruce fraccionadopara cada columna.Las
solucioneshijasseobtienenporbiparticinaleatoriade
cada columna de las soluciones padres y posterior
recombinacindelostrozosresultantesdelabiparticin.
Dada una pareja de soluciones padres, se escoge un
nmeroaleatorio, c,entre1y N.Estenmeroindicapor
dnde separte cadacolumna de lassoluciones padres.
Porlotanto,cadacolumnadelprimerhijoestarformada
por las fracciones 1, 2, ..., c de la columna del mismo
ndicedelaprimerasolucinpadreylasfracciones c+1,
c+2,...,Ndelacolumnadelmismondicedelasegunda
solucin padre. Cada columna del segundo hijo estar
formada por las fracciones 1,2, ..., c de la segunda
solucin padre y las fracciones c+1, c+2,..., N de la
primerasolucinpadre.LaFigura3ilustraestapoltica
decruce.
Figur a3.Polticadecruce3
2.2.10.Elitismo
Conelporcentajeintroducidocomodatodelproblema,
ydependiendodeelnmerodeindividuosdelapoblacin,
se determina la cantidad de individuos que pasan
directamentealasiguientepoblacin.
2.3.Aplicacindelmodeloalsistemadeabastecimiento
de agua de Bar quisimeto Cabudare y r eas
adyacentes.
2. 3. 1. Actu alizaci n de la s disponibilidades
superficialesdeagua
EnlaactualizacinseincluyenlacuencadelroTocuyo
dondeseencuentraubicadoelembalseDosCerritos,las
cuencasde losrosYacambyAcariguadondeacorto
plazoestarubicadoelembalseYacambyalargoplazo
elembalseDosBocas,respectivamente.Laactualizacin
consisteen primer lugar enunaevaluacinhidrolgica
y, en segundo lugar, en la operacin conjunta de los
embalsesenestudio.
Paralaevaluacinhidrolgicaactualizada,seutilizla
misma metodologa de simulacinhidrolgica mensual
utilizada por la antigua Zona 3 del Ministerio del
Ambiente y de los Recursos Naturales Renovables,
(MARNR1983).
LosmodeloshidrolgicosutilizadossonelSIMULACI,
desarrolladoenelantiguoMinisteriodeObrasPblicas,
yelSIHIDME,quefueelaboradoenelMinisteriodel
AmbienteydelosRecursosNaturalesRenovables.
Laevaluacinhidrolgicaestconstituidapordosfases,
una de calibracin y otra de simulacin. La fase de
calibracin tiene como finalidad determinar los
parmetros fsicos de ajuste del modelo mensual de
simulacin, utilizando la informacin de escorrentas
observadascomocriteriodeajuste.
Una vez obtenidos losvolmenes simulados en el sitio
de presa, se realiz la operacin del embalse a fin de
determinar cual es el caudal mximo constante que se
puede extraer con un porcentajede falla del 10%. Los
resultadossemuestranenlasFiguras4,5y6.
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
32
Figur a4.CurvaderendimientodelembalseDosCerritos
60
65
70
75
80
85
90
95
100
6 6.5 7 7.5 8 8.5 9
CAUDAL(M3/S)
%
S
E
G
U
R
I
D
A
D

PUNTOS
CURVA
Figur a5.CurvaderendimientodelembalseYacamb
40
50
60
70
80
90
100
12 12.2 12.4 12.6 12.8 13 13.2 13.4
CAUDAL(M3/S)
%
S
E
G
U
R
ID
A
D

PUNTOS
CURVA
70
75
80
85
90
95
100
13 13.5 14 14. 5 15
CAUDAL (M 3/S)
%
D
E
S
E
G
U
R
ID
A
D

CURVA
Figur a6.CurvaderendimientodelembalseDosBocas
2.3.2. Actualizacin de las demandas urbanas del
sistema
Paralaactualizacindelasdemandasurbanasdelsistema
serealizlaproyeccindepoblacindelosmunicipios
Iribarren,Palavecino,discriminadaporparroquias,con
base en los resultados del censo 2001 cuya tasa de
crecimiento para estos municipios es de 2.4% y 4.2%,
respectivamente.Elmtododeproyeccin empleadoes
elderegresingeomtrica.Encuantoalosmunicipios
Morn y Jimnez se aplic el mtodo logartmico, por
considerar que es el que mas se ajusta al crecimiento
poblacionaldeestosmunicipios.Luegolasproyecciones
obtenidas fueron multiplicadas por factores que
corresponden a la cantidad de agua entregada a las
ciudades de Barquisimeto, Cabudare, Quibor y El
Tocuyo,deltotalentregadoalosrespectivosmunicipios.
2.3.3.Estimacionesdecostos
Para el presente estudio se consideraron costos de
construccinycostosdeoperacin.Loscostosdetubera,
incluida la colocacin, se estimaron empleando los
anlisisdepreciosunitariosaplicadosenHidrolarapara
su Modelo Tarifario, es decir para cada dimetro se
obtuvoelcostounitario.Estospuntosfuerongraficados
y ajustados a una ecuacin de 2do. Grado
( 0 124736 19698 17 267
2
> + + = f f f . CC ), donde CC
sonloscostosdecolocacindetubera(Bs./ml)y f es
eldimetrodelatuberaenpulgadas.VerFigura7.
Paralaestimacindeloscostosdelosequiposdebombeo
incluidalainstalacinycasetas,setomcomoreferencia
elcostodelequipocompradorecientementeporHidrolara
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
33
paraserutilizadoenlaaduccindeDosCerritos,cuyo
costofue158800$paraunmotorde2950HPdepotencia,
ysegneldepartamentodeOperacinyMantenimiento
el costo de electricidad es de 23.54 Bs./Kwh, para la
EstacindeDosCerritos.
Figur a7.Ajustedeloscostosdetuberaaecuacinde
2do.Grado
Para obtener los costos por construccin de planta de
tratamiento setomcomo baselos costos actualizados
de las plantas existentes en el estado Lara, cuya
informacin fue suministrada por el departamento de
costosdeHidrolara.Deacuerdoconlacapacidaddecada
unadelasplantassehizounajustelinealparaasobtenerla
siguienteecuacin CPT=2e10
6
* Q+3e10
8
(verFigura8).
CurvaPrecioUnitarioenAcueducto(ml)
y=267.17x
2
+19698x+124736
R
2
=0.9982
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
0 20 40 60 80 100 120 140
Dimetro(pulg.)
P
r
e
c
i
o

U
n
i
t
a
r
i
o

(
B
s
/
m
l
)

COSTOSPLANTADETRATAMIENTO
y = 2E+06x+3E+08
R
2
= 0.984
0
1000000000
2000000000
3000000000
4000000000
5000000000
6000000000
7000000000
8000000000
9000000000
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Q(l/s)
C
o
s
t
o

(
B
s
.
)

Figur a8.AjustelinealdecostosdePlantadeTratamiento
2.3.4.Alternativasplanteadas
Las alternativas consideradas en el modelo se pueden
apreciarenlaFigura9.
Figur a9.Esquemadelasalternativasconsideradasenelmodelo
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
34
2.3.5.Formulacinmatemtica
= Z Minimizar

= = =
+
4
1
6
2
7
1 i i k
k , i i
CO CC
Donde:


= =
= =
+
+ + + =
4
2
4
3
4
1
2
4
1
2950
2150) 2.3 (158800
124736 19698 17 267
i i
i
i
i
i i
i
i
CPT
POT
. CC f f
63 2
1
54 0
734 0
.
.
i
i
i d
i
L
H
.
Q





















D

= f
i=1,3
i d i
Q . = 15 1 f i=2,4
) Q ( Max Q
k , i i d
= i=14k=17
8 0 76
1000
.
HT Q
POT
i i d
i


=
i=2,4
15 1 001772 0
852 1
871 4
. Q
L
. H HT
.
i d .
i
i i
+ D =
f
i=2,4
8 6
10 3 1000 10 2 e * Q * e CPT
i d
+ = i=3,4

= = = =
=
6
2
7
1
6
2
7
1
54 23
i k
k , i
i k
k , i
POTVAR . CO
7457 0
8760
8 0 76
1000
. .
HT Q
POTVAR
i k , i
K , i



=
i=26k=1
Sujetoa:
k ,
k
QUIBOR k TOCUYO k ,
Q DU . DU Q
6 5
1 0 + + -
k=17
k , k , k ,
Q Q Q
3 1 2
+ k=17
k
TO BARQUISIME k , k , k ,
DU . ) . Q ( Q Q + - + + 825 0 3 0
6 4 3
k=17
( )
k CABUDARE
k
TO BARQUISIME k , k , k ,
DU .
DU ) . Q ( . Q Q
+
- - + + +
870 0
3 0 825 0
6 4 3
k=17
: CC
i
CostosdeconstruccinenBolivares,alternativai.
: CO
k , i
Costosdeoperacinen Bolivares,alternativai
enelperiodok.
:
i
f Dimetrodetuberaenm.delaalternativai.
: POT
i
PotenciaenHPrequeridadelaalternativai.
: CPT
i
CostosdeplantadetratamientoenBs.dela
alternativai.
: Q
i
d
Caudaldediseoenm
3
/sdelaalternativai.
: H
i
D Desnivelenm.delaalternativai.
: L
i
LongituddelatuberaenKm.delaalternativai.
: Q
k , i
Caudalproporcionadoporlaalternativaienel
perodo k.
HT
i
SumadelDesnivelmaslasprdidastotalesenm.
delaalternativai.
: POTVAR
k , i
PotenciaconsumidaenKwhporla
alternativaienelperiodo k.
: DU
k
TOCUYO
DemandaurbanadelapoblacindeEl
Tocuyoenelperodo k.
: DU
k
QUIBOR Demandaurbanadelapoblacinde
Quiborenelperodo k.
: DU
k
TO BARQUISIME Demandaurbanadelapoblacinde
Barquisimetoenelperodo k.
: DU
k
CABUDARE
Demandaurbanadelapoblacinde
Cabudareenelperodo k.
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
35
2.3.6.Periodosconsiderados
Tabla5.Perodosconsideradosenlaaplicacindelmodelo
Perodo
Aosque
comprende
Nro.De
aos
1 2005 1
2 20062008 3
3 20092012 4
4 20132015 3
5 20162018 3
6 20192022 4
7 20232025 3
2.3.7.Automatizacindelmodelo
Levantadatodalainformacinrequerida,seprocedia
lasistematizacindelmodelorealizndoseenellenguaje
de ProgramacinVisual Basic 6.0. En la Figura 10 se
puedeobservarunadelaspantallasdelmodelo.
Figur a10.Pantalladelmodelo
3.RESULTADOS
3.1.Exper imentacin
Elobjetivoprincipaldeunaexperimentacinesvisualizar
elefectodelosdiversosparmetrosenelcomportamiento
del Algoritmo Gentico por comodidad se utiliza un
nmero pequeo de generaciones en cada corrida, esto
implicaqueenlasejecucionesdelalgoritmodifcilmente
sehalle la solucinptima,pero setendruna guade
cules deben ser los valores de los parmetros para el
Algoritmo Gentico que mejor se adapte al problema
planteado.
3.1.1.Casosdeexperimentacin
NmerodeindividuosVs.Nmerodeiteraciones.
2.30E+11
2.40E+11
2.50E+11
2.60E+11
2.70E+11
2.80E+11
2.90E+11
3.00E+11
3.10E+11
3.20E+11
1 3 5 7 9 11 13 15 17 19 21 23 25
Nro.deEjecucion
C
o
s
t
o

s
o
l
u
c
i
o
n

(
B
s
.
)

Npob=100
Npob=250
Npob=500
2.30E+11
2.50E+11
2.70E+11
2.90E+11
3.10E+11
3.30E+11
3.50E+11
1 3 5 7 9 11 13 15 17 19 21 23 25
Nro.deEjecuci on
C
o
s
t
o

S
o
l
u
c
i
o
n

(
B
s
.
)

Niter=100
Niter=250
Figur as11y12.CasodeExperimentacin:Nro.de
IndividuosVs.Nro.deiteraciones
DeacuerdoconloobservadoenlasFiguras11y12se
concluyequeesmsadecuadoenfocareltrabajoaluso
deunmayortamaodelapoblacinyaunnmeromenor
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
36
deiteraciones,ya queamayornmerode poblacinla
mejorsolucinencontradaporelalgoritmogenticoes
menor,estosedebeaquelavariabilidaddelapoblacin
aumenta.
SeleccinporRuletaVs.Elitismo
2.30E+11
2.80E+11
3.30E+11
3.80E+11
4.30E+11
4.80E+11
1 3 5 7 9 11 13 15 17 19 21 23 25
Nro.Ejecuci n
C
o
s
t
o

S
o
l
u
c
i

(
B
s
.
)

Sruleta=100,Selitismo=0
Sruleta=75,Selitismo=25
Sruleta=50,Selitismo=50
Figur a13. Casodeexperimentacin:Seleccinpor
RuletaVs.Elitismo
ObservandolosresultadosobtenidosenlaFigura13se
puedeafirmarquelapresenciadeloperadorElitismo es
muy importante a fin de encontrar mejores soluciones.
Al comparar los costos obtenidos en el caso donde el
porcentajede Elitismo esceroconlosotrosdosseobserva
questossonmayoresyengrandiferencia.
CrucetipoIVs.CrucetipoIIVs.CrucetipoIII.
2.30E+11
2.40E+11
2.50E+11
2.60E+11
2.70E+11
2.80E+11
2.90E+11
3.00E+11
3.10E+11
3.20E+11
3.30E+11
1 3 5 7 9 11 13 15 17 19 21 23 25
NroEjecuci n
C
o
s
t
o

S
o
l
u
c
i

(
B
s
.
)

Combinacin60%20%20%
Combinacin20%60%20%
Combinacin20%20%60%
Figur a14. Casodeexperimentacin:CrucetipoIVs.
CrucetipoIIVs.CrucetipoIII
De la Figura 14 se puede deducir que la combinacin
idealdecrucesparaelmodeloimplementadoesaquella
donde el cruce tipo I(por columnas)es mayor que los
otrosdostiposdecruce.Estosedebeaquecuandoopera
estecruce,silospadressoncadenasfactiblesloshijos
sern tambin cadenas factibles ya que lo que se est
combinandosonsolucionesporperodos,yentrminos
delalgoritmogenticolainformacingenticaseestara
manteniendo de una poblacin a otra porque no hara
faltaelusodelalgoritmodereparacin.
3.2.Algor itmodefinitivo
Conbaseenlosresultadosobtenidosenlaexperimentacin
sefijaronlosvaloresdelosparmetrosdelalgoritmo.Enla
Tabla6semuestranlosvaloresutilizados.
Tabla6. Valoresdefinitivosdelosparmetrosdel
AlgoritmoGentico.
PARAMETROS
Npob = 1000
Ne = 10
Niter =50
Sruleta = 80
Selit ismo = 20
Cr u ce1 = 60
Cr u ce2 = 20
Cr u ce3 = 20
3.3.Estudiodeescenar iosalter nativos
3.3.1.Escenario1
Enesteescenarioseuslasproyeccionesdepoblacin
calculadas, una dotacin de 350 l/p/d, el uso de los
factoresdeactualizacindecostosenlafuncinobjetivo
y todas las alternativas planteadas. En la Tabla 7 se
puedenobservarlosresultadosobtenidos.
Para este primer escenario se tiene que el sistema
actualfallaraenelao2009, esdecirqueyanoestara
encapacidaddesatisfacerlasdemandasrequeridas.
Elmodeloarrojaqueparaelao2009,laaduccin
proveniente desde el embalse Yacamb debe estar
construida.
Una vez que Yacamb entra en funcionamiento, el
modeloindicaquestedebetrabajaracapacidad,es
decir, 3 m
3
/s. Esto es lgico, ya que es un sistema
AplicacindealgoritmosgenticosenlaoptimizacindelsistemadeabastecimientodeaguadeBarquisimeto,CabudareRincn.
37
cuyo funcionamiento es por gravedad, y no habra
costosdeequiposdebombeonideoperacin.
Deacuerdoconlosresultadosofrecidosporelmodelo,
deentrarYacambenfuncionamiento,parael2025
que es el horizonte de planificacin considerado, ni
la aduccinde Dos Bocas ni la paralelaal embalse
DosCerritossonnecesarias,estosedebeaqueesta
alternativas son mas costosas queYacamb y para
eseaoelsistemaannoestaraendficit.
Caudalesrequeridos(m
3
/s)
ALTERNATIVAS AO
PER.
1
PER.2 PER.3 PER.4 PER.5 PER.6 PER.7
Dimetro
(pulg)
Potencia
(HP)
1.AduccinTnelTrasvaseYacamb
Plantadetratamientopropuesta
2009 0 0 3 3 3 2.71 2.806 72
2.AduccinParalelaEmbalseDos
CerritosPlantade tratamiento
propuesta
0 0 0 0 0 0 0 0 0
3.AduccinPlantadetratamiento
propuestaDemandaUrbana
BarquisimetoCabudare
2009 0 0 2.881 2.968 2.881 2.706 2.706 48
4.AduccinEmbalseDosBocas
DemandaUrbanaBarquisimeto
Cabudare
0 0 0 0 0 0 0 0 0
5.AduccinexistenteEmbalseDos
CerritosPlantadeTratamientoCiudad
deBarquisimeto
2005 3.574 3.825 1.442 1.818 2.069 2.884 3.386
6.AduccinPlantadeTratamiento
CiudaddeBarquisimetoDemanda
UrbanaBarquisimeto Cabudare
2005 2.986 3.248 0.786 1.152 1.414 2.148 2.671
Tabla7.Resultadosobtenidos.Escenario1
3.3.2.Escenario2
Debido a la posibilidad de que toda el agua producida
por Yacamb sea destinada al riego, se incluy un
escenariodondenosetomaraencuentaaesteembalse.
Enestecasosetrabajconlasmismasproyeccionesde
poblacin y para una dotacin de 350 l/p/d. Los
resultadosobtenidossemuestranenlaTabla8.
Comparando los resultados obtenidos con los del
escenario1,se observaquedeigual manera,para esta
dotacinelsistemaestaraendficitparael2009,loque
implicaelusodenuevasalternativas.
Entrelaaduccinparalela deDosCerritosyladeDos
Bocas,elmodeloseleccionaladeDosBocasqueapesar
desermascostosa,conellasegarantizaelsuministrode
agua potable hasta el horizonte de planificacin junto
conlaaduccinexistente.
Enconclusin,siestafueseelcrecimientodepoblacin
paralosprximosaosyladotacinfueseenpromedio
de350l/p/d,bienseaconlaconstruccindelaaduccin
provenientedeYacamboconlaAduccindeDosBocas,
el sistema podra satisfacer los requerimientos de la
poblacinhastael2025.
Tabla8.Resultadosobtenidos.Escenario2
Caudalesrequeridos(m
3
/s)
ALTERNATIVAS AO PER.1 PER.2 PER.3 PER.4 PER.5 PER.6 PER.7
Dimetro
(pulg)
Potencia
(HP)
1.AduccinParalelaEmbalseDos
CerritosPlantadetratamiento
propuesta
0 0 0 0 0 0 0 0
2.AduccinPlantadetratamiento
propuestaDemandaUrbana
BarquisimetoCabudare
0 0 0 0 0 0 0 0
3.AduccinEmbalseDosBocas
DemandaUrbanaBarquisimeto
Cabudare
2009 0 0 1.109 1.713 1.512 1.915 2.117 66 10362
4.AduccinexistenteEmbalseDos
CerritosPlantadeTratamientoCiudad
deBarquisimeto
2005 3.574 3.825 3.01 2.696 3.323 3.574 3.95
5.AduccinPlantadeTratamiento
CiudaddeBarquisimetoDemanda
UrbanaBarquisimetoCabudare
2005 2.986 3.248 2.357 2.043 2.671 2.881 3.3
AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006
38
4.CONCLUSIONES
Estetrabajopresentaunametodologanovedosabasada
en los algoritmos genticos para la toma de decisiones
aplicada a la seleccin de proyectos de expansin de
sistemasdeabastecimientodeagua,lacualesfcilmente
programable,yconresultadosconfiables.
A travs de sta metodologa, las alternativas posibles
paradarsolucinalproblemanorequierenestardefinidas
completamente sino que el modelo las genera
internamente, lo quehace que el problemasea de gran
dimensionalidad y en cuyo caso resultan efectivos los
algoritmosgenticos.
Deacuerdoconlosresultadosobtenidosdelaaplicacin
delmtodoalsistemadeabastecimientodeBarquisimeto
Cabudare se concluye que es necesaria la ampliacin
inmediata del sistema si se quiere satisfacer los
requerimientosdelapoblacinynoentrarenunacrisis
que conlleve a un racionamiento de agua. La solucin
ms econmica a corto plazo es la puest a en
funcionamientodelaaduccinprovenientedeYacamb,
ya que el modelo toma en cuenta solo los costos que
faltan por realizar. Evidentemente los costos de la
aduccindeDosBocasesmayordebidoaqueannose
haconstruidolapresanilasobrasimportantes.Peroel
hechodequetodaelaguadeYacambseadestinadaal
riego est latente, razn porla cual hay que pensar en
otrasalternativas.SeobservaquelamsviableesDos
Bocasdeacuerdoalosresultadosdelmodelo.
5.BIBLIOGRAFA
Arocha, S., 1997. Abastecimientos de agua. Teora y
diseo.EdicionesVega.
Arroyo, J. , 2000. Modelos y algoritmos para la
explotacin de la generacin de sistemas elctricos
centralizados y competitivos mediante algoritmos
genticosyprogramacinlinealenteramixta.Trabajo
deGrado.UniversidaddeCastilla.Ciudadreal.
Azpurua, P., 1975. Recursos hidrulicos y desarrollo.
EditorialTecnos.
DireccinGeneraldePlanificacinyDesarrollo.1976.
Modelo matemtico de optimizacin de recursos
hidrulicos.
Grupo Aguas de Valencia, 1999. Estudio del servicio
HidrolaraC.A.TomoI.
Jaramillo P., Smith R. y Andre J., 1999. Uso de
algoritmos genticos en la planificacin de la
electrificacinruralconsiderandopequeosdesarrollos
hidroelctricos.UniversidadNacionaldeColombia
Merelo,J.Informticaevolutiva:Algoritmosgenticos.
URL:http://geneura.ugr.es/~jmerelo
Pulgarin, A., 2001. Aplicacin de herramientas de
inteligencia computacional en la planificacin de
recursos.UniversidadNacionaldeColombia
Smith, R., 2000. Decisiones con mltiples objetivos e
incertidumbre. Segunda Edicin. Universidad
NacionaldeColombia.FacultaddeMinas.
Valencia, D., 1982. Optimizacin y simulacin en
sistemasderecursoshidrulicos.CIDIAT.