{"id":107294,"date":"2011-10-03T00:00:00","date_gmt":"2011-10-03T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/diseno-optimo-de-sistemas-de-distribucion-de-agua-mediante-agent-swarm-optimization\/"},"modified":"2011-10-03T00:00:00","modified_gmt":"2011-10-03T00:00:00","slug":"diseno-optimo-de-sistemas-de-distribucion-de-agua-mediante-agent-swarm-optimization","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/abastecimiento-de-agua\/diseno-optimo-de-sistemas-de-distribucion-de-agua-mediante-agent-swarm-optimization\/","title":{"rendered":"Dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua mediante agent swarm optimization"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Idel Montalvo Arango <\/strong><\/h2>\n<p>Introducci\u00f3n  la necesidad de hacer eficientes y econ\u00f3micamente viables las grandes inversiones para llevar a cabo la construcci\u00f3n y el mantenimiento de las redes de abastecimiento de agua, hace que se preste especial atenci\u00f3n al dise\u00f1o de este tipo de redes. Concebir soluciones econ\u00f3micamente optimizadas y que garanticen un adecuado funcionamiento de los sistemas de distribuci\u00f3n de agua (sda), tomando en cuenta la fiabilidad de la red para ofrecer sus servicios incluso ante posibles condiciones de fallo, es uno de los grandes retos que han tenido desde hace muchos a\u00f1os varios hombres y mujeres de ciencias que han trabajado el tema. Se impone obtener los mayores beneficios con los menores costes.  objetivos del trabajo    objetivo principal:      \u00c2\u00bf proponer e implementar un algoritmo para el dise\u00f1o econ\u00f3micamente \u00f3ptimo de sda, que soporte un planteamiento multiobjetivo, que sea flexible (en cuanto a la complementaci\u00f3n con otros algoritmos), que pueda ser utilizado en la pr\u00e1ctica de la soluci\u00f3n de problemas reales de dise\u00f1o y que sea extensible para asimilar retos futuros.    objetivos espec\u00edficos:      \u00c2\u00bf estudiar la formulaci\u00f3n del problema de dise\u00f1o econ\u00f3micamente \u00f3ptimo de sda, contemplando elementos relacionados con la fiabilidad de dichos sistemas.    \u00c2\u00bf proponer una formulaci\u00f3n para evaluar econ\u00f3micamente posibles dise\u00f1os de sda, cuya fiabilidad resultante ha de tomarse en cuenta.    \u00c2\u00bf estudiar y modificar convenientemente la t\u00e9cnica de optimizaci\u00f3n evolutiva que se conoce con el nombre de particle swarm optimization (pso), para ser aplicada al dise\u00f1o \u00f3ptimo de sda.    \u00c2\u00bf desarrollar un algoritmo con un enfoque multiobjetivo y con posibilidades de ser extendido para solucionar posibles retos futuros en la soluci\u00f3n del dise\u00f1o \u00f3ptimo de sda.     \u00c2\u00bf implementar, mediante una aplicaci\u00f3n inform\u00e1tica, el algoritmo resultante del ensamblaje de a) el algoritmo multiobjetivo que se proponga, b) la formulaci\u00f3n propuesta para evaluar econ\u00f3micamente los dise\u00f1os de sda, y c) un simulador que permita conocer el funcionamiento hidr\u00e1ulico de las soluciones frente a diferentes estados de carga y condiciones de funcionamiento.    \u00c2\u00bf evaluar la bondad del algoritmo propuesto, mediante su aplicaci\u00f3n en los casos obtenidos en la literatura cient\u00edfica y en casos reales de dise\u00f1o de sda.  comentarios  el problema de optimizaci\u00f3n de sda puede definirse como la combinaci\u00f3n de menor coste de la disposici\u00f3n y dimensionamiento de sus nuevos componentes, la rehabilitaci\u00f3n o sustituci\u00f3n de componentes existentes y la forma de hacer que funcione todo el sistema en su conjunto con vista a lograr la satisfacci\u00f3n de las demandas de agua y las restricciones de dise\u00f1o, incluso bajo la ocurrencia de determinadas situaciones de fallo. En la pr\u00e1ctica, esta optimizaci\u00f3n puede tomar muchas formas debido a que son varios los tipos de componentes que pueden encontrarse en un sistema de distribuci\u00f3n y son diversos, adem\u00e1s, los criterios de funcionamiento y de dise\u00f1o para dichos sistemas. Por otra parte, a diferencia de otros problemas de optimizaci\u00f3n, la factibilidad de las soluciones puede ser estimada solamente luego de haber sido construida totalmente la soluci\u00f3n, requiri\u00e9ndose el uso de simuladores para poder contemplar el an\u00e1lisis del sistema frente a diferentes estados de carga y condiciones de funcionamiento. El m\u00e9todo de optimizaci\u00f3n que se emplee deber\u00e1 ser capaz de manejar satisfactoriamente esta singular caracter\u00edstica.  la funci\u00f3n objetivo a utilizar diferir\u00e1 en dependencia del problema que se aborde (ampliaci\u00f3n, rehabilitaci\u00f3n, nuevo dise\u00f1o, operaci\u00f3n); no puede decirse que exista actualmente una \u00fanica funci\u00f3n objetivo ni que las existentes sean definitivamente las m\u00e1s convenientes, incluso para abordar el mismo problema. Esto hace que se muestre \u00fatil el uso de t\u00e9cnicas de optimizaci\u00f3n que puedan adaptarse directamente a cualquier funci\u00f3n objetivo, incluyendo el caso en que se consideren varios objetivos simult\u00e1neamente.  una de las tareas m\u00e1s dif\u00edciles a las que se enfrentan los investigadores que trabajan el tema  es considerar expl\u00edcitamente la fiabilidad del funcionamiento de las redes de distribuci\u00f3n de agua dentro del proceso de soluci\u00f3n. Con independencia de la t\u00e9cnica de optimizaci\u00f3n empleada, la existencia de mallas en las redes de distribuci\u00f3n proporciona una dificultad mayor a los m\u00e9todos de dise\u00f1o que tratan de encontrar la variante de menor coste de inversi\u00f3n inicial (templeman, 1982). Estos m\u00e9todos, debido a su propia naturaleza, intentan eliminar la redundancia o las mallas innecesarias durante la b\u00fasqueda de la variante econ\u00f3micamente m\u00e1s ventajosa cuando s\u00f3lo se considera el coste de los elementos a colocar. Esto, sin dudas, limita la fiabilidad del funcionamiento de las soluciones obtenidas. Considerar expl\u00edcitamente dicha fiabilidad, dentro de los m\u00e9todos de optimizaci\u00f3n que pueden ser usados para dise\u00f1ar sda, es una de las tareas m\u00e1s dif\u00edciles a las que se enfrentan los investigadores que trabajan el tema. Una mayor fiabilidad de las redes de distribuci\u00f3n puede obtenerse normalmente, en un sentido determin\u00edstico, proporcionando redundancia a la incorporaci\u00f3n de mallas dentro de una red de distribuci\u00f3n. En algunos casos el problema se ha tratado de solucionar introduciendo di\u00e1metros m\u00ednimos permisibles para las tuber\u00edas, es decir, introduciendo redundancia conectiva; a pesar de que esta soluci\u00f3n garantiza que efectivamente ninguna tuber\u00eda quede eliminada, la redundancia capacitiva, en t\u00e9rminos de que exista un flujo adecuado e independiente hacia cada nodo, no est\u00e1 garantizada, y la red resultante pudiera operar como impl\u00edcitamente ramificada (mart\u00ednez, 2010). Todav\u00eda son pol\u00e9micas las soluciones planteadas porque no existe una metodolog\u00eda completamente acertada y aceptada por todos los especialistas en el tema. Son varios los intentos realizados basados en similares principios pero con alcances y objetivos diferentes. En este trabajo, se ha tomado como referencia una formulaci\u00f3n que ha sido publicada recientemente (mart\u00ednez, 2007) y que valora econ\u00f3micamente mucho mejor el hecho de que haya mallas en la red que permitan una mayor fiabilidad en el funcionamiento.  en el dise\u00f1o de redes de distribuci\u00f3n, se ha continuado trabajando en el intento de utilizar metodolog\u00edas que permitan buscar soluciones econ\u00f3micamente aceptables a partir de probar diferentes variantes que cumplan con los requerimientos de dise\u00f1o y que de forma l\u00f3gica pudieran ser consideradas. En este sentido, (strafaci, 2001) propone la modelaci\u00f3n de redes de distribuci\u00f3n, con el objetivo de llevarla a cabo para poder realizar, de forma conveniente, ampliaciones a sistemas de distribuci\u00f3n de agua. Estas ampliaciones ser\u00edan dise\u00f1adas de manera \u00f3ptima a partir de la modelaci\u00f3n de diferentes escenarios de posibilidades entre los que se escoger\u00eda el m\u00e1s conveniente. En la pr\u00e1ctica tradicional de la modelaci\u00f3n usando alg\u00fan software como, por ejemplo, epanet (rossman, 2000), el usuario depender\u00eda en buena medida de su experiencia previa en la tarea, para encontrar soluciones satisfactorias dentro de los escenarios que considere evaluar.    las t\u00e9cnicas de optimizaci\u00f3n utilizadas han condicionado la forma en la que se ha planteado el problema de dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua en el transcurso de los a\u00f1os. El uso de la programaci\u00f3n lineal, por ejemplo, ha conllevado la linealizaci\u00f3n de la funci\u00f3n objetivo; por otra parte, las t\u00e9cnicas basadas en el gradiente, obligaron a garantizar la derivabilidad de la funci\u00f3n que se utilice o a dividir el problema en partes para ser aplicadas s\u00f3lo a los t\u00e9rminos derivables. Durante a\u00f1os, consciente o inconscientemente, se adapt\u00f3 el problema a la t\u00e9cnica de optimizaci\u00f3n utilizada. Durante la \u00faltima d\u00e9cada, muchos investigadores han empezado a hacer uso de modernas t\u00e9cnicas evolutivas de optimizaci\u00f3n, dejando atr\u00e1s otros m\u00e9todos m\u00e1s tradicionales basados en la programaci\u00f3n lineal y no lineal. Refiri\u00e9ndonos exclusivamente al campo del agua, los algoritmos gen\u00e9ticos han sido los m\u00e1s utilizados (savic y walters, 1997; wu y simpson, 2001; mat\u00edas, 2003; wu y walski, 2005), aunque tambi\u00e9n han sido incorporadas otras t\u00e9cnicas, como las basadas en las colonias de hormigas (aco, ant colony optimization) (zecchin et al., 2006; montalvo et al., 2007a); simulated annealing, tambi\u00e9n denominada \u00abrecocido simulado\u00bb (cunha y sousa, 1999); shuffled complex evolution (liong y atiquzzama, 2004); harmony search o b\u00fasqueda de la armon\u00eda (geem, 2006); particle swarm optimization (pso), basada en la inteligencia colectiva de los sistemas de part\u00edculas, (montalvo et al., 2008d; montalvo et al., 2008e). Entre las ventajas que han propiciado el uso creciente de los algoritmos evolutivos en el dise\u00f1o \u00f3ptimo de sda, pueden citarse las siguientes:     1. Tienen facilidades para tratar problemas de forma discreta, lo cual permite, a diferencia de otros m\u00e9todos de optimizaci\u00f3n, la utilizaci\u00f3n de di\u00e1metros comerciales directamente en el dise\u00f1o.    2. Trabajan s\u00f3lo con la informaci\u00f3n de la funci\u00f3n objetivo y evitan las complicaciones asociadas a la determinaci\u00f3n de las derivadas u otras informaciones auxiliares.    3. Son procedimientos gen\u00e9ricos de optimizaci\u00f3n, en el sentido de que pueden adaptarse directamente a cualquier funci\u00f3n objetivo.    4. Debido a que trabajan con una poblaci\u00f3n de soluciones, podr\u00edan obtener varias soluciones \u00f3ptimas, o numerosas soluciones con un valor de funci\u00f3n objetivo cercano al \u00f3ptimo, que pueden ser de gran valor desde el punto de vista de la ingenier\u00eda.    5. Se puede incluir el an\u00e1lisis de los sistemas frente a diferentes estados de carga, dentro del proceso de dise\u00f1o \u00f3ptimo.  en este trabajo se ha utilizado un algoritmo evolutivo que ha demostrado ser potente frente a la soluci\u00f3n del problema de dise\u00f1o \u00f3ptimo de sda; el algoritmo es conocido como  particle swarm optimization (pso), fue desarrollado por kennedy y eberhart en el a\u00f1o 1995, y est\u00e1 inspirado en el comportamiento social de un grupo de p\u00e1jaros migratorios tratando de alcanzar un destino desconocido. El algoritmo simula una bandada de p\u00e1jaros que se comunican mientras vuelan. Cada p\u00e1jaro est\u00e1 dotado de inteligencia personal pero, tambi\u00e9n, existe una comunicaci\u00f3n gremial mediante la que el p\u00e1jaro l\u00edder, el que est\u00e1 en la mejor posici\u00f3n, es un referente. En la simulaci\u00f3n los p\u00e1jaros evolucionan coordinadamente. La evoluci\u00f3n de cada p\u00e1jaro se calcula de acuerdo a su historial reciente, a su percepci\u00f3n personal y a la influencia que sobre \u00e9l ejerce el l\u00edder; desde la nueva posici\u00f3n que alcance, investiga el espacio de b\u00fasqueda y el proceso se repite nuevamente hasta que quede satisfecha la condici\u00f3n de terminaci\u00f3n del algoritmo. El movimiento se realiza en un espacio multidimensional  con tantas dimensiones como variables de decisi\u00f3n tenga el problema; el vector de posici\u00f3n de un p\u00e1jaro en dicho espacio, representa una soluci\u00f3n potencial.  el algoritmo pso en cuesti\u00f3n, ha sido modificado convenientemente para ser aplicado al dise\u00f1o \u00f3ptimo de sda. La variante de la pso que se presenta en este trabajo supera dos de los problemas cl\u00e1sicos del algoritmo: 1) permite la consideraci\u00f3n de variables discretas, ya que de esa naturaleza son los di\u00e1metros involucrados en el dise\u00f1o (montalvo et al., 2008e); 2) introduce diversidad a\u00f1adida en la poblaci\u00f3n, por lo que permite encontrar la soluci\u00f3n \u00f3ptima o soluciones quasi-\u00f3ptimas de manera mucho m\u00e1s eficiente (montalvo et al., 2008d). Necesitar un n\u00famero menor de generaciones es esencial para sistemas reales, especialmente si se incluye fiabilidad, pues un n\u00famero excesivamente elevado de ejecuciones del algoritmo y de evaluaciones hidr\u00e1ulicas har\u00eda inviable la soluci\u00f3n. Los resultados obtenidos valoran muy positivamente la capacidad de convergencia del algoritmo y su capacidad de proporcionar dise\u00f1os mejorados de los sistemas de distribuci\u00f3n de agua.   por otra parte, al igual que otras t\u00e9cnicas evolutivas, la pso cuenta con un conjunto de par\u00e1metros, cuya acertada elecci\u00f3n tiene una marcada influencia en la eficiencia y la convergencia del algoritmo. El ajuste de los par\u00e1metros supone una inversi\u00f3n de recursos inicial, que en ocasiones redunda en tediosas tareas de ensayo y error, sobre todo cuando no se tiene idea de qu\u00e9 valores utilizar para la soluci\u00f3n de un problema concreto. En este trabajo se presenta una propuesta en la que el algoritmo pso es capaz de autogestionar todos sus par\u00e1metros con excepci\u00f3n del tama\u00f1o de la poblaci\u00f3n, permitiendo esto que el dise\u00f1ador pueda desentenderse de estas tareas y se concentre mucho m\u00e1s en la parte del dise\u00f1o en cuesti\u00f3n (montalvo et al., 2010a).  en el dise\u00f1o \u00f3ptimo de sistemas  de distribuci\u00f3n de agua, como en muchos otros problemas de optimizaci\u00f3n, los objetivos a optimizar est\u00e1n frecuentemente en conflicto unos con otros. Ante este hecho, m\u00e1s conveniente que encontrar una \u00fanica soluci\u00f3n, es mejor elaborar un conjunto de soluciones que representen el mejor compromiso posible entre todos los objetivos involucrados. Actualmente se est\u00e1n desarrollando propuestas de algoritmos evolutivos que puedan ser utilizados para resolver, con un planteamiento multiobjetivo, el dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua (vamvakeridou-lyroudia et al., 2005; dandy y engelhardt, 2006; montalvo et al., 2010b).  En este trabajo se ha hecho una generalizaci\u00f3n del algoritmo pso que permite, entre otros avances, la soluci\u00f3n de problemas de optimizaci\u00f3n con un planteamiento multiobjetivo. Esta generalizaci\u00f3n est\u00e1 orientada hacia la inteligencia artificial distribuida y basada en los sistemas multiagente; para denominarla se ha optado por el nombre de agent swarm optimization (aso). Aso se aprovecha de las ventajas de la computaci\u00f3n paralela y distribuida para hacer interactuar diversas poblaciones de agentes que pueden tener comportamientos diferentes. El algoritmo ofrece una plataforma com\u00fan de entendimiento para la pluralidad de algoritmos evolutivos existentes. Su versatilidad da origen a su principal fortaleza: la introducci\u00f3n de agentes con reglas de comportamiento espec\u00edficas para la mejor soluci\u00f3n de un problema, que trabajan de manera conjunta con algoritmos evolutivos de car\u00e1cter general como pso, algoritmos gen\u00e9ticos, ant colony optimization, etc\u00e9tera. Precisamente el concepto de poder introducir nuevos agentes dentro del proceso de soluci\u00f3n, hace, en el caso del dise\u00f1o de sistemas de distribuci\u00f3n de agua, que las personas a cargo del proyecto formen parte activa como agentes dentro de la b\u00fasqueda de soluciones (montalvo et al., 2010c). Se termin\u00f3 la \u00e9poca en la que se esperaba pacientemente por los resultados de un ordenador para que pudieran ser analizados por expertos humanos, con aso los expertos humanos son tambi\u00e9n agentes que proponen soluciones e interact\u00faan con otros agentes (humanos o no) para que entre todos se puedan encontrar mejores resultados considerando los objetivos propuestos. En este punto, espec\u00edficamente, aso marca una diferencia con respecto a las definiciones de sistemas multiagente que se pueden encontrar en la literatura.  aportaciones principales     \u00c2\u00bf se ha hecho una generalizaci\u00f3n del algoritmo pso, denominada agent swarm optimization (aso) que puede ser utilizada en el dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua considerando un planteamiento multiobjetivo.    \u00c2\u00bf se ha implementado una aplicaci\u00f3n inform\u00e1tica basada en el algoritmo de optimizaci\u00f3n propuesto, que facilita el dise\u00f1o de sistemas de distribuci\u00f3n de agua. La aplicaci\u00f3n tambi\u00e9n permite, obviamente, el an\u00e1lisis en r\u00e9gimen permanente de sistemas previamente dise\u00f1ados.    \u00c2\u00bf se ha aplicado satisfactoriamente el algoritmo propuesto en diferentes ejemplos de benchmarking y en casos reales de dise\u00f1o de sistemas de distribuci\u00f3n de agua. En varios casos el problema fue planteado y resuelto de manera multiobjetivo.    \u00c2\u00bf se presentan gr\u00e1ficos de la probabilidad con que son obtenidas buenas soluciones, usando el algoritmo propuesto, para algunos casos de los estudiados.    \u00c2\u00bf se propone el uso de una formulaci\u00f3n del problema de dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua que considera econ\u00f3micamente la fiabilidad de dichos sistemas y que trabaja satisfactoriamente con el algoritmo de optimizaci\u00f3n que se presenta en el trabajo.    \u00c2\u00bf se evidencian, a trav\u00e9s de oportunas comparaciones, las ventajas de considerar elementos de fiabilidad dentro de la funci\u00f3n objetivo a emplear.  novedades cient\u00edficas     \u00c2\u00bf el algoritmo aso elaborado permite la integraci\u00f3n de varios algoritmos y de agentes con reglas de comportamiento espec\u00edficamente dise\u00f1adas para la soluci\u00f3n del problema de optimizaci\u00f3n que se est\u00e9 resolviendo.     \u00c2\u00bf la integraci\u00f3n de diferentes poblaciones de agentes con un comportamiento asincr\u00f3nico para la construcci\u00f3n de la frontera de pareto en problemas de optimizaci\u00f3n multiobjetivo.    \u00c2\u00bf la introducci\u00f3n de reglas espec\u00edficas para el dimensionamiento de las tuber\u00edas en los sistemas de distribuci\u00f3n de agua dentro del proceso de optimizaci\u00f3n.    \u00c2\u00bf la consideraci\u00f3n de los usuarios como agentes activos involucrados en el proceso de soluciones del algoritmo aso. En tiempo real, las personas encargadas del proyecto pueden proponer soluciones potenciales para el problema que se est\u00e9 resolviendo. Los agentes artificiales del algoritmo se podr\u00e1n aprovechar de la creatividad y de las ideas de los expertos humanos para mejorar sus propias soluciones; los expertos humanos se podr\u00e1n aprovechar de la velocidad y capacidad de b\u00fasqueda de los agentes artificiales para explorar mayores espacios de soluciones. principales conclusiones    \u00c2\u00bf el planteamiento del dise\u00f1o \u00f3ptimo de sda a lo largo de los a\u00f1os se ha visto condicionado por las t\u00e9cnicas de optimizaci\u00f3n empleadas.    \u00c2\u00bf el algoritmo presentado puede ser usado en el dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua reales que en su planteamiento incluyan uno o varios objetivos. Existe plena libertad para la utilizaci\u00f3n de cualquier funci\u00f3n objetivo que pueda plantearse matem\u00e1ticamente.    \u00c2\u00bf el uso de una acertada formulaci\u00f3n del problema de dise\u00f1o en combinaci\u00f3n con el uso de algoritmos evolutivos y agentes con reglas de comportamiento espec\u00edficas, permite la obtenci\u00f3n de dise\u00f1os con una fiabilidad apreciable, en un plazo razonable de tiempo.    \u00c2\u00bf un elevado nivel de diversidad en los algoritmos evolutivos que se utilicen para la soluci\u00f3n del problema de optimizaci\u00f3n planteado mejora significativamente la probabilidad de obtenci\u00f3n de buenas soluciones.    \u00c2\u00bf la autogesti\u00f3n de par\u00e1metros utilizada, constituye una gran ayuda para el proceso de optimizaci\u00f3n, principalmente cuando no se tiene idea de los valores m\u00e1s convenientes que deben ser usados para los par\u00e1metros, y evita innecesarios y largos procesos de an\u00e1lisis de sensibilidad, muchas veces llevados a cabo mediante absurdos procesos de fuerza bruta.    \u00c2\u00bf la interacci\u00f3n en tiempo real con los usuarios durante el proceso de toma de decisiones de dise\u00f1o unida a la visualizaci\u00f3n de una frontera de pareto aproximada en cada momento, marca una diferencia significativa entre el algoritmo propuesto en esta investigaci\u00f3n y otros trabajos existentes.  recomendaciones para trabajos futuros  los trabajos futuros han de ir encaminados a la introducci\u00f3n de nuevos agentes, con reglas de comportamiento que puedan ser m\u00e1s eficientes durante la b\u00fasqueda de soluciones. Tambi\u00e9n debe considerarse el estudio de ejemplos adicionales de dise\u00f1o, que hagan uso de diferentes formas de plantear la funci\u00f3n objetivo del problema. En cuando a las soluciones obtenidas, ser\u00eda interesante poder contrastar la fiabilidad considerada con el comportamiento real que posteriormente pudiera tener la red. La  forma en que se plantee la funci\u00f3n objetivo ser\u00e1 en s\u00ed misma un proceso evolutivo que no ha de detenerse sino adecuarse a los requerimientos de cada momento y lugar. El acercamiento a las condiciones y necesidades reales de dise\u00f1o de los sistemas de distribuci\u00f3n de agua es algo que no debe detenerse, y ha de ser amplio el intercambio con especialistas dedicados al tema para adicionar mejoras en este sentido tanto a nivel del algoritmo empleado como a nivel de la aplicaci\u00f3n inform\u00e1tica resultante. No debe perderse de vista la actualizaci\u00f3n de la implementaci\u00f3n del algoritmo planteado haciendo uso de las tecnolog\u00edas emergentes en computaci\u00f3n paralela y distribuida. La capacidad de los agentes de tipo pso para trabajar en sistemas din\u00e1micos, donde los valores \u00f3ptimos pueden estarse desplazando en funci\u00f3n del tiempo, hace que sea recomendable el uso del algoritmo propuesto para la toma de decisiones en tiempo real. Los agentes de tipo pso pueden reorientar la b\u00fasqueda de soluciones a partir de la informaci\u00f3n que vayan recibiendo de los sistemas de distribuci\u00f3n de agua; esto abre las puertas no s\u00f3lo a posibilidades de toma de decisiones en tiempo real sino tambi\u00e9n a la calibraci\u00f3n cont\u00ednua y a la b\u00fasqueda de anomal\u00edas en sistemas de distribuci\u00f3n de agua.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua mediante agent swarm optimization<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Dise\u00f1o \u00f3ptimo de sistemas de distribuci\u00f3n de agua mediante agent swarm optimization <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Idel Montalvo Arango <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Polit\u00e9cnica de Valencia<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 10\/03\/2011<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Joaquin Izquierdo Sebasti\u00e1n<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: jos\u00e9 Rold\u00e1n ca\u00f1as <\/li>\n<li>Mar\u00eda Da concei\u00ed\u00a7\u00ed\u00a4o cunha (vocal)<\/li>\n<li>zielke Werner (vocal)<\/li>\n<li>Juan Reca carde\u00f1a (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Idel Montalvo Arango Introducci\u00f3n la necesidad de hacer eficientes y econ\u00f3micamente viables las grandes inversiones para llevar [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[10575,15977,37303,15655,16820],"tags":[215568,115520,1985,61608,215569,215570],"class_list":["post-107294","post","type-post","status-publish","format-standard","hentry","category-abastecimiento-de-agua","category-diseno-con-ayuda-de-ordenador","category-heuristica","category-ingenieria-hidraulica","category-politecnica-de-valencia","tag-idel-montalvo-arango","tag-joaquin-izquierdo-sebastian","tag-jose-roldan-canas","tag-juan-reca-cardena","tag-maria-da-conceiiio-cunha","tag-zielke-werner"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/107294","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=107294"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/107294\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=107294"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=107294"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=107294"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}