Recocido Simulado PDF

Ikos
Departamento de Estructuras de Edification

Escuela Tecnica Superior de Arquitectura de Madrid
Recocido simulado:
un nuevo algoritmo
para
la optimacion de estructuras
- por
Mariano Vazquez Espi

arquitecto
dirigida por
Jaime Cervera Bravo

doctor arquitecto
Madrid, 1994
-%LIOTEC3>
R e c o c i d o s i m u l a d o : u n n u e v o a l g o r i t m o para la o p t i m a c i o n de e s t r u c t u r a s
Resumen
La optimacion de u n a funcion real es un problema recurrente en teorfa de estructuras. Si la

funcion es la energia potencial y la optimacion se entiende como la biisqueda de su valor mfnimo,
se t r a t a del analisis convencional de estructuras. Si la funcion es representativa del 'coste', su
optimacion es un metodo de diseno de la estructura, de hecho, conducira al 'mejor' diseno respecto
al 'coste' considerado.
En tanto que problema matematico general no existe un metodo de resolution, salvo p a r a ciertos
casos p a r t i c u l a r s en los que la funcion y sus variables satisfacen condiciones especfficas (continuidad, diferenciabilidad, etc.). En numerosos casos de indole practica no se dan tales condiciones y,
en consecuencia, la solucion al problema se aproxima, existiendo para ello u n a variedad de metodos
heurfsticos.
El recocido simulado es un algoritmo de aproximacion a la solucion optima, fundado en u n a
analogfa del comportamiento de sistemas termodinamicos simples; y viene siendo utilizado en ciertas
problemas de ingenierfa. El presente trabajo muestra como usarlo en la teorfa de estructuras,
senalando sus ventajas (universalidad) asi como sus inconvenientes (lentitud).
Para ello, se describen brevemente los distintos problemas de la teorfa de estructuras, asi como
aspectos f u n d a m e n t a l s de la teorfa de algoritmos. Con mayor detalle, se describe la fundamentacion matematica del algoritmo de recocido, segun u n a secuencia historica. Finalmente, se muestra
el empleo del algoritmo p a r a 'aproximar' la solucion de cuatro problemas genericos: analisis de la rotura de losas planas, formas optimas de cupulas de revolucion, formas optimas de cerchas isostaticas
y dimensionado optimo de cerchas hiperestaticas.
Abstract
The optimization of a real function is a problem that frequently occur in structural theory. If
the function is the potential energy and optimization means search for the minimum, the problem
is structural analysis as usual. If the function represents a 'cost', its optimization is tranformed
into a design method for the structure, actually, it can lead to the 'better' design with respect to
the 'cost' considered.
As mathematical problem, no way to solve it is known, but for a few particular cases in which
fucntion and variables fulfil specific conditions (continuity, differentiability, etc.). These conditions
do not hold at all in practical cases and, consequently, it is possible only to look for approximations,
for which several heuristics exist.
Simulated annealing is an approximation algorithm towards the optimal solution. The basis
is an analogy to the peformance of simple themodinamical systems. In fact it is in use for some
engineering problems. T h e present research shows how to use it on structural theory, pointing out
its benefits (generality) and ist drawbacks (slowness).
With this goal in mind, the different problems of structural theory as well as some aspects of
algorithm theory are examined briefly. T h e mathematical foundations of the algorithm is shown in
more detail through a historical overview. Finally, simulated annealing is used for approximating
solutions to generic problems: yielding (or colapse) of plane slabs; optimal shape of revolution
shells or isostatic trusses; and optimal thickness of hiperestatic trusses.
Tribunal
nombrado por el Mgfco. y Excmo. Sr. Rector de la Universidad Politecnica
de Madrid, el dia
de
de 19
Presidente
Vocal primeroVocal segundo
Vocal tercero
Vocal Secretario
Realizado el acto de defensa y lectura de la Tesis

el dia
de
de 19
en
Calificacion
EL PRESIDENTE
LOS VOCALES
EL SECRETARIO
A Felix Candela
-*'--<.P
'r-
,S
Contenidos
Prefacio
1
Optimacion de
1.1 Estructuras
1.2 Optimacion
1.3 Metodos de
IX
estructuras
mecanicas
de estructuras
solution
Problemas y ordenadores
*
2.1 Problemas y algoritmos
2.1.1 Algoritmos
2.1.2 Eficacia de los algoritmos para resolver problemas
2.2 Algoritmos polinomicos y problemas intratables
2.2.1 Esquemas de codification y maquinas de calculo
2.3 Problemas probablemente intratables
2.3.1 Maquinas adivinadoras y la clase NP
2.3.2 Larelacion entre P y NP
2.3.3 Transformacion polinomica
2.3.4 Problemas numericos y NP-complecion 'fuerte'
2.4 Resolution de ecuaciones lineales
2.5 Teoria de estructuras y NP-complecion
Recocido simulado
3.1 El sentido del azar
3.2 El metodo de Monte Carlo
'
3.2.1 El peso del conjunto de Mandelbrot
3.2.2 Transformacion de probabilidades
3.2.3 Interpretation geometrica de la probabilidad
3.2.4 Esquema Monte Carlo 'especial'
3.3, El algoritmo de Metropolis
3.3.1 Conjunto de Gibbs y c'adenas de Markov
3.3.2 Jugadas, oraculos y profetas
3 3.3 Un ejempto
3.4 Recocido simulado
3.4.1 Problemas, soluciones y teoria de la informacion
^
3.4.2 Forma general del algoritmo
3 4.3 Forma concreta del algoritmo
3.5 Imitando a la naturaleza
3 6 Conclusion
1
2
5
6
8
8
10
11
11
13
15
17
17
18
. 20
22
23
'
26
27
33
35
37
38
. . . . 39
40
43
45
46
47
48
50
54
55
56
Contenidos
4
Analisis de losas
4.1 Teon'a
A
4.1.1 La funcion objetivo: la energia potencial
4.1.2 Calculo deWg
: /
4.1.3 Calculo de Ud
4.1.4 Ligaduras
4.1.5 El problema de analisis de losas
4.2 Recocido simulado de losas
4.2.1 Definicion del problema
4.2.2 La malla
4.2.3 Cambios de configuration
4.2.4 Generadbr de nuevas soluciones
4.2.5 Transiciones
4.2.6 Reduction del espacio de busqueda
4.3 Casos estandar
'
4.3.1 Torneo inicial
4.3.2 Losas empotradas
4.4 Casos 'reales'
,4.4.1 Ejemplo 18
4.4.2 Ejemplo 21
4.4.3 Un caso real
4.5 Conclusion
IV
58
58
59
62
63
63
64
66
66
67
69
71
72
74 .
75
75
82
84
84
84
85
88
Cupulas de revolucion
5.1 Definicion del problema
5.1.1 Geometria del volumen de material
5.1.2 Resistencia
5.1.3 Expresion formal del problema . . . .5.1.4 Caracteristicas especiales
5.2 Modelo
5.2.1 Formulation del elemento
'
5.2.2 Evaluation de integrales
5.2.3 La clave de la cupula
5.2.4 Superelemento
5.2.5 Calculos especiales
5.3 Recocido de cupulas
5.3.1 Rango de los grados de libertad
5.3.2 Jugadas
5.3.3 Retoques de la funcion objetivo
5.3.4 Tamano del problema y complejidad del algoritmo
5.4 Casos de prueba
'
5.4.1 El caso original
5.4.2 Cupulas de tension constante
.
5.4.3 Cupulas de volumen minimo
,
5.4.4 Coste y beneficio
5.4.5 Oculos
.'
5.5 Conclusion
90
90
90
91
93
93
95
95
97
97
98
98
99
100
101
102
102
102
103
104
106
107'
108
108
'
'.
'
,
Contenidos
6
Cerchas de peso minimo

6.1 El problema y sus 'soluciones'
6.1.1 Caracteristicas de la solucion
6.2 Recocido de cerchas
6.2.1 El espacio de biisqueda
6.2.2 Cambio de position ~
6.2.3 Cambio de barras
6.2.4 Cambio del'numero de nudos
6.2.5 El generador
6 3 Problemas de Michell
6.3.1 Problemas de Maxwell y soluciones de Michell
6.3.2 Tres problemas de flexion pura
6.4 Problemas con catalogo discontinuo
6.4.1 Cerchas de tubo hueco
6.4.2 Cerchas de barra maciza
6.5 Conclusion
110
110
Ill
112
113
115
115
116
118
119
119
121
123
125
126
130
.,
Dimensionado optimo de cerchas hiperestaticas

7.1 El problema del dimensionado optimo
7.1.1 Complejidad del dimensionado optimo
7.1.2 Analisis de cada solucion
7.2 Recocido del dimensionado
7.2.1 Jugadas con el oraculo
7.2.2 Profeta local
7.2.3 Aceptabilidad 'continua'
7.3 Dimensionado 'isostatico'
7.4 Dimensionado 'hiperestatico'
7.5 Un caso historico
7.6 Conclusion
132
132
133
136
137
137
138
138
138
140
142
146
Conclusion
148
Anejos
154
A Titulo de la tesis
B Manual de referenda
B.l Convenios generales
B.2 Description" del recocido
B.3 Analizador de losas
B.4 Optimador de cupulas
B.5 Optimador de cerchas isostaticas
B.6 Optimador del grosor de cerchas hiperestaticas
B.7 ^Son los programas polinomicos?
C Verificacion de las soluciones
^
,
155
173
174
176
177
181
186
190
194
196
Bibliografia
197
Lista de simbolos utilizados
206
Fe dc c r r a t a s
207
Lista de figuras
1.1
La forma de las e s t r u c t u r a s
2.1
U n caso del p r o b l e m a del viajante de comercio
3.1
3.2
3.3
Calculo de -K m e d i a n t e m u e s t r a s
C o n j u n t o de M a n d e l b r o t
I n t e r p r e t a c i o n geometrica de la probabilidad
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
D i a g r a m a tension versus deformacion del acero

Deformacion plana y tensiones plasticas
Calculo de la rotacion en u n a arista
Division de elementos maestros en elementos
A d a p t a c i o n de la malla a polfgonos cualesquiera
Configuraciones de lineas alrededor de un nodo interior
Eleccion de un nueva posicion p a r a un nodo interior i
P r o b l e m a s canonicos
Mejores configuraciones finales de la estrategia 'peor', E6
Mejores configuraciones finales de la estrategia 'mejor', E4
Mejores configuraciones finales p a r a cada caso analizado
Losas e m p o t r a d a s : resultados de E4
Ejemplo 18 de J o h a n s e n
.
R e s u l t a d o s p a r a el ejemplo 18 de J o h a n s e n
Ejemplo 21 de J o h a n s e n
R e s u l t a d o s p a r a el ejemplo 21 de J o h a n s e n
U n caso real
M o d e l o y resultado p a r a el caso real
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12
5.13
5.14
F o r m a de la cupula y sus p a r a m e t r o s significativos

Esfuerzos en la superficie de la cupula
A r r a n q u e de la cupula
C u p u l a a b i e r t a sosteniendo u n a linterna
S u p e r e l e m e n t o y sus elementos
Solucion inicial p a r a TI[0, 0, 1, * [ 1 , 0, 0, 0]]
R e s u l t a d o s p a r a II[0, 0, 1, 3>[1, 0, 0, 1]]
C u p u l a d e tension constante sometida a su propio peso
R e s u l t a d o s p a r a un problema de peso propio
F o r m a y t a m a n o : volumen de la cupula
F o r m a y t a m a n o : volumen de la cupula y del anillo inferior
F o r m a y coste
F o r m a y beneficio
Oculos
6.1
6.2
C a m b i o de una b a r r a por o t r a
Supresion de un nudo
34
36
39
59
60
64
68
68
70
71
76
78
79
.80
83
84
85
85
86
87
87
-.
91
92
94
94
98
103
104
105
105
106
106
107
107
108
116
117
Lista de figuras
VII
6.3
6.4
6.5
6.6
6.7
6.8
6.9
6.10
6.11
Adicion de un nudo
Tres p r o b l e m a s de flexion p u r a
t
Soluciones estrictas en flexion p u r a
Soluciones p a r a L = 200 cm y t u b o hueco
Soluciones p a r a L = 1.600 cm y t u b o hueco
Soluciones p a r a L 200 cm y b a r r a maciza . . .'
Soluciones p a r a L = 1.600 cm y b a r r a maciza
Solucion mejor p a r a M 4 y 16 m de luz
Analisis de la solucion p a r a M 4 con b a r r a s macizas y 16 m de luz
7.1
7.2
7.3
7.4
7.5
7.6
7.7
Viga a p o y a d a de canto constante

Dimensionados p a r a la viga apoyada
Viga a p o y a d a e m p o t r a d a de canto c o n s t a n t e
Soluciones p a r a la viga apoyada e m p o t r a d a
P o r t i c o hiperestatico
Dimensionado de un portico resistente . . . '
Dimensionado de un portico resistente y rigido
118
121
122
126
127
127
128
129
130
139
139
. . . 140
141
143
144
147
Lista de tablas
2.1
2.2
Longitud de d a t o s del mayor caso 'resoluble' segun el o r d e n a d o r e m p l e a d o 12

T i e m p o necesario p a r a resolver casos del viajante de comercio
12
3.1
3.2
3.3
Peso y c e n t r o de gravedad del conjunto MioootMxB p a r a p = 1

36
Peso y c e n t r o de gravedad del conjunto MIQOOO,AXB p a r a p = 100r 1 2 +1
38
Peso y c e n t r o de gravedad del conjunto Mioooo,AxB p a r a p = 10 ooor^+i 38
4.1
4.2
4.3
4.4
Resistencia
Estrategias
Resultados
Resultados
5.1
5.2
5.3
R e s u m e n de las series
R e s u m e n de las series segun el coste
R e s u m e n de las series segun el oculo
' 6.1
6.2
6.3
6.4
6.5
6.6
7.1
7.2
7.3
7.4
en los problemas canonicos

participantes en el t o r n e o
y clasificacion
de t o d o s los recocidos con la estrategia E4
77
77
81
82
104
108
108
Serie de Michell p a r a u n a viga con carga c e n t r a d a

T u b o s redondos huecos
B a r r a s macizas
R e s u m e n de las series con t u b o hueco
R e s u m e n de las series con b a r r a maciza hueco
R e s u m e n de los resultados
T i e m p o de calculo p a r a el algoritmo de b u s q u e d a
Tubos c u a d r a d o s huecos
Dos perfiles U P N soldados en cajon
Soluciones p a r a el portico hiperestatico
121
124
124
127
128
131
/
. 1-33
145
145
146
Prefacio
Si supieras amor mo
Que la vida es un potaje...
Ustedes, las habichuelas
Y nosotros los tomates...
Raimundo y Rafael Amador
El recocido simulado es un algoritmo en el mismo sentido en que lo son las reglas para multiplicar o dividir dos nmeros, pero se trata de un conjunto de operaciones mucho ms complicado,
de manera que en la prctica slo puede ejecutarse mediante mquinas de clculo. El algoritmo
simula el comportamiento de sistemas fsicos simples sometidos a un descenso paulatino y lento de
su temperatura, tal es el caso de la produccin de acero laminado o la cristalizacin de azcar en
soluciones sobresaturadas; tras un lento proceso tales sistemas alcanzan un estado caracterizado por
ser mnima su energa, a pesar del comportamiento intrnsecamente aleatorio de sus partculas microscpicas. En ocasiones, tales estados se reconocen por una particular perfeccin visual, pinsese,
por ejemplo, en un macrocristal de azcar, cbico y regular (en teora). El recocido simulado
permite explotar el conocimiento fsico de tales procesos con vistas a buscar el mnimo absoluto de
.. cualquier funcin matemtica, que tambin en-ocasiones se corresponder con formas que muestran
cualidades apreciables en tanto 'ordenadas', 'razonables' o 'sensatas'. El algoritmo no es nuevo y
viene siendo empleado con xito en diversas disciplinas desde hace ms de una dcada.
El propsito principal de esta tesis es introducir y mostrar su uso en problemas de la teora
de estructuras que es la disciplina en la que tengo alguna destreza. Para ello me parece necesario
exponer conjuntamente conocimientos consolidados de tres grandes reas, muy distintos entre s, a
saber: mecnica estadstica, teora de computacin y teora de estructuras.
Gran cantidad de material, por no decir todo, no es original. De haberla, la originalidad reside en
haber colocado juntas piezas de muy diversa procedencia, con la esperanza de que algo interesante
surgiera. Por ello no repetir aqu las demostraciones ya realizadas por otros salvo si aclaran el
hilo conductor del argumento. De la misma manera, he traducido muchas definiciones del lenguaje
formal de cada disciplina al lenguaje corriente (esencialmente recopilado en el Diccionario de la
Real Academia, DRAE en adelante), pero indicando siempre dnde se encuentran las originales.
Adems, y corno cortesa hacia diversas personas que han participado de un modo u otro
en la investigacin, he intentado que el texto pueda ser al menos hojeado por cualquiera, con
' independencia de su especialidad y su grado de destreza.
'
^
Muchos conceptos manejados durante la investigacin (entropa, coste, resolubihdad, etc.) han
resultado sei Uansversales, es decir, que se encuentran bajo distintos disfraces en muy dheisas
disciplinas, en apaiiencia no relacionadas entre s. Como quiera que, durante mi larga estancia en
la Escuela de Madrid como alumno, aprend, entre otras cosas, a apreciar las ventajas de una visin
geneahsia, he enfatizado esta transversalidad all donde pareca significativa, mediante disgiesiones
Prefacio
fuera del hilo central del argumento.

,
Todo lo anterior plantea la dificultad de que el lector pueda distinguir con claridad lo que forma
parte de la tesis propiamente dicha (en tanto aportacin original al conocimiento) de lo que se
incluye para su entendimiento.
Confieso que no creo haber alcanzado de forma satisfactoria ninguno de los objetivos anteriores,
salvo el principal. Como resultado desafortunado, la comprensin del texto completo no resulta
probablemente fcil, pues no es corriente ser especialista simultneamente en los tres campos citados.
En todo caso, para facilitar la lectura, cada captulo consta de una introduccin y una conclusin
o resumen final que permiten saltar el resto en una primera hojeada. Dentro de cada captulo, el
hilo del argumento fundamental va en letra grande, mientras que el material menos central va
en letra pequea. Adems tanto las disgresiones como la refutacin de argumentaciones comunes
contra las proposiciones enunciadas se ubican en las notas al pie de pgina. En consecuencia, el
lector interesado slo en lo esencial puede saltarse con entera confianza^ la letra pequea.
Las notas al pie incluyen, adems, referencias bibliogrficas necesarias para reproducir fielmente
algunos prrafos que se citan de otras obras. Tambin incluyen referencias a obras que consult con
anterioridad a esta investigacin. Por su parte, las obras utilizadas para la investigacin se citan
mediante la regla autor/ao.
B r e v e descripcin de los contenidos
En el primer captulo se introducen conceptos bien conocidos, en particular todos los relacionados
con la estructura mecnica, as como los diversos problemas'que la teora de estructuras pretende
resolver: anlisis, peritaje, diseo y optimacin. Tambin se enfatiza la ausencia de un mtodo
general para resolver este ltimo, indicando los mtodos disponibles para su solucin aproximada.
Salvo el enunciado de la tesis que se pretende demostrar y el significado de la expresin 'teora de
diseo' (que ser utilizada frecuentemente), el especialista en teora de estructuras no encontrar
nada nuevo, pues en esencia el captulo se incluye como cortesa a lectores de otras disciplinas.
En el captulo 2 se revisan algunos avances en teora de algoritmos, de forma prctica y descendiendo slo en ocasiones a las profundidades de la teora. Mientras que en optimacin de estructuras
resulta habitual medir la eficacia de los algoritmos por el tiempo de clculo (expresado en segundos
y referido a un ordenador particular), a lo largo del captulo se pretende mostrar por qu tal medida de eficacia es perfectamente intil. Su inclusin es necesaria en la medida en que el recocido
simulado slo puede ser considerado un algoritmo eficaz bajo un punto de vista preciso y formal que
no dependa del ordenador particular utilizado (de hecho, el algoritmo es tan lento en un ordenador
'personal' que, desde'el punto de vista habitual, la tesis carecera de todo inters). Algunos aspectos
de la teora se describen con cierta profundidad con el nimo de ayudar a su divulgacin, aunque
resultan innecesarios para el argumento central.
El algoritmo, pdr fin, se introduce de manera formal en el captulo 3. Como queda dicho, el
recocido simulado consiste en imitar el comportamiento de algunos sistemas fsicos simples en los
que la temperatura es una medida significativa. Por ello, en primer lugar, se revisan las ecuaciones
fundamentales de la mecnica estadstica, que es la disciplina que estudia tales sistemas. Para
que la imitacin sea posible es necesario recurrir a mtodos estadsticos tales como el mtodo
de Monte Cario y los de transformacin de probabilidades. Antes de que pueda simularse el
descenso de la temperatura, se estudia cmo simular el comportamiento a temperatura constante
(algoritmo de Metrpolis). Finalmente, se renen todas las piezas para mostrar el esqueleto de
cualquier recocido simulado, con independencia del problema abordado. Casi todo el material
est consolidado tras ms de una dcada de empleo, aunque algunos aspectos de detalle (como la
distincin entre 'orculos' y 'profetas') y la propia exposicin histrica es nueva.
Con el captulo 4 comienza la tesis piopiamente dicha. En l se deiiva de un modo nuevo la
teora de anlisis de losas mediante lneas de cedencia, se construye el algoritmo de recocido para
el problema de anlisis y se trata con una variedad de casos concretos. Con el recocido se mejoran
Prefacio
XI
los resultados obtenidos hasta la fecha, poniendo de relieve con claridad algunas insuficiencias de
los estudios clsicos a la vez que los aciertos de estudios ms recientes.
En el captulo 5 se estudia el coste de cpulas de revolucin y la solucin al problema de
encontrar la cpula de coste mnimo, con independencia de cmo se defina ste. Se revisan las
ecuaciones fundamentales del problema, se detalla el modelo empleado, se construye un algoritmo
de recocido apropiado y se resuelve una variedad de casos concretos. El captulo sirve para probar
la 'robustez' del mismo algoritmo frente a funciones de coste muy distintas.
Obtener la forma de peso mnimo para una cercha plana que debe soportar un conjunto dado de
fuerzas, es uno de los problemas de optimacin ms clsico a la vez que ms difcil; el captulo 6 se
dedica por entero a l. Como en los anteriores, se revisa rpidamente la formulacin del problema,
se construye un algoritmo de recocido apropiado y se resuelven tanto casos clsicos como problemas
formulados de manera ms cercana al proyecto prctico de tales estructuras. Adems de probar el
algoritmo frente a casos muy difciles con solucin conocida, se explora en qu medida el mismo
algoritmo puede servir para contrastar la idoneidad de la formulacin matemtica de problemas
prcticos. Probablemente, es sta la primera vez que, mediante procedimientos automticos, se
aborda con algn xito este problema.
El captulo 7 trata del problema de optimar las dimensiones de las estructuras con forma dada:
un problema clsico de optimacin que ha sido abordado con anterioridad mediante una variedad
de otros algoritmos. Este problema se incluye a fin de abarcar, junto a los problemas planteados
en los captulos anteriores, un panorama suficientemente amplio que permita 'demostrar' la tesis
enunciada en el captulo 1.
En el ltimo captulo, el 8, se hace recuento de los resultados obtenidos y se analiza su significado. En primer lugar se sopesa nuevamente la plausibilidad de la tesis, la eficacia y utilidad
del recocido simulado para la teora de estructuras y sus ventajas e inconvenientes respecto a otro
algoritmos. Pero adems se enfatizan conjeturas 'laterales' que, no siendo centrales para la tesis
que'se pretende demostrar, s son relevantes para la teora de estructuras y, en particular, para la
'teora de diseo', conjeturas acerca del grado de dificultad de los problemas de la teora y de los
mtodos, hoy por hoy, ms eficaces para resolverlos.
Se han incluido tres anejos: el primero est constituido por el 'ttulo de la tesis', es decir, el
documento con el que ped autorizacin acadmica para comenzar la investigacin; el segundo es
el 'manual de referencia' de los programas de ordenador que plasman el algoritmo en una forma
concreta, adecuada para ordenadores corrientes, programas que se incluyen en discos magnticos
adjuntos; el tercero indica cmo pueden verificarse las 'soluciones' obtenidas a lo largo de los
captulos 4 a 7, en concordancia con el espritu de los argumentos del captulo 2.
Al final se incluye una amplia bibliografa (dividida en dos cuerpos: las referencias utilizadas
en el texto principal y bibliografa adicional de inters); una lista de smbolos y otra de los errores
advertidos una vez que el original fue reproducido.
El o r d e n de lectura
No es evidente cul sea el mejor orden de lectura. El orden histrico exige empezar por el anejo A
para continuar en el captulo 1 y seguir el orden numrico. Pero quiz los tres primeros captulos
puedan saltarse en una primera lectura y pasar directamente desde el anejo A hasta el captulo 4,
donde comienza la tesis propiamente dicha. Los especialistas de otras reas reconocern en este
captulo un problema similar al de otras especialidades de la fsica, debido a que el 'objetivo' es
la enciga potencial. Al especialista en diseo de estructuras, la lectura del anejo A y de la letra
grande del captulo 7- le bastar para entender el grueso del argumento. Algunos lcctoies han
sugeiido que la lectura del anejo y uno cualquiera de los captulos del 4 al 7 (el quejns le tiente
a cada cual), basta para haceise una idea En todo caso, el lector tiene la palabra.*'1"'
- ^?X
Prefacio
XII
Breve relato de la investigacin

En el camino que me llev a plantearme escribir una tesis doctoral, la ayuda de otras personas
fue imprescindible. Se trata de una larga lista, que comienza con mis padres y familiares y acaba
con mis profesores, tan larga que no es posible en estas breves lneas agradecer cumplidamente a
todas ellas los conocimientos y experiencias que me ofrecieron adems de que cada una sabe de
mi gratitud, por lo que resultara innecesario.
Pero desde que comenc la investigacin hasta ahora que escribo los ltimos prrafos, a la lista
se han sumado nuevas personas o algunas ya conocidas han reincidido en su generosidad. A todas
ellas quiero darles las gracias con nombre y apellidos, entre otras tazones porque en estos tiempos
que corren la labor individual que una tesis presupone, es en buena parte colectiva, y conviene as
reconocerlo.
Mi primer contacto con el algoritmo de recocido simulado tuvo lugar mientras trabajaba como
consultor para la empresa SOFT SA, en el departamento de programacin dirigido por Fernando
Valderrama que sensatamente no lo llam nunca I+D y espero que as siga. Gracias a la libertad
que nos conceda a m y a Ignacio vila, ambos utilizamos el algoritmo por primera vez para
dimensionar automtica,y ptimamente secciones de hormign armado, dentro de un proyecto ms
amplio que se interrumpi bruscamente por razones presupuestarias y que qued como propiedad
de la empresa (razn por la cual he preferido que ninguna de las conclusiones y excelentes resultados
obtenidos figuren aqu). Al ltimo de ellos quiero agradecerle que confiara en m cuando puse sobre
la mesa algoritmo tan ajeno a nuestra labor cotidiana en aquella poca.
La investigacin tiene que ver sobretodo con mquinas de clculo, con ordenadores en particular,
de manera que sin la generosidad de Pilar Lazareno que primero me dej usar el suyo (adems de
su gabinete) y que finalmente me lo prest a tiempo completo y a domicilio, nada de lo que sigue
hubiera sido posible. Fue all, a lo largo de 1991 en donde 'resolv' por primera vez problemas de
cpulas mediante recocido' y donde escrib la peticin de cambio de ttulo de tesis (ya .que antes me
haba rendido ante la evidencia de que mi anterior proyecto haba quedado abruptamente superado
por los mtodos de clculo de estructuras de hormign armado hechos pblicos por Jrg Schlaich
y sus colegas).
De otra parte, eran muy diversas las ramas del saber a las que las primeras lecturas sobre el
algoritmo me condujeron. Sin el concurso de especialistas de cada disciplina, malamente hubiera
sido capaz de manejarme por paisajes en ocasiones totalmente nuevos para m. Segn me vienen a
la memoria, recuerdo ahora como Teresa Tico me mostr la conexin entre algunos aspectos de la
teora de problemas y algoritmos con el, as llamado, anlisis matemtico no estndar; como Julio
Santos me puso en el buen camino hacia los conceptos esenciales de la termodinmica estadstica y
me prest (hasta hoy) su ejemplar del Reif. Carlos Vzquez me prest auxilio constante en temas
de matemtica dura y puso (cuando le dej) rigor formal a mi particular modo de razonar. Las
obras que adems me facilitaron acortaron en buena medida el desarrollo de la investigacin.
Que todos los ttulos consultados los encontrara en Madrid se debe, en primer lugar, a las excelentes bibliotecas de la ciudad (cosa que raramente se reconoce en muchos 'ambientes'), pero no
menos a la labor ajena (que me permiti ahorrar mucho tiempo, a razn de una, dos o tres maanas
por referencia, dado el insoportable sistema de transportes de la ciudad). Gracias especiales a Julio
Gutirrez, Beln Conesa y Carlos Vzquez por 'sus' maanas perdidas en mi provecho. Valentn
Quintas, Jos Luis de Miguel y Andrs de Santos me facilitaron o indicaron textos por propia
iniciativa que de otro modo me hubieran pasado desapercibidos. Tan slo en el caso de un libro,
hace tiempo agotado, tuve que solicitar los servicios de la Biblioteca Britnica, aunque otra copia
me lleg antes desde Berkeley gracias al esfuerzo de Cristbal y Domingo Molina (quienes adems
realizaron all infructuosas bsquedas que luego se resolvieron sin dificultad en Madrid). La Biblioteca Britnica, tambin, facilit cinco artculos, lo que representa apenas un diez por ciento de las
referencias que resultaron imprescindibles, y menos de un cinco del centenar largo manejado.
La discusin con 'no-especialistas' icsult ms provechosa de lo que hubiea imaginado. El
formato fue casi siempre el mismo: tena que responder a una piegunta aceica de qu era 'eso' que
me mantena tan ocupado. Por mi paite, en el esfuerzo de explicar sin jeiga alguna el sentido de
Prefacio
XIII
la investigacin, descubr en no pocas ocasiones aspectos equvocos de la teora, falsos conceptos

y nuevos puntos de vista. Esto no hubiera sido posible de no ser por la insistencia e ingenua
curiosidad de Carlos Verdaguer, Celia Gutirrez, Montserrat Mars, Agustn Hernndez (junto a
un nutrido grupo de sus colegas de quienes no recuerdo el nombre), Lourdes Domingo, Ramn
Lpez, y de alguna otra persona que dejar en el tintero imperdonablemente. Como respuesta a
su pregunta, ninguna de estas personas se conformaron con el chiste de que "el recocido simulado
no es exactamente como uno de mis cocidos madrileos, pero se les parece mucho" (para este
gnero de conversaciones Pilar Lazareno acu la expresin "cocido rebujado"). En este orden,
estoy en deuda muy especial con Julia Arranz con quien la explicacin se prolong y se convirti en
una discusin de mayor alcance, a lo largo de la cual me mostr varias cosas. As, las conexiones
entre la mecnica estadstica y la filosofa del arte; tambin la posibilidad de 'resolver' el problema
del viajante de comercio en forma geomtrica, mediante el sencillo argumento de 'resolver' ella
misma algunos casos histricos. El conocimiento de algunas obras fundamentales para 4a discusin
transversal se lo debo a ella; asi como la sugerencia de "dar la vuelta" a la conjetura inicial. A
partir de todo ello di cuerpo a algunas de las conclusiones 'laterales'. La deuda es especial sobretodo
porque, sin duda, la discusin fue ms provechosa para m que para ella.
En los temas de mi especialidad he de agradecer placenteros intercambios de opiniones a Juan
de la Torre, Valentin Quintas, Ricardo Aroca, Jos Luis de Miguel y Jaime Cervera.
Los dos ltimos, junto a Carlos Vzquez, son acreedores singulares por otra razn, pues aceptaron la penosa tarea de leer el penltimo borrador y guardar an fuerzas para ejercer crticas
provechosas tanto para l estilo como para el razonamiento. Andrs de Santos ley el ltimo y tuvo
ms fortuna que los anteriores en convencerme de la necesidad de algunos retoques, en los que casi
todos estaban de acuerdo. No siempre les hice caso, de manera que los errores que subsistan son
de mi exclusiva propiedad.
Finalmente pero no en menor medida, gracias a Alberto Castrillejos, Jos Molina, Carlos
Vzquez, Pilar Lazareno y Carmen Esp: contribuyeron con sensatez y vigor al aspecto final,
adems de darme su apoyo moral a lo largo de todo el recorrido.
MVE
Pelegrina, 1994.
" ' '"- .
Captulo 1
Optimacin de estructuras
Cul es el mejor calibre para las barras de una viga continua en celosa? cul la mejor forma para
una cercha isosttica? y la mejor generatriz para una cpula de revolucin? cmo se romper
una losa de hormign armado? Todas estas preguntas tienen en comn interrogar sobre el mejor
o el peor valor de alguna de las propiedades de estructuras genricas, tales como vigas, cerchas,
losas o cpulas; y desde luego este tipo de preguntas sen habituales en el proyecto de casi cualquier
objeto. Si se prescinde de la diferencia entre mejor o peor (una pura cuestin acerca del sentido
de la medida) puede hablarse, en general, de ptimo1. En ocasiones, tales preguntas se pueden
expresar matemticamente y, en tal caso, puede intentarse tambin calcular la respuesta pedida.
Si la pregunta es sencilla el clculo puede realizarse mentalmente o con lpiz y papel por una sola
persona, pero a medida que la pregunta que se aborde sea ms compleja, comenzar a requerirse el
concurso y la colaboracin de varias, quiz incluso de generaciones. Para que tal colaboracin sea
fructfera, ser preferible convenir de antemano cules son las operaciones que han de efectuarse y
su orden, as como su nmero total, de manera que cada cul sepa en cada momento a qu atenerse
(Boltzmann, 1905:126-130); la descripcin de ese conjunto de operaciones es, en castellano, un
algoritmo. Si las tareas de clculo son sencillas, las personas pueden sustituirse por mquinas que
realicen las mismas operaciones y, en tal caso, la ejecucin del algoritmo ser automtica. En este
contexto, la presente tesis podra resumirse as:
El recocido simulado es un algoritmo automtico que permite calcular respuestas muy
cercanas a las correctas para preguntas acerca de valores ptimos de las estructuras.
Puesto que la descripcin formal del algoritmo se pospone hasta el captulo 3, convendr introducir aqu una definicin provisional aunque sea vaga:
:
P a r a disipar cualquier duda desde el principio, conviene dejar "claro que 'optimizar' y 'optimizacin' fueron
barbarismos, hoy aceptados por la Academia de la Lengua, pero ptimo es, en cualquier caso, la palabra preferida en
DRAE. Esto puede comprobarse hojeando diccionarios castellanos del siglo pasado, en los que optimar y optimacin'
eran-de curso legal mientras que no exista *'optimizar' ni minimizacin ni 'minimar'. Propuse en su da este ltimo
vocablo,junto con 'maximar' y sus correspondientes, 'minimacin' y 'maximacin', breves y secos como tantas voces
castellanas, con el argumento de que verbos y sustantivos verbales se obtienen de mnimo y mximo con la misma
regla generativa que optimacin se obtiene de ptimo. El Director de la institucin me manifest "que no cree de
recibo el verbo 'minimar', sobre el que, sin embargo, tendr que pronunciarse la Academia" (Lzaro, 1992). Es
preciso reconocer que, efectivamente, hay polisemia con 'mar pequeo' pero a fin de cuentas en el mismo campo
semntico. Hasta donde s, la cuestin sigue en estudio (Lzaro, 1992a). En esta cuestin, como en otras, no
planteo nada original: ya Margalef (1980) reivindic optimacin frente a 'optimizacin', es decir, el castellano frente
a traducciones literales del ingls. Por otra parte, Cervera (1993:33) argumenta, con alguna razn, que el campo
semntico central de minimizar, a saber, "disminuir el valor de una cosa o frivolizara", no parece el adecuado para
incluir el significado de 'minimar' una funcin, pues como se ver ni el problema ni la funcin tienen nada de frivolos.
Dado que Cervera escribi la obra citada intentando acuar 'minimacin', he decidido hacer lo propio para, una
vez concluida la tesis, presentar el vocabulario de ambas obras a la consideracin de la Academia El lector que lo
prefiera puede con facilidad leer minimizar donde figure 'minimar' y as con las dems-palabras de ambas familias. Si
se encuentra algn 'minimizar' n disentido de minimar una funcin se trata de un error. Hay an oda alternativa
digna de consideracin: la de mayorar y minorar, vase el DRAE y el Diccionario Etimolgico de Joan Coi ominas, y
confrntese con la naturaleza general del problema tal y como se describe 3.1 En todo caso, hay que busca solucin
al problema: de lo contrario, habr que aceptar que opltmahty debe ti aducirse por 'optimalidad'.
Optimacion de estructuras
El recocido simulado de un objeto para mejorar alguna de sus propiedades consiste en

producir al azar 'cambios' en su 'descripcin'. Si es posible definir una 'temperatura'
en relacin a tal propiedad, el proceso comienza a altas 'temperaturas', en las que
todos los 'cambios' aleatorios son 'aceptados' (y en consecuencia el 'aspecto' del objeto
inicial cambia continuamente); y contina con un paulatino y lento descenso de la
'temperatura', de manera que cada vez el nmero de 'cambios' 'aceptados' disminuye
ms y ms y una forma particular del objeto acaba por 'emerger'. Finalmente, cuando
la 'temperatura' es tan baja que ningn 'cambio' se acepta, el algoritmo se detiene con el
objeto inicial profundamente alterado, de hecho con el objeto que probablemente pueda
encontrarse para la propiedad de inters. Esta situacin inicial es el 'cero absoluto' del
objeto "respecto a la propiedad.
'
Por razones que se examinarn ms adelante, la tesis anterior debe calificarse como conjetura y lo
que sigue es en realidad una exploracin de la medida en qu resulta plausible, no una demostracin
en toda regla.
En este captulo se describe brevemente, en la primera seccin, el objeto de la teora de estructas,
es decir, la estructura mecnica de los objetos, as como los problemas que la teora se plantea
resolver. En particular se examina la 'teora de diseo' como aquella parte de la disciplina que
pretende deducir geomtricamente la solucin al problema de disear una estructura. En la siguiente
seccin se enfatiza uno de tales problemas, el de optimacion de estructuras. En la tercera, se repasa
brevemente el estado de la cuestin acerca de si tal problema puede o no resolverse y de los mtodos
disponibles para ello.
1.1
Estructuras mecnicas
Una estructura mecnica es una forma construida con diversos materiales para un cierto uso futuro.
El uso impone exigencias muy diversas, desde la resistencia hasta la durabilidad. Una estructura es
aceptable si satisface los requisitos impuestos por las exigencias de su uso. Encontrar una estructura
aceptable para un uso determinado no es cosa siempre fcil, de manera que cada conjunto de
exigencias plantea un problema, para el cual cualquier estructura aceptable es una solucin. En
aquellas culturas en que no se considera especialmente costoso construir, el mtodo usual es el de
prueba y error, si contruida una solucin no resulta aceptable, se construye otra, etc. Una elocuente
descripcin de tales culturas se debe a Peter Weir (1985:67-75), quien, en Witness, narra como todo
un pueblo construye el nuevo establo de una familia en un slo da, convirtiendo por ello la jornada
en una fiesta. En culturas como la nuestra en que la construccin se considera costosa, se recurre
a imaginar las soluciones (proyectarlas) comprobando en la imaginacin si resultarn aceptables o
no, y construyendo slo aquellas que se juzgan convenientes. Ciertamente, para que este mtodo
sea efectiyamente menos costoso, el coste de la comprobacin imaginaria debe ser menor que el de
la construccin real.
La 'teora de diseo'
La 'teora de diseo', que es una disciplina con objetivos especficos dentro de la teora general
de estructuras, responde en cierto modo a este objetivo general. Se trata, en esencia, de buscar
un atajo a la sucesin de prueba y error imaginarios, de tal suerte que, dado un problema, pueda
'calcularse' la solucin. De hecho, se pretende describir geomtricamente los problemas y deducir,
del mismo modo, las soluciones, construidas, por tanto, geomtricamente, con la ventaja aadida
de que se asegura as, en buena medida, que tambin son construibles realmente. Aunque para
ciertos problemas estndar, la 'teora' ha conseguido deducir algunas reglas geomtricas, el objetivo
no es siempre posible. Por ello, la 'teora' es un tanto eclctica, recurriendo si es necesario al
lgebra y al clculo numrico convencional. En cierto sentido, su oiigcn puede remontarse hasta
los 'tamaos insuperables' de Galileo. A lo largo del texto, la expresin 'teora de diseo' se cficre
1.
a esta disciplina especfica, bien ilustrada en algunos manuales de diseo de estructuras (vase por
ejemplo, Aroca et ah, 1973; tambin Cervera, 1993).
La forma de la estructura
No es cosa de entrar en detalles aqu se pueden encontrar en los manuales citados, pero con
vistas a clasificaciones posteriores, una estructura mecnica puede considerarse definida por su
forma y por las caractersticas mecnicas pertinentes de sus materiales, tales como la resistencia,
rigidez, ductilidad, etc. Las propiedades de la forma admiten diversas conceptualizaciones, pero
en la 'teora de diseo'.de estructuras cobra especial relevancia entender la forma como compuesta
de proporcin, esquema, tamao y grosor2. Aunque estas cuatro nociones son dfiles de precisar
formalmente, resultan tan tiles que se emplean aunque sea aproximadamente por la 'teora'. En
el caso de estructuras planas, puede precisarse ms. Las variables que definen el esquema son adimensi.onales y no definen un volumen, tan slo lneas y superficies. Si la estructura es finita siempre
podr inscribirse en un rectngulo. Dos estructuras tienen idntico esquema respecto a un rectngulo dado si son semejantes, en el sentido de que bastar aumentar o disminuir simultneamente
el alto y el ancho del rectngulo de una de ellas (y con l la estructura), para que ambas pueden
superponerse. La proporcin del rectngulo es tambin la proporcin de la estructura, denominada
habitualmente esbeltez. Cul sea el rectngulo ms conveniente para determinar el esquema y la
proporcin de una estructura es asunto difcil de precisar, aunque la experiencia suele indicar la
eleccin ms significativa en los casos habituales. El tamao se mide del modo ms natural por
la longitud del rectngulo. Finalmente, el grosor tambin dimensionado se define por aquellas
variables que transforman lneas y superficies en volmenes, es decir, reas o espesores3, vase la
figura 1.1.
Figura 1.1: La forma de las estructuras

Se muestra una variedad de formas a partir de un mismo motivo. De izquierda a derecha, por parejas
verticales, formas con distinto esquema, proporcin, tamao y grosor, respectivamente. En los tres
primeros casos se representa adems el rectngulo de referencia.
Conviene advertir que estos conceptos no son universales: existen estructuras en las que no son
claros o no tienen utilidad alguna. De hecho, desde un punto de vista matemtico puede"distinguirse
en la forma, adems del grosor, geometra y topologa. Esta ltima especifica las relaciones entre
las diversas partes y entre stas y el todo en un espacio sin mtrica; por su parte, la geometra
especifica como aplicar una topologa dada en un espacio mtrico concreto. De esta forma, el
conjunto de proporcin, tamao y esquema es intercambiable con el de geometra y topologa.
Cervera, 1993, vase tambin Aroca, 1993, quien usa una clasificacin similar Salvo el tamao, las otras tres
propiedades se reconocen igualmente en la 'jerarqua' propuesta por Schmit (1984 2) en el contexto de la optimacin
de estructuras
'
En el sentido general de las propiedades de la geometra de masa mdulo resistente, radio de giro, etc
1.
>.
Anlisis, peritaje, diseo, optimacin

Una estructura en cuanto solucin a las exigencias de un uso determinado queda definida una vez
especificadas las propiedades de su forma y de los materiales. Para analizar si es aceptable, es
necesario parametrizar tambin su uso futuro. A cada uso imaginado le corresponde una definicin
nominal de acciones exteriores y condiciones formales que deben ser satisfechas por la solucin.
Tradicionalmente se han destacado los requisitos de resistencia, estabilidad y rigidez.
Tanto en el mundo real tanto como en el imaginado, las acciones ejercidas sobre la estructura
cuando se usa, desfiguran su forma inicial. En cada instante, una forma de equilibrio se corresponde
con un conjunto particular de acciones de las posibles en el uso de la estructura. En el mundo
imaginado, las formas de equilibrio se definen como aqullas de entre todas las formas posibles
en las que la energa potencial, suma de la energa potencial de las acciones y de la energa de
deformacin de la estructura, es mnima. La estructura resiste si los materiales que la componen
soportan sin romperse la deformacin necesaria para alcanzar su posicin de equilibrio; es rgida
si esa deformacin no es mayor que ciertos valores prefijados de acuerdo al uso que se imagina.
Adems, como la construccin real de la forma imaginada no puede ser perfecta ni la definicin
del uso tampoco se exige siempre que el anlisis sea estable, es decir que una 'pequea' variacin de
la forma inicial sea tambin una solucin aceptable. El uso impone, en no pocas ocasiones, requisitos
sobre la forma inicial: lmites al grosor de la forma o a su esquema o tamao son habituales, lo que
permite descartar ciertas formas antes incluso de ser analizadas estructuralmente.
Hay por tanto diversas preguntas o problemas que conviene distinguir con alguna precisin. En
primer lugar est el problema de encontrar la forma de equilibrio de una estructura enfrentada a un
conjunto de acciones. Formalmente, el problema de ophmar la energa potencial de una estructura,
que ha de soportar un conjunto determinado de acciones, consiste en encontrar la variacin de
la forma inicial para la cual dicha energa es mnima. Como es habitual la variacin se expresa
en trminos de diferencias o desplazamientos entre la forma de equilibrio y la inicial, del mismo
modo que las acciones se reducen, de un modo u otro, a fuerzas. Las formas candidatas a formas
de equilibrio se buscarn en un cierto conjunto finito de variaciones de la forma inicial, que forma
parte de la definicin del problema. En adelante este problema se denominar problema de anlisis.
En segundo lugar est el problema de encontrar una estructura aceptable para un cierto uso.
La definicin del uso incluye todo lo necesario: los diversos conjuntos de acciones que la estructura
debe soportar, los requisitos que definen su aceptabilidad y el conjunto de soluciones candidatas
en la que se debe buscar. Todo ello debe hacerse con un nmero finito de parmetros, lo que, si
el problema est bien planteado, es siempre posible. En adelante este problema se denominar
problema de diseo o clculo de la estructura. Usualmente, incluye un nmero finito de anlisis de
la estructura, en la medida en que a un uso le correspondan diferentes conjuntos de acciones que
no actan simultneamente.
Mientras que la respuesta a un problema de anlisis consiste en una forma de equilibrio y el
valor mnimo de la energa potencial correspondiente, la respuesta a un problema de diseo puede
ser cualquiera de las soluciones aceptables. De un modo que puede precisarse matemticamente,
la aceptabilidad puede numerarse, de manera que una aceptabilidad de 1, significa que la solucin
cumple estrictamente los requisitos derivados del uso, mientras que un valor superior a la unidad
indica que la solucin podra satisfacer requisitos algo ms exigentes, y un valor inferior indica que la
solucin no es aceptable. En la practica corriente del diseo de estructuras hay intencin, de forma
bastante explcita, de conseguir soluciones con aceptabilidad cercana a la unidad, no bastando en
general con una solucin aceptable con valor muy superior. Sin embargo, la aceptabilidad cercana
a la unidad es una propiedad del clculo de la estructura (que es entonces afinado), no de la propia
estructura.
El pioblema de diseo es en general difcil, y por ello resulta habitual sustituirlo por una serie
de pioblcmas de pentaje de las soluciones. Aqu, para cada solucin lo que se piegunta es si
es aceptable o no. Si una solucin inicial no es aceptable se intioducen cambios genealmente
sugeridos por la experiencia paia obtenc una nueva solucin, que se pciita] epitindose el
proceso hasta encontrar una solucin aceptable, que en ocasiones se afina nuevamente a fin de
1.
reducir lo ms posible su aceptabilidad (pero sin bajar de la unidad). Se recae por tanto en el
mtodo de prueba y error pero construyendo imaginariamente las soluciones. En este contexto se
comprender la importancia del objetivo de la 'teora de diseo'.
1.2
La teora de estructuras se enfrenta siempre a n problema de optimacin, el de obtener la forma de

equilibrio de una forma inicial, paso previo antes de calificar la solucin como aceptable. Pero, en
culturas como la nuestra donde la construccin real de una estructura aceptable se considera costosa,
existe siempre, aun implcitamente, la tendencia a encontrar la estructura de coste mnimo, lo que
supone un segundo problema de optimacin no referido a la energa potencial sino al propio coste
de la estructura. En ocasiones, esta tendencia se sustituye por la de conseguir aceptabilidad 1 para
la solucin, que en general resulta en un problema ms simple. Sin embargo,.esta sustitucin es,
raramente legtima, pues como se ver existen problemas en los que todas las soluciones aceptables
lo son estrictamente, pero slo algunas son ptimas desde el punto de vista del coste 4 . En todo
caso, l optimacin del coste incluye siempre la optimacin de la energa puesto que la solucin
ptima o de coste mnimo ha de ser obviamente aceptable.
La definicin del problema de optimar la energa obedece a un principio muy general, el de
mnima energa potencial, utilizado en muchas otras disciplinas. Sin embargo, la definicin del
problema de optimar el coste tiene, en principio, un acusado carcter cultural cuando no subjetivo,
en la medida en que la definicin del coste lo sea. De hecho, el problema de definir formalmente
un coste que sea representativo de las propiedades de inters no es un problema trivial' (cf. Aroca
et ah, 1973), de hecho plantea otro problema de mayor orden. A fin de cuentas, lo que intenta
la teora es formalizar una actividad real (la de proyectar) de manera que los resultados obtenidos
imaginariamente con la teora conserven las propiedades ms apreciadas en las construcciones reales,
proyectadas en muchas ocasiones sin teora alguna. Una definicin que, desafortunadamente, se
usa con inusitada frecuencia es aquella que identifica el coste con el precio, extraa magnitud que,
sin definicin alguna que sea precisa, no puede medirse si no es por referencia a otros precios
que han de preguntarse o fijarse prudencialmente 5 . Para la conjetura' que intento explorar, esta
diferencia entre ambos problemas no hace al caso, por cuanto en el mundo imaginado en que se
resuelve el problema,_es posible cualquier definicin de coste. Sin embargo he preferido adherirme
a la tradicin de Maxwell, Michell y otros 6 en lo que respecta a utilizar definiciones de coste que lo
hagan corresponder a magnitudes fsicas bien definidas y mensurables, an a costa de la consiguiente
prdida de utilidad cultural de las soluciones encontradas 7 . Como se ver ms adelante, la magnitud
elegida ha sido normalmente el volumen de material empleado, o alguna otra proporcional a l.
Definido el problema de diseo o de peritaje de una estructura para un uso dado y dada tambin
una definicin del coste, el problema de optimar la estructura consiste simplemente en encontrar la
4
Un ejemplo notable de esta sustitucin es la proliferacin, al menos en nuestro pas, de programas de ordenador
que disean de forma exquisitamente estricta el varillaje metlico de las estructuras de hormign, de manera que se
presume que el volumen de metal para un volumen dado de hormign es mnimo, sin que nadie parezca preocuparse
de si la presuncin es correcta (y no lo es en muchos casos) o si, ms importante an, con otro volumen de hormign
se obtendra un volumen total menor de ambos materiales.
5
Basta para ilustrar la inutilidad del precio como medida del coste, el hecho de que ninguna unidad monetaria
figura (ni se planea que lo haga) en ninguno de los sistemas de medida comnmente aceptados. El lector interesado
puede consultar un anlisis formal del carcter arbitrario de los axiomas de la teora neoclsica sobre valor econmico
en Naredo, 1987437-440.
6
Vase, por ejemplo, Candela, 1985 38,103,171; la tradicin, a,lo que parece, comienza en Santo Toms y Nicols
de Oresme el introductor en Occidente de las coordenadas cartesianas quienes ya denunciaban el carcter moral
y no racional del 'precio justo' La plata y el oro, en los cortos parntesis histricos en que, sensatamente, se pesaban
las monedas para valorarlas (con indiferencia de su valor facial), han podido alguna vez ser medidas racionales del
valor, pero no es ste el caso del precio basado en el concepto moderno del dinero, que resulta ser una magnitud
incalculable en sentido literal (ial es la opinin de Adam Smith, opinin silenciada a cal y canto por sus epgonos,
vase Galbiaith, 1987 36,80-84).
1.
estructura aceptable de coste mnimo. Las soluciones candidatas son las aceptables si el problema
de clculo tiene una solucin directa, o todas las posibles si lo nico sencillo ^s resolver el peritaje.
1.3
Mtodos de solucin
Los mtodos posibles para la solucin de los problemas anteriores caen dentro de tres amplias
categoras. De una parte, el mtodo de prueba y error propio de otras culturas o pocas, con
ciertas ventajas que he analizado en otro lugar (Vzquez, 1986 y 1987), no siendo la menor que
se resuelve el problema en la realidad, no mediando imagen alguna. El clculo algebraico, por su
parte, permite enfrentar manualmente gran variedad de tales problemas y con este mtodo se ha
conseguido al menos demostrar el carcter ptimo de famosas soluciones como la debida a Michell
(1904) de la que se hablar en extenso en el captulo 6. Por ltimo, el clculo numrico por
un programa de ordenador es utilizado con frecuencia creciente para la solucin de problemas de
anlisis y de diseo, y se investiga con profusin su utilizacin para la solucin de problemas de
optimacin, pero todava su uso prctico no es popular y queda limitado a problemas de enorme
coste. Obviamente, el mtodo investigado aqu se incluye dentro de esta ltima categora, no
teniendo nada que aportar a las dos anteriores.
La utilizacin de mtodos numricos en nuestra cultura crecer si se mantiene sin grandes
variaciones la idea dominante de que el precio es el coste fundamental: los problemas estructurales
se resuelven imaginando soluciones antes de construir ninguna debido a su coste, calculado segn
esa idea; esto hace inevitable tomar en consideracin igualmente el coste de obtener la solucin
imaginada; por tanto, en una cultura con costes crecientes de la mano de obra, se propicia un
creciente uso de mquinas, lo que exige la progresiva automatizacin de procesos. En definitiva,
el conjunto de razones que llev a preferir los mtodos algebraicos frente a la constante prueba y
error, convierte actualmente en preferibles los numricos realizados por mquinas de clculo. El
inters primero de esta tesis reside aqu ms que en cualquier otro lugar. No se trata pues de
desarrollar nuevas tcnicas algebraicas de optimacin, que puedan emplearse manualmente, sino
exclusivamente tcnicas numricas para programas de ordenador.'
Existen variadas compilaciones temticas de los mtodos numricos para la optimacin de estructuras (vase, por ejemplo, Atrek et ah, 1984; Navarrina, 1987; Hernndez, 1990), as como de
optimacin en general (Press et ah, 1988), y no es cosa de entrar en detalles aqu. Sin embargo,
merece la pena precisar algunos aspectos.
Se entender, en adelante, por optimacin el problema de encontrar el mnimo (o el mximo) de
una funcin, / ( x ) , real y escalar, en sentido numrico, sobre cuyas variables, x, no se impone
ninguna restriccin a priori. Resulta claro que un mximo de / es tambin un mnimo de /, de
manera que es legtimo hablar de optimacin en general y de minimacin en particular. La respuesta
al problema debe incluir, adems del valor ptimo de / , un 'valor' de x para el cual efectivamente /
es ptima. Se trata, por tanto, de obtener tanto el ptimo como dnde se encuentra. Habida cuenta
de que el valor ptimo podra encontrarse simultneamente en muchos sitios, basta con especificar
uno de ellos, sin que se pretenda la-lista de todos.
Mediante mtodos algebraicos, el problema anterior se sustituye por el de clculo de ptimos
locales, lugares en los que / es mejor que en cualquier otro sitio que est cerca del punto en
cuestin, de manera que el clculo diferencial es de mucha ayuda, a condicin de que la estructura
de x y de / permitan calcular diferencias o gradientes, en algn sentido que pueda precisarse
matemticamente. Cuando, a pesar de cumplirse las condiciones anteriores, la obtencin analtica
no es posible, se recurre a su aproximacin numrica. Pero, para el problema general definido ms
arriba (y descontando el caso de una sola variable, x = x),
"tcitamente no se sabe nada [... ] Hay dos mtodos heursticos estndar que usa todo el
mundo: (I) encuntrense ptimos locales empezando la exploracin desde muy diversos
lugares, y eljase despus el mejor de todos ellos (si es que no son todos iguales) o (II)
pe trbese un ptimo local saliendo de l a una distancia finita y vase si el algoiitmo
1.
alcanza otro lugar mejor, o 'siempre' regresa al mismo" (Press et ah, 1988:290; vase
tambin Hernndez, 1990:157-165).
'
En ambos casos, debido al uso de la nocin local del ptimo, se exige implcitamente alguna
definicin de 'distancia' entre dos valores de x.
El recocido simulado en tanto mtodo de optimacin puede enfrentar problemas de anlisis y
optimacin del coste, que se formulan de manera natural como problemas de minimacin. De la
descripcin informal dada al principio del captulo se sigue que en esencia consiste en un mtodo
de prueba y error al azar, pero con el 'sesgo' introducido por la paulatina y lenta disminucin de
la 'temperatura'. El azar permite al algoritmo explorar sin prejuicios todas las posibilidades que
ofrece / , mientras el 'sesgo' le fuerza a concluir en la regin donde probablemente / es mnima.
En consecuencia, el recocido simulado podra encuadrarse en el primer mtodo de los sealados,
aunque, como otros algoritmos, incluye una definicin de 'distancia' muy particular, intrnseca al
algoritmo y no a la funcin que se ptima (cf. 3.5).
Resumen
Las estructuras mecnicas son objetos que se construyen en la realidad pero que se proyectan sobre
el papel debido a su coste. Deben satisfacer un nmero importante de requisitos en funcin del uso
al que se destinan para que sean aceptables. Sobre el papel, el comportamiento de las estructuras
se predice mediante el anlisis; su aceptabilidad se comprueba mediante el peritaje; la 'teora de
diseo' persigue poder 'calcular' estructuras aceptables sin ms que saber el uso al que se destina;
finalmente el problema de optimar una estructura, es decir, el de calcular la 'mejor' estructura para
resolver un problema estructural dado, engloba todos los anteriores. Tanto el problema de anlisis
como el de optimacin pueden siempre describirse como problemas de minimacin, y los problemas
que se intentar resolver en los siguientes captulos pertenecern a una de estas dos categoras.
Mientras que la 'cualidad de 'mejor' se defina mediante el coste de la estructura, el 'coste'
del propio clculo de la estructura ptima debe ser incluido de modo ms o menos preciso en
la formulacin del problema. Coyunturalmente, esto ltimo acarrea la consecuencia de que sean
preferidos los mtodos numricos, ejecutados por mquinas automticas de clculo, lo que a su vez
exige la formalizacin matemtica de problemas que, en la prctica corriente, no siempre estn bien
definidos.
Sin embargo, para el problema de optimar una funcin matemtica no se conoce hoy por hoy
una solucin, aunque se cuenta con diversos procedimientos heursticos de mayor o menor xito
dependiendo del problema concreto que se intenta resolver. El recocido simulado es uno ms
de estos mtodos y consiste en una exploracin al azar de los valores de la funcin que se ptima,
exploracin sesgada mediante una 'temperatura' en lenta disminucin que, probablemente, conduce
el algoritmo hacia la regin donde la funcin es mnima.
Captulo 2
En nuestro entorno cultural, se proyectan estructuras en un mundo imaginado porque resulta 'costoso' construirlas en el real; se persigue automatizar el proyecto de estructuras porque el 'proyectista' es en general ms 'costoso' que una mquina (Candela, 1985:146); pero, cmo elegir entre
dos programas de ordenador que resuelven u a mismo problema con idntica solucin? Si se contina por el mismo camino, debe elegirse el de mnimo 'coste'. Se hace necesario por tanto definir
el coste de un programa tanto da que su definicin sea cultural o general para que el problema
inicial de optimar estructuras quede completamente definido.
Una definicin cultural y corriente del 'costo' del cmputo consiste en medir el tiempo que un
programa tarda en detenerse cuando se ejecuta en un ordenador determinado. Los primeros recocidos de cpulas que acabaron con 'xito', es decir, con una forma en apariencia ptima, tardaron en detenerse unos cuantos das, ejecutados por un procesador 80386SX a 16MHz. En consecuencia, desde el punto de vista enunciado, el algoritmo de recocido es lentsimo para los estndares
habituales. Prosegu la investigacin, sin embargo1*, amparado en el argumento de que tal medida '
del 'coste' es poco significativa. Este captulo se dedica a examinar siquiera sea superficialmente
por qu es as, con qu otras medidas del 'coste' del clculo se cuenta como alternativa, y en qu
medida la 'eficacia' de un algoritmo puede ser objeto de un anlisis formal1.
En la primera seccin, se definen, con alguna formalidad, los conceptos 'problema', 'algoritmo' y
'eficacia' del ltimo para resolver el primero. La definicin de eficacia parece indicar que, en contra
de lo dicho, la variable significativa es el tiempo en segundos que tarda en acabar un programa.
Pero, en la segunda seccin, un anlisis ms fino pondr de relieve que lo significativo es la forma
de la funcin que mide el tiempo, introducindose la distincin entre algoritmos 'polinmicos' y
'exponenciales'. Paralelamente, se distinguirn dos clases muy generales de problemas: los que son
fciles de resolver y aquellos otros muy difciles o intratables. Entre ambas clases existen numerosos
problemas de dificultad intermedia (denominados 'NP-completos' y estudiados por la 'teora de la
NP-complecin') en dnde se encuentran problemas muy relacionados con el de optimacin general
planteado en el captulo anterior. A esta nueva 'clase' se dedica la tercera seccin. En las dos
ltimas secciones se examina brevemente un problema clsico (el de resolucin de ecuaciones) y la
relacin entre la teora de estructuras y la teora de la NP-complecin.
La letra pequea abunda en la parte central del captulo y puede saltarse su lectura. Pretende
deshacer con algn rigor las ambigedades que hubiera podido producir el tono ms coloquial de
la letra grande.
2.1
Problemas y algoritmos
La nocin de problema ya fue explorada en el captulo anterior, pero se definir aqu con mayor
formalidad. Un problema se describe con: (1) una especificacin general de todos sus parmetros,
Casi todo el material que emplear aqu proviene de la obra Computers and Intractabihly
son, 1979) El lector interesado en ms detalles debe acudir all.
(Garey et John-
2.
y (2) una proposicin con las propiedades que la respuesta, o solucin, debe satisfacer. Se obtiene
un caso particular de un problema cuando se especifican los valores particulares de todos sus
parmetros genricos. A fin de concretar la definicin anterior, considrese un problema muy
general que adems puede definirse muy brevemente:
Dado un conjunto de N ciudades, encontrar el recorrido ms corto con el cual se visita
cada ciudad exactamente una vez (Grefenstette, 1987:43).
Se trata del 'popular' y clsico problema del viajante de comercio2. Los parmetros consisten
en un conjunto finito C = {ci,C2,... ,Cm} de ciudades y, para cada par de ciudades {ot^Cj} en
C, la distancia d(ci,Cj) entre ellas. Ntese que la nocin de distancia no presupone una mtrica
determinada (aunque aqu se supone que es simtrica, por simplicidad). Una solucin es un orden
c
(CTT(I)) CTT(2)> I ir(m)) de las ciudades tal que la siguiente cantidad es mnima:
( Yl
d C
( T(t)>C7r(t+l))j + d(c7r(m),C7r(1))
Esta expresin es la longitud del recorrido que empieza en la ciudad cî), contina por cada ciudad
en la secuencia y regresa a la primera ciudad cî) desde la ltima c.(m). Un caso del problema del
viajante de comercio, se ilustra en la figura 2.1.
Figura 2.1: Un caso del problema del viajante de comercio

El caso se define con C = {ci,02,03,04}, (01,02) = 10, (01,03) = 5, (01,04) = 9, (02,03) = 6,
(02,04) = 9, (03,04) = 3 El orden (ci,02,04,03) (indicado con trazo grueso) es la solucin del caso,
puesto que el recorrido correspondiente tiene la mnima longitud posible, 27 (Garey et Johnson, 1979:5)
Estas ciudades pueden imaginarse situadas en un plano euclidiano y la distancia entre ellas es entonces la
habitual entre puntos. Pero ntese que nada se dice acerca de la mtrica en la formulacin del problema,
as que podra imaginarse otra situacin distinta y el problema y el caso seguiran siendo los mismos.
Por simple conveniencia, la teora de la NP-complecin se aplica solamente a problemas de
decisin. Tales problemas admiten slo dos respuestas, o bien "s" o bien "no". En abstracto,
un problema de decisin consiste simplemente en un conjunt de casos P\\ y un subconjunto
Sn Q Pn de casos afirmativos. Casi todos los problemas de decisin tienen una gran cantidad de
estructura adicional. El formato estndar tiene la misma estructura ya enunciada pero, ahora, la
.proposicin consiste en una pregunta en los trminos del caso genrico, cuya respuesta slo puede
ser "s" o "no". Un caso C pertenece a Pn si, y slo si, puede obtenerse a partir del caso genrico
sustituyendo cada uno de los componentes por objetos concretos del tipo especificado, y un caso
pertenece a Su si, y slo si, la respuesta para la pregunta establecida es "s".
Aunque el problema del viajante de comercio es, esencialmente, un problema de optimacin,
puede transformarse sin dificultad en un problema de decisin. Una de las versiones posibles puede
describirse como:
Normalmente,los viajantes de comercio no suelen perder el tiempo en resolver este 'su' problema, que es comn
a muchas otras actividades, tales como la de imprimir circuitos (placas base) o dibujar planos mediante trazadores
de plumilla.
2.
10
V I A J A N T E D E COMERCIO (VC)
CASO: Un conjunto finito C = {ci, C2,... ,Cm} de "ciudades", una "distancia" d(c t , c-,) G
Z + para cada par de ciudades cuCj C, y una cota e Z + (donde Z+ representa a
los nmeros enteros positivos).
PREGUNTA: .Existe un recorrido de todas las ciudades de C que tenga una longitud
total no mayor que e, es decir, un orden (c.(i), cw(2), , Cir(m)) de C tal que
( Yl
d C
( T(t)>c*-(t+l)) j +d(c T ( m ) 1^(1)) <
e?
De igual modo, un problema de decisin relacionado con la resolucin de sistemas lineales de

ecuaciones puede describirse de manera similar.
SOLUCIN RACIONAL D E ECUACIONES LINEALES (SREL)
CASO: Matriz A d e n filas y n columnas de nmeros enteros, vector b de n nmeros
enteros,
PREGUNTA: Existe un vector x de n nmeros racionales tal que Ax = b?
Si los problemas de minimacin preguntan por soluciones de un cierto tipo que tenga el mnimo
'coste' entre todas las soluciones posibles, el problema de decisin asociado incluye un parmetro
adicional e y pregunta si existe una solucin del tipo requerido cuyo coste no sea mayor que e.
La resolucin de ecuaciones, por su parte, se convierte en un problema de decisin si slo se
pregunta por la existencia de la solucin (la resolucin de ecuaciones puede convertirse tambin en
un problema de optimacin, vase Press et ah, 1988:78).
La cuestin clave es que el problema de decisin no puede ser ms difcil que su correlato
'natural': si pudiera encontrarse con facilidad el recorrido de longitud mnima para un problema
de viajante de comercio, con idntica facilidad podra resolverse el problema de decisin asociado
(todo lo que se necesita es encontrar el recorrido de longitud mnima y comparar su longitud con e
para responder a continuacin "s" o-"no" segn convenga). Por otra parte, si puede demostrarse
que el problema V C es 'intratable' o 'muy difcil', se sabr que el problema de optimacin ser
como poco igual de difcil de resolver. Lo mismo cabe decir respecto a la resolucin de ecuaciones.
De este modo, aunque la teora de la NP-complecin restringe su atencin exclusivamente a los
problemas de decisin, sus implicaciones pueden extenderse a todos aquellos problemas que puedan
rescribirse en ese formato.
2.1.1
Algoritmos
Los algoritmos son, en general, procedimientos bien definidos paso a paso para resolver problemas.
En la prctica, se trata de programas de ordenador, escritos en algn lenguaje de programacin. Se
dice que un algoritmo resuelve un problema II si, y solo si, el algoritmo es aplicable a cualquier caso
C de II y se garantiza que siempre obtiene la solucin requerida para cada caso. En el problema
del viajante de comercio, un algoritmo que siempre encuentre el recorrido mnimo sea cual sea el
nmero de ciudades, la mtrica empleada para calcular distancias, etc. resuelve el problema. El
nico algoritmo conocido hasta la fecha con tal propiedad, la bsqueda exhaustiva, es tan simple
como el problema mismo: calclese la longitud de cada una de las permutaciones .circulares de
las m ciudades y eljase como solucin la de longitud mnima. Queda claro que el problema tiene
solucin y que, por tanto, puede resolverse. Como quiera que existen muchos problemas para los
que no se ha encontrado un algoritmo de resolucin, resulta necesario considerar algoritmos de
aproximacin, aqullos que suministran una solucin aunque no sea la equerida. As, cualquier
algoritmo que suministre un recorrido tal que cada ciudad se visita una vez es un algontmo de
apioximacin para el problema del viajante de comercio3.
No importa aqu la calidad de la solucin respecto a otras'conocidas Esta definicin parece muy amplia, pero es
nccesmia en una. teora general, liabida cuenta de que existen problemas en que es muy difcil encontrar una solucin
2.
2.1.2
11
Eficacia de los algoritmos para resolver p r o b l e m a s
Si se dispone de varios algoritmos para resolver un problema se pretende, en general, elegir el

algoritmo ms 'eficaz'. En sentido amplio, la nocin de eficacia implica a todos los recursos 'costosos'
que un ordenador necesita para ejecutar un programa. Sin embargo, por algoritmo 'ms eficaz' se
entiende normalmente el ms rpido 4 .
El tiempo requerido por un algoritmo.para resolver un problema se expresa convenientemente
en funcin de una variable simple, la longitud de datos l, de cada caso del problema, con la que se
intenta reflejar la cantidad de datos necesarios para describir ese caso. Muy a menudo la longitud
de un problema se mide de manera coloquial. Para el problema del viajante de comercio, por
ejemplo, se usa el nmero de ciudades. Sin embargo, un problema de m ciudades incluye adems
de los nombres de las mismas, una coleccin de nmeros que definen'las distancias; y el tamao
de dichos nmeros tambin contribuye a la cantidad total de datos. Si se desea medir el tiempo
requerido de una manera precisa y formal, es necesario definir la longitud l de cada caso de manera
que todos estos factores se tengan en cuenta.
Para llevar esto a cabo, obsrvese que la descripcin de un caso que se introduce en un programa
de ordenador puede verse como una ristra de smbolos elegidos entre los de un alfabeto finito.
Ciertamente pueden elegirse distintos alfabetos para cumplir esta funcin pero, por el momento,
pinsese que para cada problema se ha elegido un determinado esquema de codificacin que relaciona
cada caso con la ristra de smbolos que lo describe de un modo bien definido. Entonces, la longitud
de datos para el caso C del problema II se define como el nmero de smbolos necesarios para la
descripcin de C segn el esquema de codificacin de II. Por ejemplo, los casos del problema del
viajante de comercio pueden describirse utilizando el alfabeto c, [, ],0,1,2,3,4,5,6, 7 , 8 , 9 , / de tal
suerte que el ejemplo anterior se codificara como "c[l]c[2]c[3]c[4]//10/5/9//6/9//3". Entonces, la
longitud de-datos sera de 32. Ntese que deben incluirse en la contabilidad todos los objetos que
describen un caso 5 .
i
La funcin de tiempo, o complejidad temporal, de un algoritmo, C, expresa el tiempo requerido
para la solucin de un problema, asociando a cada posible longitud de datos /, la mayor cantidad
de tiempo, C(l), que el algoritmo necesita para resolver un caso del problema con ese tamao. Por
supuesto, esta funcin no est bien definida hasta que se fija el esquema de codificacin necesario
para determinar la longitud de datos para cada caso y el modelo concreto de ordenador utilizado.
2.2
Algoritmos polinmicos y problemas intratables-
Entre diferentes algoritmos se encontrar una amplia variedad de funciones de tiempo. La caracterizacin de cules son 'bastante eficaces' y cules 'demasiado ineficaces' depender siempre del
esquema de codificacin y de la mquina concreta. Sin embargo, en teora de computacin se
reconoce una simple distincin que arroja considerable luz sobre estas cuestiones. Se trata de la
distincin entre algoritmos con funcin polinmica de tiempo y algoritmos con funcin exponencial.
A fin de precisar esta nocin, es necesario definir un cierto orden en el espacio de funciones:
Dada una funcin / ( n ) , se dir que es 0(g(n))
abs {f(n)) < c abs (<?(n)) para todo n > 0.
si existe una constante c tal que
que cumpla con al menos una de las propiedades exigidas en la proposin del problema. Distintos algoritmos de
aproximacin pueden ordenarse por la 'calidad' de las soluciones que cada uno ofrece Como para el problema general -de optimacin no existe un algoritmo de resolucin y todos los mtodos empleados son de aproximacin (cf 1 3),
este aspecto de la teora es de inters aqu Desafortunadamente, su estudio en profundidad nos llevara muy lejos
del argumento central, vase Garey et Johnson, 1979 123-148
'
4
Pero no resulta obvio que esta cualidad sea siempre la significativa algunos problemas son intratables porque
requieren mucho 'espacio' durante tiempos minsculos La teora de la NP-complecin que mostrar aqu es una
versin restringida que intenta tan slo capturar la eficacia en trminos de tiempo, aunque se puede generalizar para
incluir el 'espacio', vase Garey et Johnson, 1979 170 y ss
Esto no es habitual en programas de oidenador, en los que convenios escritos en los manuales (y a \eces no
escritos) permiten descripciones mucho ms concisas, csultando algunas aparentes paradojas, vase el anejo C
2.
12
Un algoritmo es pohnmico respecto al tiempo si su complejidad temporal, C, es
p a r a algn polinomio p de la longitud de datos / del problema.
0(p(l))
Cualquier algoritmo para el que no exista ningn polinomio p(l) tal que su funcin de
tiempo sea de orden (p(l)) es un algoritmo
exponencial6.
T a b l a 2 . 1 : L o n g i t u d d e d a t o s del m a y o r c a s o 'resoluble' s e g n el o r d e n a d o r e m p l e a d o
Para un problema de longitud l, se muestra el crecimiento de la mxima longitud resoluble, para un tiempo
de clculo dado, segn aumenta la velocidad v del ordenador utilizado, para cinco algoritmos con distinta
complejidad temporal, C. Actualmente, la velocidad de los ordenadores 'personales' se decuplica o ms
cada dcada La 'mejora' del ordenador puede ser futura o presente, gracias al uso de supercomputadoreS\
para problemas verdaderamente 'complejos', lo que permite hoy por hoy multiplicar la velocidad por
100 000, sustituyendo un ordenador 'personal' por el mejor supercomputador en funcionamiento
(tabla elaborada a partir de Peled, 1987, Garey et Johnson, 1979.8)
Mximo valor de l abordable con un ordenador de velocidad v
10
V oc 1
100
1000
lOOJVx
lOOOiVi
C = l Nv
10Ni
2
l
3,16N2
10iV2
N2
31,67V2
4,64iV 3
10JV3
N3
2,15iV3
2,5iV
i5
N4
3,98iV
l,58iV4
4
4
iV5 + 3,32
N5 + 6,64
N5 + 9,97
2'
N5
E s t a distincin entre tiempo polinmico y exponencial es particularmente significativa cuando se

considera la solucin de casos de gran tamao, vase la tabla 2.1. Obsrvese que con un algoritmo
0(2l),
un ordenador mil veces ms rpido slo aade diez a la longitud del caso ms grande
que'puede resolverse en un tiempo dado. Si el caso de partida es de longitud cien, esto significa
apenas un diez por ciento de incremento, a pesar del fantstico incremento de velocidad (100.000%).
Tambin puede enfatizarse el asunto considerando el tiempo que se t a r d a r en resolver un problema
segn aumenta la longitud del caso abordado, vase la tabla 2.2. Como se aprecia, los algoritmos
exponenciales parecen tener un 'umbral' en su funcionamiento referido a la longitud / del caso
abordado: si no se traspasa son rapidsimos, pero en caso contrario son intolerablemente lentos.
Por su parte, los polinmicos gozan de 'estabilidad', no suelen ser muchsimo ms lentos cuando la
longitud aumenta (ni muchsimo ms rpidos cuando disminuye).
T a b l a 2.2: T i e m p o n e c e s a r i o para resolver casos del v i a j a n t e d e c o m e r c i o

Los clculos se efectuaron bajo una hiptesis muy optimista, a saber, que la longitud de cada recorrido
puede calcularse en una billonsima de segundo (lo que exige un superordenador capaz de efectuar unos diez
billones de operaciones de coma flotante por segundo). El algoritmo es el nico que se conoce para resolver
el problema, la bsqueda exhaustiva. Si la longitud de cada caso se mide aproximadamente por el nmero
de ciudades, l = m, la complejidad temporal del algoritmo es C = (m l)!/2, es decir, C(exp(ZlogZ))
Nmero de ciudades
10
15
20
25
Tiempo necesario para resolver el caso

0,2 millonsimas de segundo
4 centsimas de segundo
17 horas
100 siglos
La distincin entre -'polinmico' y 'exponencial' es por ello la cential en la nocin de mtratabihdad. A los algoritmos polinmicos se les considera 'buenos' mientras que a la vez se sospecha
que algunos problemas clsicos no "podrn ser nunca resueltos por tales 'buenos' algoiitmos (tal es
Ntese que estas definiciones califican como exponenciales algoritmos de complejidad intermedia, como aqullos
que son 0(1 g ), que no son polinmicos pero con mucha frecuencia tampoco se considcian exponenciales en sentido
estricto En el otro extremo, la teora califica como polinmicos a los algoritmos de complejidad logartmica, C(log l),
aunque es obvio que resultarn ms eficaces (y en consecuencia preferibles) que los estnetamente polinmicos
2.
13
el caso del problema del viajante de comercio, pues no se ha conseguido encontrar un algoritmo
polinmico de resolucin pero tampoco demostrar que tal cosa sea imposible). Por el contrario
nunca se considera bueno a un algoritmo -exponencial y, en general, as ocurre: habitualmente'
se trata de meras variaciones de una bsqueda exhaustiva de soluciones, all donde un algoritmo
polinmico representara haber conseguido cierta comprensin profunda de la estructura del problema. De hecho, hay un acuerdo general en que un problema no est 'bien' resuelto hasta que no
se encuentra un algoritmo polinmico para l. As pues en general se dir que:
Un problema es intratable si se puede demostrar que ningn algoritmo polinmico puede
resolverlo.
Conviene resaltar que la nocin de intratabilidad es difcil de precisar totalmente: existen algunos algoritmos exponenciales que son extremadamente tiles en la prctica. La definicin de
la funcin de tiempo dada ms arriba es una medida del peor de los casos, y que un algoritmo
sea exponencial significa tan slo que existe al menos un caso del problema para cuya solucin
el algoritmo necesita tal cantidad de tiempo. Pero muchos de los casos prcticos pueden requerir
cantidades de tiempo pequesimas. Por ejemplo, el simplex para problemas de programacin lineal
es un algoritmo exponencial, con una impresionante marca de rapidez en la prctica. Sin embargo,
ello no ha sido bice para que la bsqueda de un algoritmo polinmico continuara intensamente
hasta que se formul en 1979 el mtodo de los elipsoides que es polinmico y, como media, ms lento
que el simplex7. Al otro lado, un algoritmo polinmico no siempre es muy til en la prctica si es
del orden de polinomios como 10 99 / 2 o Z100 (vase, en la tabla 2.1, el comportamiento de algoritmos
0(l5), por ejemplo).
Frente a la intratabilidad, la existencia de un algoritmo polinmico califica al problema en
cuestin como tratable, fcil o 'bien' resuelto; y al conjunto de tales problemas se les denomina
clase P, siendo los ms 'fciles' de todos. A la clase P pertenece, por ejemplo, el problema SREL
de ecuaciones lineales8.
2.2.1
E s q u e m a s de codificacin y mquinas de clculo
La definicin dada de intratabilidad proporciona una esquema terico de considerable generalidad y

potencia. En particular es bastante independiente de los esquemas de codificacin y de los modelos
de ordenador empleados para determinar la funcin de tiempo.
Si el lector considera distintos esquemas de codificacin que haya manejado, en seguida descubrir que para codificar un caso de un problema, podr predecir cules son el mnimo y mximo
nmero de smbolos necesarios para representarlo1 en cada esquema. Y comparando distintos esquemas 'razonables' para un mismo problema ver que tales lmites difieren como mucho pohnmicamente. Por tanto, cualquier algoritmo polinmico para un esquema seguir siendo polinmico
para otro 9 . Desafortunadamente, esta nocin de 'razonabilidad' no ha sido todava totalmente
formalizada (Garey et Johnson, 1979:9).
Comentarios similares pueden hacerse en lo concerniente a la eleccin de ordenador: los modelos
de ordenadores estudiados o fabricados hasta ahora (tales como mquinas de Turing de una o varias
pistas, mquinas de acceso aleatorio, redes neuronales, incluso la 'mquina de conexin", vase
Hillis, 1987), son equivalentes en cuanto a que las funciones de tiempo obtenidas para un mismo
algoritmo difieren a lo ms en polinomios. Cabe esperar que cualquier otro modelo 'razonable'
comparta esta equivalencia. El concepto de 'razonable' intenta capturar el hecho de que existe un
lmite polinmico a la cantidad de trabajo til que puede realizarse en una simple unidad de tiempo.
Por supuesto, un modelo de mquina que pudiera realizar una arbitraria cantidad de operaciones en
7
cf Bland, 1981, posteriormente se formul el mtodo de los puntos interiores en 1984, cf Garey el Johnson, 1979 339, sin embargo, consltense las dificultades del simplex en problemas de optimacin de estiucturas
en Hernndez, 1990 97 y ss
Aunque su implantacin en un programa de ordenador est plagada de trucos y sortilegios
9
Adems, quiz le resulte difcil imaginar algn esquema 'razonable' que dificia ms que polinimcamonte de los
habituales pruebe con "cada nmero entero n ser representando en base 1, es decir con una nstra de n ceros"
2.
"
14
un tiempo dado no resulta 'razonable'; de hecho no existe ni se planea construir una mquina con
tal capacidad. E n consecuencia, mientras que el modelo sea 'razonable', la clase de los problemas
intratables (o la clase P de los fciles) quedar inalterada por un cambio en el modelo de mquina,
y la teora puede formularse, en un plano formal y por conveniencia, para un modelo particular
la mquina de Turing, sin sacrificar la aplicabilidad de sus resultados.
Sin embargo, resulta habitual y prctico operar con una teora informal, en la que se prescinde
tanto de un esquema de codificacin como de una mquina determinada. Operando as, se pierde
el contacto con la nocin precisa de longitud de datos, l. Puesto que resulta imprescindible un
parmetro en trminos del cual definir la complejidad temporal C, se conviene en asociar a cada
problema de decisin II un tamao l: PR + Z+, que es independiente del esquema de codificacin
elegido y que est 'polinnucamente relacionado' con la longitud de datos que se obtendra con
cualquier esquema de codificacin razonable. Por 'polinmicamente relacionado' quiere decirse
que:
P a r a cualquier esquema razonable e para el problema II, existen dos polinomios p y
p ' 'tales que si C E Pn y x es una codificacin de C bajo e, entonces i[C] < p{\x\) y.
'\x\ < p'([C]), donde | x | denota la longitud de la ristra de smbolos x.
En el problema de decisin V C podra definirse, por ejemplo:
l[C] = m + ["logB] + m a x f l l o g d ( c , c 3 ) \ : c^,^
C)
Anlogamente, en el problema de decisin^SREL, una posible definicin es:

[C] = n + max{ [log e] : 'e A e G B }
Si dos esquemas razonables para un problema II conducen a longitudes de datos polinmicamente relacionadas, una gran variedad de funciones i son posibles para II, y todos los resultados
de la teora son deducidos para cualquiera de tales funciones. La utilidad de esta teora informal,
independiente de la codificacin, depende, por supuesto, de que exista un cierto acuerdo acerca de
lo que constituye un esquema razonable, tal y como se indic. La teora formal por su parte recurre
a un esquema de codificacin estndar (op. cit. p. 21 y ss.), y a definir 'esquema razonable' como
cualquier otro para el cual exista un algoritmo polinmico capaz de traducir una ristra del esquema
al estndar.
D e c i s i o n e s , l e n g u a j e s y e s q u e m a s d e codificacin
La razn para restringirse a problemas de decisin reside en la estrecha correspondencia entre ellos y los'
lenguajes finitos, objetos qu pueden estudiarse matemticamente de un modo preciso.
Para cualquier conjunto finito de smbolos , se denotar por * el conjunto de todas las ristras finitas
de smbolos de .. Por ejemplo, si = {0,1}, entonces * estar formado por la ristra vaca "e", las ristras
0, 1, 00, 01, y todas las dems ristras finitas de ceros y unos. Si L es un subconjunto de *, se dir que L
es un lenguaje sobre el alfabeto E (v. Chomsky et Miller, 1958:91-94).
La correspondencia entre problemas de decisin y lenguajes se establece a travs de los esquemas de
codificacin que se usan para especificar casos de problemas de tal manera que pueda calcularse la solucin
mediante un programa de ordenador. Recurdese, que un esquema e para un problema II proporciona la
manera de describir cada caso de II por un ristra apropiada de smbolos de algn alfabeto E previamente
convenido. De hecho, el problema II y el esquema e para II dividen a E* en tres clases de ristras: aqullas
que no codifican casos de II, aqullas que codifican casos de II para los cuales la respuesta es "no" y, por
ltimo, aqullas otras que codifican casos para los que la respuesta es "s". Las tres clases son lenguajes
sobre el alfabeto, pero el que corresponde a la tercera clase, es el lenguaje que se asocia con II y e:
L[II, e] = {x E* : E es el alfabeto usado por e, y x es la codificacin bajo e de un caso C s Sn}
La teora formal se aplica a problemas de decisin diciendo que, si un resultado de la teora se da para
el lenguaje L[, e], entonces se da para el problema II bajo el esquema e.
En paralelo a la teora formal se construye otra informal (usada con ms fiecuencia), debido al hecho de
que los resultados de la teora son generalmente independientes de los esquemas de codificacin, si la eleccin
de stos se restringe a esquemas 'razonables'. Es decir, si e y e''Son cualesquiea dos esquemas 'razonables'
para II, entonces una cierta piopiedad se da para L[U, e] y L[H, e'] simultneamente, o no se da para ninguno
de ellos. Esto permite decir infoimalmente que la propiedad se da (o no) para II, sin,cspecificar en ealidad
ningn esquema.
2.
15
M q u i n a s d e t e r m i n i s t a s y la clase P
Para formalizar la nocin de algoritmo, se necesita referirse a un particular modelo de computacin, a una
mquina particular. La teora formal recurre a la mquina de Tunng determinista de una pista, MTD. No
es necesario entrar en detalles aqu (vase Hopcroft et Ullman, 1967), baste decir que en una mquina de
Turing de una pista los clculos se realizan paso a paso guiados por un programa M, de tal modo que un
paso de clculo puede definirse de forma muy precisa matemticamente, y de este modo la teora formal
puede avanzar sin ambigedad. Adems, una mquina de Turing puede hacer todo lo que un computador
con memoria de acceso aleatorio puede llegar a hacer, pero ms lentamente. En particular si un algoritmo
tiene .una funcin de tiempo C = 0(n) en un ordenador corriente, ser como mucho C = 0(n3) en una
mquina de Turing (Garey et Johnson, 1979:11).
En esta exposicin informal nos referiremos simplemente a una mquina determinista definida, de un
modo laxo, como cualquier programa de ordenador que tras leer una ristra de datos, realiza cmputos paso a
paso de forma previamente determinada, cambiando de estado en cada paso, y parando el computo si se llega
a un estado "s" o a un estado "no". Ntese que digo "una mquina es un programa" y no "una mquina
es el ordenador que ejecuta unprograma", definicin muy diferente (cf. Olmedo et Vzquez, 1990125). El
adjetivo 'determinista' ehfatiza el hecho de que la cantidad de clculos que pueden realizar los ordenadores
conocidos en una unidad de tiempo estn relacionadas polinmicamente y no es arbitrariamente" grande, sino
que por el contrario esta bien determinada por la arquitectura del modelo.
En general, una mquina determinista M cuyo alfabeto de entrada es S, acepta x 6 S* si, y slo si, M
para en el estado "s" despus de leer x. El lenguaje LM reconocido por M se define como:
>
LM {x S* : M acepta x}
Obsrvese que esta definicin de reconocimiento de lenguajes no exige que M pare en algn estado para
todas las ristras de *, slo para aquellas en LM- Si x pertenece a E* - LM, entonces los'clculos de M
sobre x pueden acabar en el estado "no" o pueden continuar indefinidamente. Sin embargo, para que una
mquina determinista corresponda a la nocin de algoritmo, tiene que parar para todas las posibles ristras
de entrada sobre su alfabeto.
La correspondencia entre reconocer un lenguaje y resolver un problema de -decisin es sencilla: una
mquina M resuelve un problema de decisin II, bajo el esquema de codificacin e, si M se detiene para
todas las ristras de entrada de su alfabeto y LM = L[U,\.
Ahora es posible una definicin formal de la complejidad temporal. El 'tiempo' utilizado por un programa
M aplicado a una entrada x es el nmero de pasos de clculo utilizados en la mquina de Turing de una
pista. Para un programa M que se detiene para todas las entradas i S", su complejidad temporal es una
funcin CM ' Z+ * Z+ que est dada por:
,,,
'
m:
|^
existe una entrada x 6-S* tal que \x\ = l y que los clculos de M llevan m
pasos en una maquina de Turing
Un programa semejante es, adems, polinmico si existe un polinomio p tal que para todo l e Z+, CM <
p(l). Ahora, se tiene todo lo necesario para definir formalmente la clase P de lenguajes (correspondiente a
problemas polinmicos, aqullos que pueden ser resueltos eficazmente):
P = {L : existe un programa polinmico M para el cual LM = L)
Puede decirse que un problema de decisin IT pertenece a P bajo el esquema de codificacin e si L[H, e) P.
De un modo informal y a la vista de la relacin polinmica entre esquemas y modelos de ordenador, puede
eliminarse la mencin de un esquema de codificacin particular y de la mquina de Turing concreta, y decir
que II pertenece a P si existe un algoritmo A cuyo nmero abstracto de operaciones C es polinmico en l,
pero sin olvidar que, aunque informal, el clculo de debe contabilizar todos los componentes de II, segn
se indic.
2.3
Problemas probablemente intratables
Una vez explorada la nocin de intratabilidad y la clase P de problemas fciles, resultara til
examinar brevemente la cuestin de la existencia de problemas verdaderamente intratables. Hay
dos muy diferentes causas de intratabilidad. La primera, la usual, es que el problema es tan difcil
que se necesita una cantidad de tiempo exponencial en el t a m a o del caso, l, para descubrir la
solucin. La segunda es que la solucin es, en s misma, tan extensa que no puede ser descrita con
una expresin cuya longitud est acotada por. un polinomio de i. Esta segunda causa se encuentra,
por ejemplo, en una variante del problema del viajante de comercio que incluye un parmetro
e y cinc pregunta por todos los recorridos cuya longitud sea menor o igual que e. Resulta fcil
2.
16
definir casos de tal problema en los cuales hay un nmero de recorridos exponencial en l con menor
longitud que el lmite dado, de suerte que ningn algoritmo polinmico puede siquiera enumerarlos.
Este tipo de intratabilidad es poco significativa pues es signo de que el problema no est planteado
de forma realista: se pregunta por ms informacin que la que se podra llegar a usar en un tiempo
polinmicamente acotado por aqul que se dedic a formular el problema mismo. Desde un punto
de vista prctico, esto implica la imposibilidad de una supervisin eficaz de la solucin obtenida 10 .
De acuerdo con ello, la teora trata de aquellos problemas cuya solucin tiene una longitud acotada
por algn polinomio de l.
Los primeros resultados acerca de la intratabilidad son los clsicos acerca de irresolubihdad
obtenidos por Alan Turing hacia 1936: demostr que algunos problemas son irresolubles en el
sentido de que son tan difciles que ningn algoritmo puede resolverlos11. La irresolubilidad implica
que ningn algoritmo puede resolver el problema, mucho menos un algoritmo polinmico. Por tanto,
tales problemas son tambin intratables.
A partir de los aos setenta comenzaron a aparecer algunos problemas resolubles pero intratables, entre los que se incluyen diversos problemas clsicos de la teora de autmatas, teora del
lenguaje formal y de lgica matemtica. Las demostraciones prueban que esos problemas no pueden
ser resueltos en tiempo polinmico usando incluso mquinas 'adivinadoras', artefactos de la teora
que tienen la habilidad de realizar un ilimitado nmero de secuencias de operaciones en paralelo
durante una parte del proceso de solucin. Todos los problemas intratables conocidos hasta la fecha
son o bien irresolubles o bien intratables incluso usando estas mquinas.
Sin embargo, el grueso de los problemas prcticos que merecen la atencin de los investigadores
y que son aparentemente intratables (pues nadie ha conseguido encontrar un algoritmo polinmico
de resolucin, pero tampoco ha conseguido demostrar que efectivamente sean intratables), son
resqlubles y pueden ser resueltos en tiempo polinmico con la inestimable ayuda de una hipottica
mquina adivinadora. Ninguna de las tcnicas de demostracin desarrolladas hasta la fecha es
suficientemente potente como para verificar la aparente intratabilidad de estos problemas (o lo
contrario). A esta clase de problemas probablemente intratables pertenece el proble de decisin
V C , para el que, de hecho, no se conoce algoritmo polinmico, a pesar de intensos esfuerzos de
conocidos y persistentes investigadores. Sin embargo, este 'fracaso' no demuestra que tal algoritmo
no exista, de ah que tenga sentido agrupar tales problemas en una 'clase' distinta a las anteriores.
El panorama sugiere que los problemas pueden 'clasificarse' a la vista de su dificultad, por medio
de las 'facultades' que deben poseer las mquinas de clculo abstractas capaces de resolverlos. As,
entre los problemas resolubles, los ms fciles, los de la clase P, son los polinmicos o tratables que
pueden en general ser resueltos incluso mediante ordenadores 'mecnicos' o analgicos (tal es el
caso de la ordenacin de cantidades o el de encontrar la ruta de distancia mnima o mxima entre
dos ciudades en un mapa de carreteras). A estos les siguen los problemas probablemente intratables
que pueden resolverse ploinmicamente con mquinas de clculo adivinadoras. A continuacin se
tienen aquellos problemas estrictamente intratables, cuya resolucin no slo exigira tales mquinas,
tambin una cantidad 'exponencial' de tiempo. Finalmente se sitan los irresolubles, de los que se
ha demostrado que ningn algoritmo podr resolverlos12.
Mientras que los tericos continan buscando mtodos para probar directamente la intratabilidad de problemas, paralelos esfuerzos ponen la atencin en relacionar unos problemas con otros.
La 'clasificacin' anterior sugiere que quiz el conjunto de todos los problemas puede dividirse en
10
Esta observacin es importante como se ver, algunos programas de anlisis estructural, incluido alguno de los
manejados en esta investigacin, se formulan en ocasiones de este modo poco realista.
1 n
Esta es desde luego una condicin ms fuerte que la intratabilidad Demostr, por ejemplo, que dado un programa
aibitrano de ordenador y una entrada arbitraria para ese programa, no puede especificarse ntngn algoritmo que
pueda decidir si el programa parar o no cuando se aplique a dicha entrada Con posterioridad, otros problemas han
engrosado la lista de los irresolubles, como la resolucin de polinomios de enteros, vase, por ejemplo, Jeroslow, 1973
12
Algunas situaciones analizadas con detalle por Boltzmann (1905), con objetivos anlogos a los tratados aqu,
sugieren una conjetura algo atrevida si los problemas que se plantean respresentaran situaciones reales perteneceran
siempre a la clase P, pues siempre podra recumrse a realizar el 'experimento' que sera entonces un oidenador
analgico respecto al clculo Aunque, como l mismo seala, nuestra percepcin de la realidad esta mediada siempre
por imgenes y qui/ las dificultades que encontramos en resolver los problemas estn provocadas por la inevitable
distorsin de nuestra 'visin'.
2.
17
clases de equivalencia. Si puede atribuirse a cada una de las clases resultantes una 'caracterstica'
sencilla de descubrir, la 'dificultad' de resolver un problema podra enjuiciarse justamente desde que
el problema se plantea. De este modo, si puede reconocerse desde un principio que un problema es,
por ejemplo, intratable lo sensato ser dirigir la investigacin en busca de un algoritmo polinmico
de aproximacin, dado que se sabr por anticipado la imposibilidad de encontrar un algoritmo
polinmico de resolucin. La teora de la NP-complecin se centra en el objetivo de reconocer y
caracterizar la clase de los problemas probablemente intratables, a la que pertenece el problema del
viajante de comercio.
2.3.1
M q u i n a s adivinadoras y la clase N P
Considrese el problema del viajante de comercio como problema de decisin, V C . No se conoce

ningn algoritmo polinmico que pueda resolverlo. Sin embargo, supngase que alguien, frente a
un particular caso del problema, exclame: "la1 respuesta en este caso es s". Si somos escpticos,
podemos demandar al personaje en cuestin que pruebe su afirmacin, mostrndonos un recorrido
que efectivamente tenga una longitud menor que e. No tendremos ningn problema en verificar
la verdad o falsedad de la afirmacin, bastando medir el recorrido de la solucin que nos muestre.
Ms concretamente nuestro procedimiento de verificacin puede ser descrito con un algoritmo "(el
expresado en la propia definicin del problema), que como es fcil ver es adems polinmico. Si la
verificacin es positiva entonces puede decirse que, en la prctica, el 'adivino' junto con nosotros
(los verificadores) podemos 'resolver' el problema en tiempo polinmico.
Esta nocin de verificabihdad polinmica es la que se pretende recoger en la clase NP. Podemos
definir un algoritmo verificador para un problema II como aqul capaz de evaluar una solucin.
Adems el verificador ser polinmico si para cada caso afirmativo del problema C 6 Sn, existe
una solucin (que alguien adivinar) que puede ser verificada en un tiempo C polinmicamente
acotado por el tamao del caso, t. Desde luego esta definicin (y por supuesto la formal), impone
la condicin de que el tamao de la solucin est acotado polinmicamente en , puesto que el
verificador slo puede gastar una cantidad polinmica de tiempo en analizarla 14 . La clase NP est
formada por todos los problemas para los que existe un verificador polinmico. Esto no implica que
el problema pueda ser resuelto en tiempo polinmico por un programa: alguien tiene todava que
encontrar la, solucin, y por tanto no se sabe si un problema en NP pertenece o no a P. Pero todos
los problemas en P pertenecen a NP, puesto que pudiendo obtenerse la respuesta polinmicamente,
el verificador de la solucin resulta enteramente superfluo.
2.3.2
La relacin entre P y N P
Cuando un problema II del tipo "dado C, es X cierto para C?" pertenece a P, tambin pertenece
a P el problema complementario, "dado C, es X falso para C?". Ello es debido a que basta con
intercambiar los estados "s" y "no" en el algoritmo que resuelve II (o en el programa), para obtener
un algoritmo igualmente polinmico para el nuevo problema. Esto no es cierto, en general, para un
problema en NP. Considrese el complemento de VC: "es cierto que no existe recorrido menor que
e?". Si para un caso particular, alguien con autoridad exclama "s" frente a esta pregunta, es decir
que "no" existe circuito menor que e, podemos creerle o no, pero no podemos verificar polinmicamente si est en lo cierto, debido al hecho de que, ahora, no podemos exigir al adivino que nos
muestre una solucin. La nica posibilidad consiste, una vez ms, en explorar todos los recorridos, una cantidad exponencial, de manera que no parece existir un verificador polinmico para el
\
Conviene precisar que NP denota Nondetermmistic Pohnomial que no puede traducirse como no polinmico, tal
y como se ve en ocasiones (Alvarez, 1993) Mejor notacin coloquial hubiera sido VP que expresa directamente que
las soluciones del problema son polinmicamente venficables, pero la notacin est ya muy afianzada De hecho como
se ver, los problemas NP no se sabe si son o no 'polmmicos'.
La teora formal define un algoritmo adivinador de un modo ms preciso, en correspondencia con mquinas de
Turing igualmente adivinadoras Ambos realizan todo el trabajo adivinan la solucin correcta, la verifican y se
paran en un estado "no" o "s" segn convenga, adems se les concede la gracia de poder adivinar en un slo paso
de clculo Para lo que aqu nteiesa no se precisan los detalles
1
2.
18
problema complementario (del mismo modo que no se encuentra un algoritmo polinmico para el
problema original), y en consecuencia no parece fcil demostrar que el problema complementario
pertenece a la clase NP.
Como se ha visto P C NP. Hay buenas razones para pensar que esta inclusin es propia, es decir,
que P no es igual a NP. Una adivinanza ms la simple verificacin de la solucin, de ser factible,
parece un mtodo de clculo ms poderoso que un algoritmo convencional, y no se conocen mtodos
generales para transformar el primero al ltimo. Esto es muy evidente en optimacin de estructuras,
en particular, donde la caracterizacin de soluciones ptimas no siempre puede aprovecharse para
construir un algoritmo para encontrarlas, mucho menos un algoritmo polinmico15.
Bsqueda exhaustiva universal
De todas formas, la pertenencia a la clase NP asegura un lmite superior a la mxima cantidad de
tiempo necesaria para resolver el problema, segn el siguiente teorema:
Si II NP, entonces existe un polinomio p tal que II puede ser resuelto por un algoritmo
con complejidad C = C ( 2 P ^ ) .
Aunque la demostracin formal est fuera del alcance de estas pginas (cf. Garey et Johnson, 1979.
32-33), puede construirse una 'demostracin' coloquial y de hecho especificar de un modo general
el algoritmo en cuestin, para los casos habituales. Puesto que II <E NP, la solucin del problema
est acotada por su tamao, i, y con bastante generalidad puede describirse como una ristra de
ceros y unos de longitud q(), para algn polinomio q apropiado al problema en cuestin. Existen
como mucho 2q^ ristras de esta longitud. Por otra parte, puesto que II NP existe un verificador
con una funcin de tiempo polinmica r(). Aplicando el verificador exhaustivamente sobre todas
y cada una de las ristras, se deduce si existe o no una solucin con los requisitos del problema,
y en consecuencia puede responderse "s" o "no". El algoritmo resultante tiene una funcin de
tiempo acotada esencialmente por r{t) 2qW (la formacin de las ristras no implica una acotacin
superior), de manera que, aunque resulta exponencial, su complejidad temporal es 0(2P^) para
un polinomio p apropiadamente elegido. La bsqueda exhaustiva16 acota superiormente el tiempo
s
que un 'buen' algoritmo debiera tardar en resolver un problema NP.
2.3.3
Transformacin polinmica
Debido al 'fracaso' en encontrar algoritmos polinmicos para aquellos problemas para los que tampoco se ha conseguido demostrar que sean intratables, la creencia ms extendida es que la clase P es *
distinta que la clase NP (P 7^ NP, tal y como figura en la literatura), aunque ninguna demostracin
formal de esta conjetura se divisa en el horizonte. Si P difiere de NP, entonces la distincin entre
P y NP P es significativa. Si la conjetura P ^ NP es verdadera, entonces todos los problemas
en NP P son intratables. Por esta razn, la teora de la NP-complecin pone su atencin, no
en demostrar directamente la intratabilidad de un problema, sino en el resultado ms dbil de la
forma "si P ^ NP es verdadera, entonces IlGNP P", que implica una intratabilidad condicionada
a que la conjetura sea cierta.
Si un problema pertenece a NP P lo mejor es, probablemente, abandonar la bsqueda
de un algoritmo de resolucin y centrarse en los de aproximacin, de acuerdo a la
conjetura ms aceptada. Tal el caso del problema del viajante de comercio.
La idea clave para demostrar la intratabilidad condicionada es la transformacin polinmica de un
problema en otro. Se trata d una transformacin que:
Pero s para construir algontmos de aproximacin el caso de las estructuras de Michell ser examinado con
algn detalle en el captulo 6, mientras que el mtodo de 'criterios de optimidad' lo ser en el capitulo 7
Por supuesto, el algoritmo resultante puede ser acelerado mediante tcnicas bien conocidas (bianch-and-bound,
backlrack search, enumeracin cuidadosa de soluciones que elimine aquellas ristras n relevantes, etc) Pero en cualquier
caso, tras dcadas de investigacin, no se conoce manera de conseguir que este algoritmo taide menos que un tiempo
exponencial en
2.
19
1. para cada caso genrico C\ de un problema 111 permite obtener un caso Ci del problema II2,
en tiempo acotado polinmicamente en \,
2. asegura que C\ S\[x si, y slo si, C- 5 n 2 , es decir, que un caso afirmativo del primer
problema siempre se transforma en un caso afirmativo del segundo.
En esencia, se t r a t a de una transformacin polinmica que deja invariante la respuesta en los casos
afirmativos. Si existe tal transformacin polinmica, entonces IIi es transformable polinmicamente
en II2, lo que se escribe II1 oc II2. La importancia de la transformacin polinmica deriva del
siguiente lema:
Si n 1 o c n 2 y n 2 e P entonces I I G P .
Aunque la demostracin formal slo puede hacerse mediante lenguajes, es fcil ver que el algoritmo
polinmico que resuelve II2 junto al algoritmo polinmico de transformacin de 111 en II2, es un
algoritmo polinmico para II1, puesto que siendo el problema de decisin, la respuesta del algoritmo
conjunto ser "si" o "no", segn convenga 1 7 . Con anlogo argumento, puede mostrarse que:
Si IIi o d I 2 y ITi P entonces 2 P .
Este lema es menos til, puesto que hasta la fecha nadie ha podido mostrar un problema I I N P
que adems cumpla que II P . En todo caso, ambos lemas permiten interpretar la relacin IIi a 2
como "II2 es al menos tan difcil como I I i " , puesto que IIi 0CII2 implica que si II2 puede resolverse
polinmicamente tambin lo ser IIi; y a la inversa, si se demuestra que i es intratable, tambin
lo ser II2.
La relacin oc es transitiva (para problemas de decisin), pero no necesariamente simtrica. E n
consecuencia, los problemas IIi y II2 sern polinmicamente equivalentes, (IIi = II2), si T I i o c I ^
y II2 oc TIi. La transitividad de oc permite mostrar que esta relacin define un orden parcial entre
las clases de equivalencia de = . De hecho, la clase P es la 'menor' clase de equivalencia bajo este
orden parcial y puede ser considerada como la clase de los problemas de decisin ms fciles de
resolver. La 'mayor' de las clases de equivalencia en el conjunto N P , por el contrario, contendr los
problemas ms difciles de resolver (entre los verificables) y se denomina clase NP-completa. Un
problema II es NP-completo si:
1. I l e N P , y
2. para todo otro problema I I ' G N P , puede demostrarse que II'ocII
Tales problemas pueden verse como 'los ms difciles' dentro de N P , puesto que si pudieran ser
resueltos, todo otro problema en N P tambin lo sera. Por el contrario, si algn problema en N P
es verdaderamente intratable, tambin lo sern todos los problemas NP-completos.
Si la conjetura P ^ N P es cierta, entonces las clases de equivalencia son disjuntas y parten N P .
Si, por el contrario, fuera falsa, las clases colapsaran en la 'menor', P , y todos los problemas en
N P , seran tratables.
T c n i c a s d e clasificacin
Demostrar que un problema es NP-completo parece difcil, puesto que es necesario para ello demostrar que
cualquier problema en NP es polinmicamente transformable en l La tarea se simphficaia notablemente si
se conociera un problema NP-complcto, debido al siguiente lema, que se deduce fcilmente de la definicin
de a y de su transitividad:
Si ! y n 2 pertenecen a NP, ITi es NP-completo y II1OCII2, entonces U.2 es NP-completo
1
Desafoitunadainente, la transformabilidad no ayuda nada, en general, en problemas que no son de decisin o,
cuando sindolo, el objetivo es transformar un algoritmo de aproximacin, Garey et Johnson, 1979 passim
2.
20
Es decir, que si se sabe que Tli es NP-completo, y puede transformarse polinmicamente en el problema de
inters, II2, queda demostrado que si II2 pertenece a NP es, ademas, NP-completo. El problema denominado
"satisfaccin de clusulas" tiene una estructura peculiar, que permiti demostrar que era, efectivamente, NPcompleto. Apoyndose en l, y aplicando el lema anterior otros problemas (como VC) han ido engrosando
la lista de problemas NP-completos. Aunque sea brevemente merece la pena describir en qu consiste la
satisfaccin de clusulas.
/ Sea U = { i t i , . . . , u m } un conjunto de variables booleanas. Una asignacin de verdad para U es una
funcin a : U {V, F}. Si a(u) = V diremos que u es cierta bajo a; si a(u) = F diremos que u es falsa'. Si
u es una variable de U, entonces a y - n son oraciones sobre U. La oracin Ul es cierta bajo a si, y slo si, la
variable u es cierta bajo a; la oracin -m es cierta si, y slo si, la variable u es falsa Una clusula sobre U
es un conjunto de.oraciones sobre U, tal como {ui,-iU3,us}> y representa la oracin disyuntiva compuesta
"1 -1U3 us" y es satisfecha por una asignacin de verdad si, y slo si, al menos una de las oraciones
es cierta bajo la asignacin. Por ejemplo, la clusula anterior siempre ser satisfecha salvo que a(ui) F,
0(^3) = V y a(w8) = F. Una coleccin C de clusulas sobre U puede satisfacerse si, y slo si, existe alguna
asignacin de verdad para U que simultneamente satisfaga todas las clusulas en C. Tal asignacin de
verdad -es denominada una asignacin de verdad satisfactoria para C. La satisfaccin de clusulas puede
especificarse como:
SATISFACCIN D E CLUSULAS
CASO: Un conjunto U de variables y una coleccin C de clusulas sobre U.
PREGUNTA: Existe una asignacin de verdad satisfactoria para C?
La verificabilidad polinmica de si una determinada asignacin de verdad resulta satisfactoria es bastante
obvia, de manera que el problema es NP. La demostracin formal de que cualquier problema de decisin
en NP puede transformarse en un caso de l es larga (Garey et Johnson, 1979:39-44), aunque la clave del
asunto es conseguir demostrar que se puede rescribir cualquier algoritmo de verificacin como un enunciado
en forma de clusulas y oraciones simples, lo que intuitivamente no parece del todo imposible.
Los problemas NP-completos no son los ms difciles de aquellos que se consideran resolubles (o que
nadie ha conseguido demostrar que sean irresolubles). La teora de problemas va ms all de la clase
NP, estableciendo ordenes parciales que jerarquizan los problemas por su dificultad, siempre de manera
condicionada a que la conjetura P ^ NP sea cierta y haciendo uso de transformaciones ms complejas que
la polinmica vista aqu.
/
2.3.4
P r o b l e m a s numricos y N P - c o m p l e c i n 'fuerte'
Mientras que la gran mayora de problemas NP-completos tienen que ver con anlisis de combinaciones, lgica formal y teora de grafos, uno, considerado 'clsico', incluye una ecuacin con
nmeros corrientes y permite mostrar algunos aspectos especficos de los problemas numricos.
PARTICIN
CASO: Un conjunto finito A = {a\,... ,an} y una definicin de tamaos t(a) G Z+
para cada a A.
P R E G U N T A : Existe un subconjunto A' C A tal que
aA
aAA
P A R T I C I N es N P y adems es NP-completo (op. cit. pp. 60-62). Sin embargo, algunos

subproblemas, obtenidos de l aadiendo nuevas restricciones al caso genrico, pueden resolverse de
manera trivial en tiempo polinmico. Si el problema se restringe, por ejemplo, a los casos en que
L = YLaeA *( a ) e s impar, es claro q u e l a respuesta es siempre "no" y de hecho no se necesita ms que
el clculo de dicha suma, lo que requiere un tiempo que puede ser acotado en O ( n l o g L ) , y puesto
que el t a m a o del^problema, , viene dado esencialmente por n [log maxag^ ( a ) ] , el resultado es
un algoritmo polinmico, dado que logL < n[logmax o y 4 ( a ) ] .
Partiendo de esta idea puede construirse un algoritmo, programacin dinmica, que resuelve el
problema general en tiempo acotado por 0(nL) (op. cit. p. 90), un algoritmo que para tamaos
t(a) pequeos es eficaz y extremadamente rpido. Sin embargo, no'es un algoritmo polinmico,
pues, en efecto,
_ 2iozL < 2 n ng m a x aet( a )l = 2e
y el algoritmo es exponencial en l. Ahora bien, el algoritmo ser ineficaz slo si los nmeros
empleados son muy grandes puesto que el tamao de dichos nmeros es"'reducido' por el logaritmo
2.
^21
en la expresin de i. Por el contrario, si se limita el tamao de dichos nmeros, incluso mediante

un lmite polinmico en , la "programacin dinmica sera un algoritmo polinmico para este
subproblema (un lmite de este tipo consiste en t(a) < nlog('a), por ejemplo). En los casos
prcticos de la vida real, puede que existan lmites 'naturales' y que nunca haya que enfrentarse con
los casos peores del problema genrico. Si ocurre as quiz pueda considerarse que P A R T I C I N
est prcticamente resuelto de un modo eficaz mediante la programacin dinmica. Los algoritmos
que, como programacin dinmica para P A R T I C I N , se convierten en polinmicos si se acota
de alguna forma los nmeros que definen el caso, se califican como pseudopolinmicos.
N P - c o m p l e c i n fuerte
/
1
Para formalizar con precisin estas nociones es necesario definir una nueva funcin, '.M, anloga al tamao l
del problema, que haga corresponder a cada caso de un problema un entero pohnmicarnente relacionado con
el mayor nmero que aparezca en los parmetros del caso. Como para , existirn en general muy diversas
elecciones posibles para M, todas ellas pohnmicarnente relacionadas. Pero para lo que aqu interesa, basta
con adoptar la convencin ms usual: para cada caso C de un problema, M. tendr la magnitud del mayor
entero que aparezca en C, o cero si C 'no contiene nmeros. Ntese que los ndices de las ciudades en el
problema del viajante de comercio no son nmeros, sino nombres, aunque por conveniencia se usen ristras
de smbolos que podran interpretarse como nmeros. De este modo, M. sera igual en este problema a la
mxima distancia, entre ciudades en cada caso. Con esta funcin pueden darse las siguientes definiciones.
Un algoritmo que resuelve un problema II, se denominar pseudopolinmico para II si su
complejidad temporal C est acotada por un polinomio de las dos variables t y M.
Por definicin cualquier algoritmo polinmico tambin es pseudopolinmico, sin embargo ya se ha visto un
ejemplo en que un algoritmo pseudopolinmico no es polinmico: la programacin dinmica para PARTICIN. Por tanto, si un problema II es NP-completo, no queda de antemano descartada la posibilidad de que
exista un algoritmo pseudopolinmico. Sin embargo, muchos problemas de decisin tienen la propiedad de
que M es en s misma una funcin acotada por i, y para estos problemas no hay distincin entre algoritmos
polinmicos y pseudopolinmicos. De hecho, la satisfaccin de clusulas no involucra nmeros para nada,
excepto por lo que se refiere a los ndices de variables y clusulas, y estos pueden ser ignorados porque en
realidad son ms bien nombres que nmeros 18 . Por tanto, la distincin entre polinmico y pseudopolinmico
tiene inters tan slo, para un particular conjunto de problemas:
Un problema II es un problema numrico si no existe un polinomio p tal que'Al < p{) para
todo caso C PnEl problema V C , por ejemplo, es un problema numrico, puesto que no existe ningn lmite natural al
'tamao' de la distancia entre ciudades, mucho menos una acotacin polinmica en i. Esta definicin
clasifica apropiadamente los problemas y permite anticipar en que tipo de los mismos cabe tener alguna
esperanza de encontrar un algoritmo pseuciopolinmico (incluso si P ^ NP).
' Si II es NP-completo y II no es un problema numrico, entonces II no puede ser resuelto por
un algoritmo pseudopolinmico salvo que P = NP.
En consecuencia, con el propsito de descubrir al menos un algoritmo pseudopolinmico, slo merece la pena
investigar los problemas numricos. Si un algoritmo de esta clase existe para un problema II, y se considera
el subproblema de II con slo aquellos casos en que M < p{) para algn polinomio p, el algoritmo en
cuestin sera polinmico en , y el subproblema pertenecera a P, lo que permitira resolverlo eficazmente.
Si el problema en cuestin es NP-completo, incluye sin embargo, un subproblema de fcil solucin y, en
cierto sentido, es algo menos difcil que un problema NP-completo que no sea numrico. Esto sugiere definir
la NP-complecin en sentido fuerte.
Para un problema II y cualquier polinomio p, sea p el subproblema de II obtenido por
restriccin a los casos de II en los que se satisface M < p(). Entonces, p no es un problema
numrico. Si II P es NP-completo, entonces II es NP-competo en sentido fuerte.
En consecuencia, si II no es un problema numrico, y es NP-completo, entonces lo es en sentido fuerte. Por
otra parte, V C es NP-completo en sentido fuerte, debido al hecho de que la demostracin de que se trata de
un problema NP-completo (cf. Garey et Johnson, 1979:56), se realiza para un caso particular del problema
en el que las distancias valen +1 o 1, y que por tanto ya no es un problema numrico. PARTICIN, por
su parte, es un problema numrico y NP-completo en sentido dbil, puesto que el algoritmo de programacin
dinmica permite resolver II P en tiempo polinmico19.
Ntese adems que un esquema de codificacin conciso permite asegurar que el mayor de tales nombres numricos
est acotado polinmicamente por Y, que es esencialmente en este caso el nmero de vaiiables y clusulas
Todo esto depende directamente de qu se considere un esquema de codificacin 'razonable' Si repiesentar un
entero n por una ristra de n smbolos se considera 'razonable', entonces M < para todo problema numrico y si
2.
22
2.4
Resolucin de ecuaciones'lineales
La clase P rene los problemas ms fciles de resolver, para los que se cuenta con algoritmos
polinmicos. El camino que lleva desde el algoritmo hasta un programa de ordenador no est
exento de dificultades, a veces insalvables. Tal es el caso de la resolucin de sistemas de ecuaciones
lineales:
S O L U C I N R A C I O N A L D E E C U A C I O N E S LINEALES (SREL)
CASO: Matriz A de n filas y n columnas de nmeros enteros, vector b de n nmeros
enteros.
P R E G U N T A : Existe un vector x de n nmeros racionales tal que A x = b?
S R E L p e r t e n e c e a la clase P y e s 'fcil'
DEMOSTRACIN: Denominando N al mximo entero presente en cada caso en la matriz A o en el vector
b, el tamao del problema queda bien representado por la funcin:
i =
n+\logN]
Desde luego se trata de un problema numrico, pues la funcin M. es, en este caso, simplemente Ai = N, y
no existe ningn polinomio de t que la acote.
No se necesita nada ms complicado que el mtodo de eliminacin de Gauss para responder la pregunta
planteada. El primer paso consiste, como es bien sabido, en eliminar hacia adelante la incgnita xt, para
i = l , . . . , n l d e las ecuaciones j = i +1,..., n. Denotando por a, la fila i de la matriz A, para eliminar la
incgnita x, de la ecuacin j se sustituye.esta ltima ecuacin por la que resulta de una combinacin lineal
entre ella y la i, ms precisamente por:
a tt a^x aXJ a t x = a lt b3 a tJ 6,
lo que exige a / 0. Si ocurre que a lt = 0, se tienen las siguientes situaciones:
1. Si existe un atJ ^ 0 se intercambian las ecuaciones l y j antes de proceder a la eliminacin de xlt.
2 Si no existe un atJ / 0, la incgnita x l t est ya eliminada en todas las ecuaciones j y tambin en la i.
En tal caso puede ocurrir que:
(a) que a,ki = 0 para k,l = i,..., n: todas las incgnitas l > i han quedado eliminadas de las
ecuaciones k > i y el proceso ha concluido.
(b) que exista un ajti ^ 0, en tal caso se intercambian las incgnitas x, y x as como las ecuaciones
i y k (lo que obliga a permutar filas y columnas de A y los respectivos coeficientes de b) y se
procede a la eliminacin de la nueva incgnita i segn la regla general o alguna de la excepciones
anteriores. Hay en total n 1 < n eliminaciones, cada una de las cuales requiere formar n i < n combinaciones
lineales y como mucho (ni + 1)2 < n2 bsquedas de un coeficiente no nulo. Cada combinacin lineal requiere
esencialmente realizar (n. i + 1) < n sumas y el doble de multiplicaciones. El nmero total de operaciones
abstractas est acotado en el caso peor por un polinomio en n3. Tras realizar todas las eliminaciones, el
sistema de ecuaciones original queda sustituido por otro con exactamente las mismas soluciones:
A'x' = b '
donde A ' es una matriz en la que todos los coeficientes por debajo de la diagonal son nulos, x' contiene
una permutacin de las incgnitas originales, y b ' es el nuevo vector de trminos independientes. Para el
problema de decisin, no es necesario calcular la solucin, tan slo averiguar si existe y, por tanto, no es
necesario realizar la'denominada sustitucin hacia atrs. La existencia de solucin esta aseguiada en los
siguientes casos:
1. Si a' / 0 para todo i la solucin existe y es nica.
2. Si o' = 0 para algn valor de i entonces, segn las reglas, expuestas a'ki = 0 para k;l = i,..
adems b\ = 0 para k = i,... ,n el sistema admite infinitas soluciones.
t -
,n. Si
existe para el pioblcma en cuestin un algoritmo pseurfopolinmico se tratara de un algoritmo polinmico para este
esquema de codificacin particular y el problema pertenecera a P. En tal caso, slo los problemas NP-completos en
sentido fuerte continuaran siendo NP-completos.
2.
23
En ambos casos el algoritmo responde "s" y en cualquier otro "no", de manera que resuelve el problema de
decisin.
Para definir su complejidad temporal debe tenerse en cuenta el costo de realizar multiplicaciones y sumas
durante el proceso de eliminacin. En el caso peor, los coeficientes de A' as como los de b' no pueden ser
nmeros ms grandes que n n . Segn la regla habitual de la multiplicacin, para realizar a x 6 se requieren del
orden'de 0(|~loga] flogb]) < 0([logmax(a,6)] ) operaciones con cifras (smbolos del alfabeto), de manera
que la multiplicacin de nmeros es polinmica en la longitud de sus ristras. El caso peor es la ltima
combinacin lineal que se necesita, para la que los coeficientes a multiplicar puede que sean del orden de
Nn. En tal caso la multiplicacin no requiere ms de 0((\ogNn)2) operaciones con smbolos, es decir,
0((n\ogN)2) = 0(e2).
En un ordenador convencional, hay un lmite para el mayor entero que puede manejarse, de manera que
en la prctica con este algoritmo slo pueden resolverse, de todas formas, aquellos casos del problema en los
que, aproximadamente, Nn es representable, es decir, no mayor que el mximo entero manejable20. Esto
define un subproblema, en el que existe una acotacin implcita para logTV, independiente del algoritmo
utilizado, y en consecuencia su presencia en la definicin de se torna irrelevante. De ah la afirmacin
habitual de que un sistema de ecuaciones puede resolverse con un algoritmo n3.
Si los coeficientes del sistema son racionales siempre se puede rescribir el problema en los trminos de SREL. Sin embargo, si los coeficientes son reales, la solucin es real y en buena teora
los clculos pueden ser 'infinitos', de manera que el mismo problema con nmeros reales no es
'polinmico'. La dificultad se soslaya mediante el uso de nmeros de coma flotante que, con la
apariencia de reales, son ms bien enteros. En el camino se pierde 'informacin' y tambin 'precisin', y como desafortunada consecuencia la representacin del sistema puede estar 'mal condi. cionada'- (siempre pasa si hay infinitas soluciones) y el problema, en tal caso, debe resolverse con
tcnicas especiales, mucho ms complejas, y con algoritmos sm acotacin conocida de su complejidad temporal (como el de descomposicin en valores singulares) que son, por tanto, presuntamente
exponenciales. La gran mayora de las tcnicas especiales utilizadas (pivotacin, diagonalizacin,
etc.) en la realizacin de programas concretos, quedan incluidas en la demostracin anterior, lo
que contrasta con la extensin desmesurada de algunos manuales sobre el asunto. Idnticos comentarios pueden hacerse acerca del problema de la programacin lineal (y el mtodo simplex citado
anteriormente, vase Press et ah, 1988)
.2.5
Teora de estructuras y NP-complecin
No es prctica habitual el uso de la teora de la NP-complecin en -la resolucin de problemas en

la teora de estructuras, de manera que parece necesario algn comentario al respecto.
Mientras los problemas de anlisis requeran la resolucin de ecuaciones lineales, resultaba
claro que el ncleo 'difcil' de cualquier algoritmo sera polinmico. Las discusiones en tal caso se
centran en el menor grado del polinomio que acota el tiempo y sobre el mejor modo de aprovechar las
peculiaridades de los subproblemas habituales. Los algoritmos especiales para resolver ecuaciones en
los que la matriz A es particular (matriz banda, dispersa, en perfil, etc) intentan rebajar dicho grado
al mnimo posible. En este contexto,' aparecen algunos problemas NP-completos, as por ejemplo
"cmo numerar los nudos de una estructura para que la matriz de rigidez tenga el menor ancho de
banda o el menor perfil?", lo son. Si la conjetura P ^ NP es cierta, estos problemas son intratables,
de manera que quien haya de enfrentarse a la tarea de escribir un algoritmo de renumeracin
de nodos para un programa de anlisis de estructuras, se beneficia de conocer estos hechos en
un sentido preciso: si enarbola.la creencia de que la conjetura es cierta, dirigir sus esfuerzos a
disear un algoritmo polinmico que, sin resolver el problema (lo que probablemente sera imposible
en la prctica), encuentre soluciones que sean 'buenas aproximaciones' (en un sentido que puede
.
,
Ntese que los denominados nmeros de coma flotante no incluyen a los nmeros irracionales, y en consecuencia
no representa bien a los reales. Por el contrario se trata de nmeros enteros representativos de un -nmero finito de
racionales previamente elegidos. De ebte modo, para resolver S R E L , cuando hay infinitas soluciones, se prefiere en
general la descomposicin en valores singulares, que de hecho en teora resuelve el mismo problema cuando todos los
coeficientes son nmeros reales Peio en un ordenador tal algoiitmo no resuelve el problema, tan slo lo aproxima
de un modo habitualmcnte satisfactorio.
2.
24
precisarse sin ambigedad, aunque no se tratar de ello aqu, cf. Garey t Johnson, 1979:121-151).
Actualmente, sin embargo, el panorama se ha complicado extraordinariamente debido a la
aparicin de problemas en los cuales es necesario resolver un sistema de ecuaciones no-lineales, que
puede escribirse de un modo muy natural como un problema de optimacin (con las dificultades
generales indicadas en 1.3). Adems, si el problema se plantea de forma realista, est generalmente
asegurada la verificabilidad polinmica de la solucin, de modo que su dificultad no es mayor que
la correspondiente a cualquier problema NP. Aqu no existe un algoritmo que garantice la solucin
(salvo la bsqueda exhaustiva, segn lo indicado en 2.3.2), mucho menos un algoritmo polinmico.
Los esfuerzos en la investigacin habitual se centran en teoremas de caracterizacin y convergencia,
y en algoritmos que aproximen alguna solucin, sin que, salvo en contadas ocasiones (cf. Press et
ah, 1988:673-680), se especifique si, al menos, tales algoritmos tiene alguna acotacin de su complejidad temporal y, en particular, si muestran mejor acotacin que la de la bsqueda exhaustiva.
En general, pues, uno se encuentra con un amplio repertorio de complejos algoritmos para los cuales
no se garantiza ni el grado de aproximacin al ptimo global del problema (usualmente tan slo
que se alcanzar un ptimo local), ni la acotacin de su complejidad temporal.
Ciertamente, muchos de tales algoritmos muestran un buen comportamiento en la prctica,
sobre todo enfrentados a subproblemas especficos. Sin embargo, frente a este estado de cosas
la simple bsqueda exhaustiva, aunque exponencial, presenta dos ventajas (aparte de sencillez y
generalidad), nada desdeables: garantiza la obtencin de la solucin ptima, y puede incluso ser
competitiva en la prctica con algoritmos especializados, si el tamao del problema es pequeo, lo
que ofrece la posibilidad de supervisar las soluciones obtenidas por estos. De la estructura 'universal'
de la bsqueda exhaustiva se han derivado algoritmos de aproximacin igualmente universales en
las dos ltimas decadas (que se examinarn ligeramente en 3.5) pero no se sabe si son polinmicos.
Con el recocido simulado, como se ver, aunque no se garantiza la obtencin de la solucin ptima,
al menos puede ofrecerse pareja generalidad a la bsqueda exhaustiva, y acotacin polinmica (o
como mucho pseudopolinmica) de su complejidad temporal.
Adems de la caracterizacin de los algoritmos, indudable inters tendra la caracterizacin
formal de los problemas mismos (mediante tcnicas de transformacin que no se han mostrado en
este breve recorrido), pero tal labor, al menos para los cuatro problemas que se plantearan aqu,
parece digna de otras tantas tesis doctorales, cuando menos.
Resumen
Se ha visto que, aunque partiendo de la medida del tiempo, lo significativo para distinguir la eficacia
de diversos algoritmos, es-la forma de la funcin que mide dicho tiempo, o complejidad temporal
C, funcin del tamao de cada caso abordado. Con esta nueva medida los algoritmos pueden
clasificarse como polinmicos, psewdopolinmicos y exponenciales. En razn de que para muchos
problemas no se cuenta con algoritmos de resolucin, se introducen los algoritmos de aproximacin
(cuya eficacia y calidad tambin puede ser objeto de un anlisis formal). Los problemas, a su vez,
se clasifican segn se haya conseguido avanzar en su estudio utilizando slo algoritmos polinmicos.
Para ello se reducen a un problema de decisin. De esta manera, los problemas que ya estn
resueltos son fciles y forman la clase P; aqullos otros de los que tan slo puede verificarse que
una solucin candidata lo es efectivamente, son dfiles y forman la clase NP; ms all se encuentran
los intratables y los irresolubles.
Los problemas de optimacin. e.n general parecen ser al menos tan difciles como los NP: en
general puede verificarse si una solucin es o no la del problema; adems se cuenta con un algoritmo
universal de resolucin, desgraciadamente exponencial y que, por tanto, slo puede usarse para casos
de pequeo tamao y, probablemente, con el propsito de supervisar otras soluciones obtenidas por
algoritmos de aproximacin. Estos debieran ser como mnimo polinmicos, aunque en ocasiones
-tambin resultarn tiles los pseudopolinmicos. El recocido simulado, como se ver, cumple
siempre este 'mnimo' y, en consecuencia, tiene inters, a condicin de que las aproximaciones
obtenidas sean 'buenas'.
t i ' - - -' J.
2.
25
De hecho, realic la investigacin porque los primeros recocidos experimentales de cpulas

hubieran empleado menos^de un segundo en resolver el problema de la forma ptima, de haber
tenido a mi disposicin un superordenador
Captulo 3
Recocido simulado
Recocido. Una vez caliente el metal por encima de su punto crtico, se
deber mantener su temperatura para que la transformacin al calentamiento se desarrolle totalmente, en cuyo instante puede procederse a
un enfriamiento lento, en el cual las transformaciones se desarrollarn
totalmente y el metal adquirir la constitucin estable a baja temperatura. Este enfriamiento, aunque lento, debe tener la suficiente rapidez
para que el tamao del grano que se obtenga no sea basto, pero siempre
teniendo cuidado de que no impida, ni aun parcialmente, la transformacin. * Enfriamiento en horno con las puertas abiertas, en cenizas o
incluso al aire, permiten, segn los casos, recocidos correctos.
Rafael Calvo Rodes
El recocido simulado de problemas es una tcnica que ha recibido atencin desde hace una
dcada, como solucin a problemas de optimacin de gran tamao. Desde un punto de vista
prctico, se ha 'resuelto' as el problema del viajante de comercio (Scott Kirkpatrick et ah, 1983;
Ernesto Bonomi et Jean Luc Lutton, 1984; William H. Press et ah, 1988:343 y ss.). Tambin se
ha empleado con xito para muy diversos propsitos: diseo automtico de circuitos integrados
(Kirkpatrick et Mario P. Vecchi, 1983); supresin automtica de 'ruido' en imgenes digitales al
objeto de 'restaurarlas' (Stuart et Donald Geman, 1984); y anlisis sintctico del lenguaje humano
(Graeme Hirst et Bart Selman, 1987), entre otros. El mtodo es tambin, una de las piezas claves
de la simulacin del funcionamiento neuronal (Hopfield et Tank, 1988), de algunos de los modelos
ms prometedores de la mquina de Boltzmann (una red neuronal con la que se intenta simular el
funcionamiento del cerebro animal, Geoffrey E. Hinton et David S. Touretzky, 1987), o el anlisis de
la posible evolucin del 'caldo primordial' en tanto que origen de la vida (Stein, 1989). Convendr
recordar la descripcin informal del algoritmo dada en el captulo 1:
El recocido simulado de un objeto para mejorar alguna de sus propiedades consiste en
producir al azar 'cambios' en su 'descripcin'. Si es posible definir una 'temperatura'
en relacin a tal propiedad, el proceso comienza a altas 'temperaturas', en las que
todos los 'cambios' aleatorios son 'aceptados' (y en consecuencia el 'aspecto' del objeto
inicial cambia continuamente); y contina con un paulatino y lento descenso de la
'temperatura', de manera que cada vez el nmero de 'cambios' 'aceptados' disminuye
ms y ms y una forma particular del objeto acaba por 'emerger'. Finalmente, cuando
la 'temperatura' es tan baja que ningn 'cambio' se acepta, el algoritmo se detiene con el
objeto inicial profundamente alterado, de'hecho con el objeto que probablemente pueda
encontiarse para la propiedad de inters. Esta situacin inicial es el 'cero absoluto' del
objeto especto a la propiedad.
El objeto se describe mediante la variable independiente x, mientras que la piopiedad es la
3.
Recocido simulado
27
funcin objetivo, / ( x ) . "Sorprendentemente, la construccin del algoritmo es bastante simple"

(Press et ah, 1988:343). Tan simple que resulta de todo punto imposible.exponerla de manera
original, pues todo intento de esta naturaleza vendra forzosamente a repetir lo dicho por alguno de
los autores citados. En el 'ttulo' de la tesis (vase el anejo A) se encontrar una exposicin completa
y concisa del algoritmo, de manera que, hasta cierto punto, puede prescindirse casi completo de
este captulo. Por mi parte, desarrollar aqu la construccin del algoritmo en clave histrica. El
propsito principal es justificar que la multitud de comillas que aparecen en la descripcin informal
pueden suprimirse (con alguna precaucin). Tambin reunir y presentar material disperso de una
manera organizada Adems resulta obvio que para definir una 'temperatura' habr que acudir a
la termodinmica estadstica
En la primera seccin se repasan las ecuaciones fundamentales de la mecnica estadstica. Para
el manejo prctico de tales ecuaciones resultan imprescindibles tcnicas especiales; con tal fin, en
la segunda seccin, se ilustra el mtodo bsico, que se resume en el de Monte Cario, as como el
conjunto de tcnicas que se usarn en los captulos siguientes. En la tercera seccin, se estudia con
detalle los fundamentos del algoritmo de Metrpolis que es esencialmente un esquema de Monte
Cario para estudios a temperatura constante. El algoritmo de recocido simulado se 'monta' con las
piezas anteriores en la seccin cuarta, donde se encontrar su fundamentacin a travs de la teora
de la informacin, su forma general .y el esquema concreto con que se emplear en esta investigacin
Finalmente, se sita el algoritmo en relacin con otros algoritmos de optimacin que comparten
caractersticas comunes. La letra pequea abunda por todo el captulo, tanto en el texto como en
el pie; el lector slo interesado en el argumento central puede evitar su lectura.
3.1
El sentido del azar
Como es bien sabido, de las medidas experimentales de Sadi Carnot y Emile Clapeyron de un
lado, y de las de Joule por el otro, podan surgir dos leyes contradictorias entre s (la conservacin
del calrico o la equivalencia entre calor y trabajo) o quizs dos leyes complementarias, tal como
insinu William Thomson en 1851 (Atkins, 1984:4). Casi simultneamente, en 1850, Clausms, vio
que el contencioso poda resolverse hasta cierto punto de existir dos principios fundamentales de la
naturaleza. Refino el-principio de Carnot y libr del calrico al mundo identificando calor y trabajo,
aceptando la conservacin de la energa como primer principio, pero acotado por el segundo: "No
es posible proceso alguno cuyo nico resultado sea la transmisin de energa de un cuerpo fro a
otro caliente" (op. cit. p. 25).
Sin embargo, toda la evidencia de ambos principios se sustentaba exclusivamente en resultados
experimentales forzadamente acomodados a la ley de presiones y volmenes de un gas escrita por
Robert Boyle en el siglo XVII. No contento con tan magro fundamento, Clausius especul sobre
la idea del calor como una propiedad macroscpica de la naturaleza microscpica de la materia,
en busca de un fundamento universal. La bsqueda fue continuada por James Clark Maxwell y
la primera 'fundamentacin' lograda finalmente por Ludwig Boltzmann, con la sola hiptesis de
que la materia est formada por tomos, los cuales no obedecen en su comportamiento mecnico
ningn otro dictado que el de la conservacin de la energa.
El punto de vista de Boltzmann sufri ligeras variaciones, sobre todo con las aportaciones de
Williard Gibbs, y notables ampliaciones (en particular, con la termodinmica lejos del equilibrio,
vase por ejemplo Prigogine et Stengers, 1984: passim). Lo que presento aqu es una de las mltiples
versiones estndar, que le debe casi todo a una pequea obrita, Stattscal Thermodynamics, de
Erwi Schrdinger (1952).
Hay un nico problema en la termodinmica estadstica: cmo se distribuye una cantidad dada
de energa E entre TV sistemas idnticos? O bien,
"cmo deteiminar la distribucin de un conjunto de Ar sistemas idnticos [o conjunto de
Gibbs, en adelante] entre los estados posibles en los que este conjunto puede encontiaise,
sabiendo que la energa del conjunto es una constante E. La idea es que existe una dbil
3.
Recocido simulado
28
interaccin entre ellos, tan dbil que la energa de interaccin puede despreciarse, que
se puede hablar de la energa 'privada' de cada sistema y que la suma de sus energas
'privadas' es igual a "' (op. cit. p. 1).
El punto de vista de Gibbs consiste en pensar que los JV sistemas idnticos son copias mentales
del sistema que se est realmente considerando. Qu significa, fsicamente, distribuir una cantidad
dada de energa E entre esas JV copias mentales? Se puede imaginar, de hecho, que se tienen JV
copias del sistema, que entre ellas hay una 'dbil interaccin', pero que todas ellas estn aisladas
del resto del universo Si se presta atencin a una en particular, se la encuentra en un peculiar
'bao de calor' consistente en las JV 1 restantes. La experiencia del equilibrio termodinmico
es que el comportamiento de un sistema dentro de un bao de calor es siempre el mismo, si la
naturaleza del bao mantiene constante la temperatura-y si no existe otra cosa que intercambio
de calor entre ambos (op. cit. p. 3). Naturalmente, el comportamiento de cualquiera de las JV
copias puede elegirse como descriptor del sistema real. Ms an, por la similitud entre todos los
sistemas, se puede juzgar estadsticamente la probabilidad de encontrar el sistema en uno u otro
de sus posibles estados recurriendo a la frecuencia de cada estado en la 'muestra' de JV sistemas.
Todas las cuestiones que conciernen al sistema en un bao caliente pueden, por tanto, contestarse,
si se resuelve el problema fundamental de la distribucin (op. cit. p. 4) 1 .
La naturaleza de cualquiera de los JV sistemas se describe mediante la enumeracin de sus posibles estados, etiquetados como 1,2,3,..., i,... Los valores propios eigemialues2 de la energa
en tales estados sern ei, e2, 3 , . . . , et,... ordenados de modo que e, + i > et. El estado del conjunto
queda determinado mediante la indicacin de que el sistema 1 est en el estado i\, el sistema 2
est en el estado 12,- , el sistema JV en el estado i^. Una cierta clase de estados del conjunto
se denotar diciendo que ai, a2, a$,..., a,,... de los JV sistemas estn en el estado 1,2,3,..., i,. .
respectivamente.
Todos los estados del conjunto de JV sistemas, o conjunto de Gibbs, estn incluidos sin repeticin
en las clases descrita por todos los diferentes conjuntos de nmeros at. El nmero de estados del
conjunto, que pertenecen a la clase ai, a, a^,..., a t ,..., puede calcularse en detalle (v. Alonso et
Finn, 1968:448-450), pero se trata simplemente de las permutaciones con repeticin:
ai'. a,2i 0,3] a , ! - - -
(3.1)
- pero el conjunto de nmeros {a,} tiene por supuesto que cumplir con las condiciones
5Z a * - N>
l
H e*a*= E
(3.2)
Ntese que la expresin de P implica que dos sistemas son distinguibles uno respecto a otro,
incluso si estn en el mismo nivel de energa3. El nmero total de estados posibles del conjunto
de Gibbs puede denotarse como Yl P, si se entiende que la suma se extiende a todas las clases
{a,} que satisfacen (3.2). Con las ecuaciones anteriores acaba, realmente, la contabilidad (cf.
Schrdinger, 1952:5-6).
Pero en este formato el resultado es totalmente intil. El 'mtodo del valor ms probable'
admite aqu que, a la vista de la enorme magnitud del nmero JV (para sistemas tales como gases),
el nmero total de estados posibles del conjunto, es decir, ,1a suma de P para todas las clases
posibles, se alcanza prcticamente por la suma de P para todas aquellas clases {at} que no se
'desven' apreciablemente de la clase para la cual P es mximo 4 . En otras palabras, si slo se
1
Adems de su aplicabihdad general, el punto de vista de Gibbs tiene otras ventajas En particular, N puede
hacerse arbitrariamente grande De hecho, en caso de duda, siempre puede imponerse hm N = 00 En tal caso, la
aplicabilidad de, por ejemplo, la frmula de Stirling para W no puede cuestionarse (ibidem)
2
Para una discusin ms detallada de la importancia del concepto de valor propio, vase Pngogine et Stengers,
1984 218 y ss
3
Ms exactamente, dos estados con la misma energa son distinguibles, usualmente a travs de parmetros microscpicos tales como posicin, velocidad o cantidad de movimiento
Ciertamente, la 'distancia' entre clases deber medirse en el espacio multidimensional que definen las '\anables'
o,, un espacio quiz de dimensin infinita
3.
Recocido simulado
29
o
contabiliza el nmero de estados de la clase que se observa (casi) siempre, slo se desprecia el
nmero de estados correspondientes a las clases que (casi) nunca se observan que, por tanto, no
puede ser un nmero muy grande. Esta suposicin es rigurosamente cierta en el lmite JV oo.
P a r a N grande pero finito, la suposicin es slo aproximadamente cierta 5 .
Con esta hiptesis, el problema es determinar el mximo de P o, lo que es lo mismo, el mximo
de l o g P sujeto a las condiciones antedichas. Utilizando la formula "de Stirling, logre! ss a; logre x,
se tiene:
log P log N\ - ^
lo
g at +
Yll
diferenciando esta expresin y notando que dN 0 por (3.2) y que'a t <(logat) = a t :
d(log P) = - ^2 lo g a da
(3-3)
P a r a que P sea mximo basta entonces que d log P sea nulo para cualquier variacin arbitraria de
dax que cumpla con (3.2). Este problema puede resolverse mediante el mtodo de los multiplicadores
de Lagrange que, en este caso, consiste en introducir dos multiplicadores A y /x y formar la nueva
funcin $ definida mediante:
* = log P + X(N - J2 .) + /*( " E e'a)

Maximacin de P
Los valores de a, que hacen que P sea mximo asi como el valor de los multiplicadores A y n se obtienen
como solucin de:
d$ = 0,
J V - ^ T a , = 0,
E - E e,a, = 0,
De la primera se obtiene:
log a,' + A + /e, = 0
= 1,2,...
de donde.
a, = exp(A /xe)
Las otras dos ecuaciones determinan los multiplicadores:
] T e x p ( - A - lie,) = N,
'
Yê* e x p ( - A - /xe't) = E
Dividindolas puede eliminarse A, pero tambin puede obtenerse exp(A) directamente de la primera
expresin. Denominando E/N = U a la 'energa media' compartida por un sistema, el resultado puede
expresarse diciendo que P ( oJ^P) es mximo si:
/
U
'
ftt
etexp(-/ie.)
d
^
.
Eexp(-^t) =-^logêxp(-Me,)
^
exp(- M e t )
Jexp(-/ie,)
jVa
/x de,
(3.4)
.
en la que at/N puede interpretase'como una probabilidad (o un valor medio). La segunda de las ecuaciones
denota la distribucin de los iV sistemas entre sus niveles de energa. Puede decirse que esto contiene
al completo la termodinmica de los sistemas en equilibrio. La segunda ecuacin por otra parte es muy
perspicua: la exponencial exp (//e,) expiesa el nmero de ocupacin o como una fraccin del nmero total
de VV sistemas, siendo la suma en el denominador solamente un factor de normalizacin.
5
cf Schrodinger, 1952 6, la alternativa a este clculo es el 'mtodo de los valores medios' conocido tambin como
de Darvvin y Fowler, en el que realmente se calcula J ] P a travs de una integral en el plano complejo, op cit pp
27-41.
3.
Recocido simulado
30
El resultado puede resumirse en forma compacta:

(e) = - ^ e l e x p ( - M e l )
(3.6)
pt = exp(-A*c,)
(3.7)
De Jos dos multiplicadores, uno (A) ha desaparecido, pero queda incluido en Z que expresa,
adems, la 'naturaleza del sistema'; se trata de la denominada la funcin de particin o suma
sobre los estados, Z = X]exp(/xet). (e) es la energa que, como media, tiene el sistema elegido
como 'descriptor', mientras que pt es la probabilidad de encontrarle en el estado correspondiente
a la energa e,. Esta ltima es una frecuencia estadstica: ar/N, es decir, la fraccin de todos los
sistemas que 'ocupan' el nivel de energa i en cada momento. Tanto la energa media como la
probabilidad dependen de Z y del multiplicador p. La dependencia de la probabilidad respecto
al estado de energa considerado es clara: cuanto mayor sea la energa menor es la probabilidad
del estado correspondiente; en consecuencia, los estados de menor energa son intrnsecamente ms
probables que el resto.
Pero, para resolver el problema, debe determinarse todava \i como una funcin de la energa
media (e) y de la 'naturaleza del sistema' Z, es decir, de los todos et. Ciertamente, resulta imposible
resolver la primera ecuacin respecto a/xen general. Sin embargo, por la monotona de la funcin
exponencial, es tambin obvio que (e) crece a la vez que p decrece, de suerte que existe una correspondencia unvoca entre sus valores, y por tanto, la distribucin queda totalmente determinada
dando el valor de una cualquiera de las dos. De hecho, puede darse una interpretacin fsica general
de tales ecuaciones, en la que p resulta ser ms fundamental que U.
La temperatura de la energa
Aceptando la definicin de temperatura dada por Kelvin, y con el slo uso de argumentos basados
en la 'intercambiabilidad' de cada sistema como descriptor del sistema real, se demuestra (vase,
por ejemplo, Schrdinger, 1952:9-13) que p = 1/kT en donde k es la constante de Boltzmann
(1,38 x 10 -16 ergios/grado) y T la temperatura. De este modo el fsico debe acometer la labor, en
cada caso particular, de dar la energa como funcin de la temperatura, en vez de a la viceversa, lo
que sera poco natural amn de bastante engorroso. Las ecuaciones (3.6) y (3.7) pueden rescribirse
ahora en su formato habitual:
<e> = ^ 5 > e x p ( - e * A T )
pt = - e x p (-et/kT)
(3-8)
',
(3.9)
Es claro que podra hacerse k = 1 y en tal caso la temperatura T se expresara en unidades de

energa, cumpliendo con la misin bsica de la temperatura clsica, a saber, dirimir la cuestin
de si dos sistemas se encuentran o no en equilibrio trmico y si, por tanto, intercambian energa
neta, con independencia de su naturaleza y de su 'estado energtico' (Alonso et Finn, 1968:456).
Esta independencia de - la temperatura respecto al sistema observado es lo que la convierte en una
magnitud tan apreciada por el fsico.
Si kT aumenta, la probabilidad de cada qstado e aumenta tambin va el factor exp(e,//cT),
pero como la probabilidad de todos ellos debe ser la unidad (pues el sistema se encuentra siempre
en un estado), Z debe aumentar tambin lo suficiente. En proporcin, el aumento de piobabilidad
es mayor para los estados de mayor energa, y en consecuencia, cuando la tcmpe atura aumenta,
las difciencias de probabilidad cntie los diversob estados disminuyen. En el lmite, cuando kT
3.
Recocido simulado
31
tiende a infinito la distribucin es uniforme y todos los estados son equiprobables. Cuando kT
disminuye ocurre justamente lo contrario: los estados de mnima energa se vuelven cada vez
ms y ms probables. Puesto que la energa total (y por tanto la media) es constante, y la funcin
exponencial montona, el denominador Z debe enjugar cualquier aumento o disminucin de la suma
X]exp(ti/hT) causado por, la variacin de la temperatura. De esta manera, para la,probabilidad
Pi, Z es un factor de normalizacin/ P a r a la energa media, asegura su constancia. De hecho,
en. funcin de Z pueden expresarse tanto la energa media del sistema como la probabilidad de
encontrarlo en un nivel de energa particular:
U-=kf2\ogZ
(3.10)
at = NkT
log Z
det
(3-11)
Balance detallado
P a r a el sistema escogido como 'descriptor' de entre aqullos que forman el conjunto de Gibbs, la
distribucin slo prescribe la probabilidad de encontrarlo en un estado determinado. El sistema, en
consecuencia, transita por los estados posibles pero, ajustndose a la distribucin de probabilidad
para la t e m p e r a t u r a T. Puede demostrarse que la razn entre las probabilidades de encontrar el
sistema en dos estados j y k es la misma que la razn entre las probabilidades de que tenga lugar
la transicin del sistema del estado k al j o del j al k (v. Reif, 1965:550):
Oj
fflfe
Vj_ _ Pki
Vk
= exp (--Ae/kT) -
(3. 12)
Pjk
en donde Ae = e &. La magnitud exp(Ae/kT) recibe el nombre de factor

mientras que la ecuacin se conoce como balance detallado.
de
Boltzmann
Indistinguibilidad
i Si la 'naturaleza del sistema' se conoce con suficiente exactitud, puede calcularse Z y predecirse la energa
media y el estado ms probable del sistema para cada temperatura T, lo que resuelve el problema planteado.
Si por el contrario, el sistema slo puede observarse en una situacin de equilibrio, quiz puedan inferirse
estadsticamente propiedades o valores de Z.
En este caso puede ser posible o no observar el sistema con suficiente detalle como para distinguir dos
estados aunque correspondan al mismo valor numrico de la energa. Cuando tal cosa no es posible conviene
modificar ligeramente las ecuaciones anteriores para tener en cuenta que, ahora, la naturaleza de cualquiera
de los N sistemas se describe mediante la enumeracin de sus posibles estados representados mediante sus distintos valores de energa ex, 62,^3,... , e . . . (cone, + i > e,)y el nmero de valores propios </i,<?2,53, ,<?t, ,
que se repiten es decir, distinguibles por medio de alguna caracterstica microscpica desconocida (y, por
consiguiente, indistinguibles en la prctica). Los nmeros gx son proporcionales a probabilidades intrnsecas e
indican si a prion algunos valores de energa son ms probables que otros en razn de que corresponden a un
mayor nmero de situaciones microscpicamente distintas, pero igualmente compatibles con la 'naturaleza
del sistema' (v. Alonso et Finn, 1968:450; Schrdinger, 1952:22-26, 89-95). La expresin de P es ahora
y la condicin de mximo se resuelve formalmente igual, obtenindose esencialmente la misma distribucin

pero con Z = 9t exp (/xe,). La discusin entre unas y otras versiones de la estadstica ha ocupado a los
fsicos durante largo tiempo (cf. Schrdinger, I952:passim; tambin Feller, 1950:38-41). Para lo que aqu se
trata, la nica diferencia notable entre ambos planteamientos, reside en que ste ltimo pone de relieve, con
ms evidencia, que la distribucin no tiene por qu ser montonamente decreciente en el plano a-e, pudiendo
existir un nivel de energa no mnimo cuyo nivel de ocupacin sea mximo, incluso a tempe aturas extremadamente bajas. Esto ocurre cuando la situacin del sistema, sus ligaduras, convieiten en inaccesibles otros
estados correspondientes a energas menores. La condicin es, ciertamente, que a tal nivel le correspondan
mltiples estados del sistema o metaestadoscorrespondientes a valores propios igualmente mltiples.
3.
Recocido simulado
32
Esta diferencia se apreciar mejor en el balance detallado, que ahora es:

P = Pl = exp (-Ae/fcT)
Pk
Pjk
(3.13)
9k
indicando claramente que la transicin entre estados no depende slo de la diferencia de energas entre ellos6.
Entropa
La identidad i = 1/kT es la ligazn fundamental entre la termodinmica de Clausius y la de
Boltzmann. Cada una de las otras magnitudes clsicas se identifican como funciones de U, i y Z.
En el caso de la- entropa la identificacin puede llevarse hasta el nmero de estados del conjunto
" de Gibbs, P, y as Boltzmann escribi:
S =
fclogP
*
(3.14)
y tal es la ecuacin que puede verse hoy en da en la lpida de su tumba en el cementerio central
de Viena aunque escrita como "S = k. logW". En el plano ms habitual de (e), /x y Z se tiene:
S = fclogZ + ^ r + cte
(3.-15)
en donde el trmino constante es nulo si existe un nico estado de energa mnima. En caso contrario,
es decir, cuando la energa mnima puede alcanzarse mediante distintos estados o estados metaestables, el trmino constante tiende a cero como fclogn, con n estados de igual energa, lo que implica
una entropa prcticamente nula salvo si n es extremadamente grande (cf. Schrdinger, 1952:1517). A partir de aqu, se puede obtener la expresin estadstica de cualquiera de las magnitudes dela termodinmica clsica con las conocidas relaciones de Maxwell (cf. Planck, 1926:108-124).
La interpretacin de la segunda ley segn el planteamiento de Boltzmann es simple a partir de la
ecuacin (3.14). Puesto que la distribucin de probabilidad corresponde al mximo de P , tambin
corresponde a la mxima entropa. La entropa es el 'nuevo potencial' que la fsica necesitaba en
aquellas situaciones que no poda abarcar la 'imagen' mecnica, en la que como potencial bastaba
la energa potencial. Para una temperatura dada, la segunda ley o ley de la entropa asegura que
la entropa slo puede aumentar o permanecer, es decir, que o bien el sistema se encuentra en los
estados ms probables segn la distribucin de probabilidad o bien tiende irremisiblemente a ellos.
Recurdese, de todas formas, que la segunda ley, as enunciada, slo es aplicable a sistemas aislados
del universo, sistemas en realidad inexistentes. En este sentido, conviene recordar que (3.14) es
una expresin todava discutida hoy en da (cf. Prigogine et Stenger, 1984:passim) en tanto que
expresin absolutamente general de la entropa macroscpica; a este respecto Prigogine y Stengers
6
E1 reconocimiento cabal de este tipo de fenmenos en un laboratorio tuvo lugar durante la investigacin del
magnetismo sobre 'vidrios de espines' a muy bajas temperaturas. A beneficio del lector curioso puede incluirse un
breve resumen del asunto. Tales vidrios son substancias que, como el vidrio corriente, no presentan distribuciones
regulares de la propiedad de inters: molculas en ste, espines en aqullos. En sustancias como el hierro, a temperaturas por debajo de una crtica, los estados de mnima energa se caracterizan localmente: cada pareja de espines
se alinea con el mismo sentido, lo que se denomina comportamiento ferromagntico (por encima de-la temperatura
crtica, los espines se orienta al azar, lo que se denomina paramagnetismo); el mnimo de energa del sistema se
obtiene trivialmente: todos los espines alineados en el mismo sentido. Pero si se mezcla en las debidas proporciones hierro y cobre, u oro, los espines de los electrones de conduccin, considerados por parejas, pueden presentar
tanto comportamiento ferromagntico como antiferromagntico (en el que la energa de la pareja es mnima si ambos
espines se alinean pero con sentidos contrarios). Este comportamiento dual parece depender de la distancia: para
determinados intervalos Jo 'ptimo' es alineacin ferromagntica, para otros, la contraria; ambas series de intervalos
estn intercaladas. Si la distancia es fija resulta igualmente trivial localizar la configuracin de mnima energa para
cada pareja. Pero considrese un tringulo: puede ocurrir que el espn del primer vrtice debiera apuntar hacia
arriba si se considera el segundo vrtice, pero si se considera el tercero debiera hacerlo hacia abajo; el espn 'est
frustado' pues no puede satisfacer ambos criterios a la vez; y adoptar una u otra orientacin al azar. Si se considera
un sistema completo, la configuracin ptima no es trivial y el problema de su clculo resulta intratable, del mismo
modo que probablemente lo es el problema del viajante de comercio. Aqu, la situacin es todava peor, los experimentos directos para contestar a la pregunta "son los vidrios de espines una nueva fase de la materia o un fase
'perezosa' de material paramagntico?" tambin son irrealizables, hasta la fecha, por la misma razn: deberan durar
tiempos prcticamente infinitos. Del aparato matemtico desarrollado para su estudio terico 'naci' el recocido
simulado que, curiosamente, no ha conseguido resolver este prob!ema que permanece sin contestar; cf. Kirkpatiick
et Sherrington, 1978; Kirkpatrick et ah, 1984:673; Stein, 1989.
3.
Recocido simulado
33
resulta lapidarios : "Boltzmann intent salvar la visin mecnica del mundo a costa de reducir la
segunda ley a una afirmacin de probabilidad, con gran importancia prctica pero sin significado
fundamental" (op. cit. p. 288).
La aventura intelectual de la termodinmica estadstica reside en la confirmacin de las leyes
clsicas de un modo tan general como el expuesto, sin necesidad de invocar ms condicin particular
que la derivada de admitir que "lo ms probable suceder". El puro azar, con la nica condicin
de la constancia de la energa total a repartir, resulta as tener sentido, el cual popularmente ha
venido a denominarse "flecha del tiempo" 8 .
Para Boltzmann, la perspectiva abierta resultaba enormemente prometedora: "Slo podemos
aludir en pocas palabras' a las amplias perspectivas que se nos abren, si pensamos en la aplicacin
de esta ciencia [la mecnica estadstica de Gibbs] a la estadstica de los seres vivos, de la sociedad
humana, de la sociologa, y no solamente a sus cuerpos mecnicos" (1905:223). Hasta cierto punto,
el recocido simulado da satisfaccin a su esperanza, pues como se ver consiste en una exploracin
muestral basada en los mismos principios.
Las ecuaciones derivadas hasta ahora para concretar la descripcin informal del recocido son
insuficientes. La razn es que exigen el clculo de Z, lo que, en trminos del problema del viajante de
comercio, por ejemplo, exige una suma sobre todos los recorridos posibles y, por tanto, un algoritmo
exponencial. Sin embargo, es posible un tratamiento 'muestral' de las ecuaciones, requiriendo
muestras que representan una fraccin logartmica de todos los estados posibles para el conjunto
de Gibbs. Tal tcnica requiere detallar ligeramente las realizaciones prcticas de la termodinmica
estadstica.
3.2
El mtodo de Monte Cario
El rea de un cuadrado de lado a vale a2 Cuntovale el rea del crculo inscrito en el cuadrado? La
hiptesis griega fue que valdra 7ra2/4, siendo n una constante a determinar, y son bien conocidos
los esfuerzos de Arqumedes por cuadrar el crculo, es decir, obtener un buen valor de ir. Puede
emplearse tambin el azar: si se lanza varias veces una pelota al buen tuntn sobre el cuadrado y
se anota, cuidadosamente, el nmero de veces que cae dentro.del crculo, entonces una cuadratura
evidente es:
TV _ rea del crculo ^ aciertos dentro del crculo
,
.
4
a2
lanzamientos
En esencia, el mtodo de Monte Cario se reduce al empleo de tan simple tcnica en cualquier
problema. La tcnica fue sugerida por George Lous Leclerc, conde de Buffon, hacia 1760 (v.
Collette, 1979:223-224). El mtodo por l propuesto consiste en tirar una aguja de coser de
longitud i sobre un plano en el que previamente se han dibujado paralelas a una distancia d. Un
sencillo clculo de probabilidades muestra que la aguja atravesar una paralela con una frecuencia
2i/nd, lo que proporciona un mtodo para el clculo de n. De hecho, un mtodo mejor que el
ejemplo del crculo, pues est menos sujeto a sesgo9, vase figura 3.1. -
Ciertamente, en el caso del crculo o en el de las paralelas, el clculo integral clsico permite
realizar la cuadratura o el.clculo de la probabilidad, con completa precisin. La integracin
7
E1 pensamiento de Boltzmann es demasiado rico como para resumirlo aqu; sin embargo, en mi opinin, los
autores citados realizan un juicio excesivamente rgido sobre l. En otras notas al pie, se ha dado y se dar muestra
de ello.
8
El significado filosfico del planteamiento de Boltzmann provoca todava hoy largas discusiones, como ocurre
con su 'frmula'. Sera imposible resumir aqu las lineas maestras del debate, pero pueden consultarse las siguientes
obras:'Planck, 1926 102-107, Schrodinger, 1944, Prigogine e Stenger, 1984; Rifkin, 1989; Fernndez-Galiano, 1991;
Fernndez Duran, 1993. Con relacin a la arquitectura, s merece la pena resaltar un aspecto: un tpico que abunda
en la literatura afirma que el 'orden' puede relacionarse positivamente con la disminucin de la entropa en trminos
absolutos. Basta ver que el concepto de 'orden' (habitualmente utilizado como precepto esttico) no est bien
formalizado en el plano cientfico para refutar tal relacin, que en general resulta arbitraria Un anlisis detallado
de la cuestin resultara instructivo pero no cabe en estas pginas, aunque en el captulo 6 se mostrarn algunos
ejemplos, el lector interesado encontrar un anlisis sucinto y elegante en Ainheim, 1971.
Un buen lanzador'podn'a dedicarse a dar en el blanco en el centro del crculo, pero difcilmente podra mostrar
su habilidad con un aguja de coser, si esta obligado a tirarla desde una altura mnima acordada.
3.
Recocido simulado
34
Figura 3.1: Clculo de ir mediante muestras.

A la izquierda, mediante puntos al azar en un cuadrado. A la derecha, mediante lanzamientos de aguja en
una retcula Para 100 puntos o agujas, el valor de ir es de 4 x 84/100 = 3,36 y 2 x 100/66 = 3,0303 ,
respectivamente
analtica puede de todas formas fallar en otros casos, si el integrando es complicado o si los lmites
de integracin no son analticos. Pero an entonces los mtodos numricos las cuadraturas de
Simpson, Romberg o Gauss pueden hacer frente, en general, al problema; as que para qu sirve
el mtodo de Monte Cario?
Considrese el clculo de / / dV en una espacio de n dimensiones. Si se elige una cuadratura
numrica apropiada para / tal que, para el grado de precisin deseado, se requiere en una dimensin
m puntos de integracin es decir, m evaluaciones de /, entonces es fcil ver que para resolver
el problema harn falta como poco mn puntos. Si la complejidad temporal de la evaluacin de /
es polinmica en el nmero de dimensiones, es decir, 0(na) para un entero a (lo que 'cubre' un
numeroso conjunto de funciones complicadas), entonces el problema es intratable con un algoritmo
semejante (cf. Binder, 1986:4; Press et ah, 1988:137-138). Los problemas para la integracin
numrica y, por tanto, las causas de intratabilidad no acaban ah: en un espacio n-dimensional
la superficie lmite del dominio de integracin puede ser compleja, incluso fractal, de modo que
cualquier aproximacin basada en cuadraturas unidimensionales puede fracasar en un caso concreto
Por el contrario, la respuesta estndar del mtodo de Monte Cario es casi siempre imprecisa pero
tratable: si se eligen N puntos al azar segn una distribucin uniforme dentro de V, la respuesta
al problema planteado es
2
fdV*(f)V
v< <(f )-(f)>

N
(3.17)
donde {) denota el valor medio sobre la muestra de JV puntos 10 . La clave del asunto radica en
cmo se gana precisin: si se desea reducir el error de una primera integracin por-un factor a > 1,
basta posiblemente con incrementar el tamao de la muestra hasta TV' puntos, tal que iV' = a2N,
y por tanto coloquialmente se trata de un algoritmo de aproximacin polinmico, al menos bajo
la hiptesis de que el tamao del problema est esencialmente determinado por un polinomio de n
y de que con una primera muestra con un tamao N < 0(na), se obtenga un valor 'consistente'
de la variancia de / , que es lo que estima, esencialmente, el,segundo de los sumandos. En otros
contextos, esta propiedad es descrita como un inconveniente con frases como 'cada nueva cifra
decimal exacta, requerir multiplicar por cien el nmero de puntos de la muestra': dicho de otra
manera, la convergencia del mtodo es asinttica y, por tanto, lenta (Press et ah, 1988:138). Sin
embargo, en muchos casos de inters en los que n > 15, cifras del orden de, por ejemplo, 1004 n
se comparan muy favorablemente con 4 n . As las cosas, la idea de Buffon fue retomada en la
dcada de los 50, segn la sugerencia de John von Neumann y S. Ulam en 1948 (cf. Metrpolis et
ah, 1953:1.088.).
10
E1 segundo sumando es una estimacin estndar del error cometido en la integral, no un lmite riguroso, ms an,
puesto que rio hay ninguna garanta de que la distribucin del error sea gaussiana, el error estimado debe tomarse
como una grosera indicacin del error probable, cf Press et ah, 1988 237 y ss'
3.
35
Recocido simulado
Considrese ahora el problema de integrar una funcin g sobre una regin W, tan compleja que
es difcil muestrearla. Basta con encontrar una regin de fcil muestreo, V, que incluya a W, y
definir una funcin / que sea igual a g en los puntos de W y nula fuera. Cuanto menor sea V W
tanto mejor, puesto que los valores nulos de / incrementan el error estimado. Es, desde luego,
necesariamente as: los puntos en el exterior de W no contienen informacin alguna, de manera
que el valor efectivo de JV se reduce (lo que se tiene en cuenta en la estimacin del error). Puesto
que por su naturaleza: es imposible construir un algoritmo de Monte Cario con carcter general,
resultar conveniente incluir un ejemplo, lo que permitir mostrar tcnicas esenciales en el recocido
simulado.
3.2.1
El p e s o del c o n j u n t o de M a n d e l b r o t
Supngase que se desea obtener el peso y la posicin del centro de gravedad de un objeto de forma
muy complicada, por ejemplo del conjunto de Mandelbrot. En realidad, la definicin del conjunto
es ms bien breve:
El conjunto de Mandelbrot, M, est formado por todos los nmeros complejos c = x+yi,
para los cuales todos los trminos z, de la serie infinita ZQ = 0, zx = z?_1+c, para i
1, 2, 3 , . . . distan del origen una distancia menor o igual que 2, es decir, \ zt\< 2 para
todo i (para ms detalles, Jurgens et ah, 1990).
Aqu, W es M y las funciones g que hay que integrar sobre W son
P=
pdxdy,
g=Ti
xpdxdy,
yg = / ypdxdy
(3.18)
Jw
P Jw
P Jw
Es claro que el 'clculo' del dominio de integracin W es irrealizable por que es 'infinito'.
Aunque pueden obtenerse buenas aproximaciones comprobando la distancia al origen de los n
primeros trminos de la serie. Si para un nmero c ocurre que | zt |> 2 para algn i < n, c no
pertenece a M. Si ocurre lo contrario no se sabe nada, pues bien pudiera ocurrir que \zt\> 2 para
i > n. Si al conjunto de nmeros c que puede que pertenezcan a M despus de la inspeccin de n
trminos de su serie, se le denomina M n , es claro que M est incluido en M. La simple inspeccin
de la ecuacin | z\ |> 2 muestra que M est incluido en un crculo de radio 2 con centro en el
origen. El clculo es 'infinito' por otra razn: hay que comprobar cada punto c del plano complejo
dentro de dicho crculo, debido a que la naturaleza fractal del borde no permite asegurar ninguna
'continuidad' de la serie en puntos infinitamente prximos y situados en l; lo que significa una
nueva infinidad de .puntos y de clculos aunque slo se compruebe una serie finita para cada punto.
Para obtener, pese a todo, una imagen del conjunto lo convenido es comprobar los n primeros
trminos de una retcula de A x B elementos extendida en un cuadrado de lado 4 centrado en
el origen del plano, obtenindose un conjunto de puntos MnAxB que pudieran pertenecer a M,
vase figura 3.2. Sin embargo, ahora no puede afirmarse que el conjunto MnAxB incluya a M ni
lo contrario. De este modo puede darse una aproximacin al rea de M en funcin del nmero N
de elementos de Mn AxB
N
rea de M w 16-rrr
AB
aunque sin saber si la aproximacin es por exceso o por defecto.
En esencia el uso de la retcula es una integracin multidimensional en la que se ha tomado
prestada una idea del mtodo de Monte Cario: realizar la bsqueda en un espacio V bien definido
y fcil de explorar sistemticamente con una funcin / igual a 1 dentro de M y nula fuera de l. De
hecho, si el peso especfico es uniforme, el clculo de las ecuaciones (3.18) puede llevarse a cabo a la
vez que el de Mn^xB- Ciertamente, puede prescindirse de la retcula y generar AxB puntos al azar
dentro del cuadrado de lado 4 con un esquema Monte Cario puro. Ahora las coordenadas de c se
eligen con expresiones del tipo x = 2 + 4.4, donde A es un generador 11 de nmeros unifoimemente
distribuidos en [0,1).
En adelante, cada mencin de A denota un nuevo valor aleatorio de una sene finita, siendo todos ellos igualmente
probables
3.
Recocido simulado
36
Figura 3.2: Conjunto de Mandelbrot

La figura es la representacin del conjunto Mioooo.i ooixi ooi
Tabla 3.1: Peso y centro de gravedad del conjunto Mioooo,/4xB para p = 1.

La conjetura acerca de la solucin es- P 1,51 en (-0,287,0)
Retcula
'
Azar en cuadrado
AxB
Vg
Vg
16
64
256
1024
4096
16384
65536
2,00
1,00
1,62
1,50
1,49
1,52
1,51
-0,500
+0,000
-0,317
-0,292
-0,290
-0,286
-0,288
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
1,50
1,50
1,56
1,54
1,54
1,51
0,968
0,583
0,291
0,148
0,0736
0,0368
0,0183
+0,167
-0,0998
-0,216
-0,232
-0,277
-0,284
-0,281
0,478
0,203
0,138
0,0873
0,00616
0,00949
0,00134
Los resultados se muestran en la tabla 3.1. Desde luego el clculo de yg es en teora innecesario,
pues dada la simetra de la figura se sabe que es cero. Sin embargo, los valores calculados muestran
expresivamente los errores. Los resultados muestran lo que cabe esperar de un esquema Monte
Cario en el caso lmite peor, pues ntese que este ejemplo (a pesar de la aparente complejidad
para una integracin multidimensional estndar) se ha elegido por la 'escasa' dimensionahdad del
dominio, a fin de mostrar los inconvenientes del mtodo, ms que sus ventajas. Ntese igualmente
que^V W puede estimarse en 14,5, casi diez veces el dominio que se pretende integrar, lo que en
teora no aconsejara apostar muy fuerte por la convergencia del algoritmo en este caso 12 .
Hasta ahora se ha supuesto que p es constante. Pero si, por el contrario, fuera una 'fuerte'
funcin de la distancia al centro r, digamos (100r2 + 1 ) - 1 , el problema de la integracin se agudiza.
Ciertamente, puede continuarse como si tal cosa, con lo que podra llamarse mtodo Monte Cario
estndar. Pero no se tratara del mejor procedimiento. Puesto que p decrece bastante rpidamente
hacia cero segn c se aleja del origen, muchos de los puntos de la muestra dentro de W, contribuyen
poco al peso y a los momentos. Esos puntos son desperdiciados: segn se alejan del centro pierden
utilidad como les sucede a los exteriores a W, pues su contenido de informacin es decir, su
peso disminuye con p.
.Dado que la mayor cantidad de masa se encuentra en las proximidades del origen, lo ideal
sera tomar 'proporcionalmente' ms puntos cerca del mximo que lejos de l. Y puesto que los
12
Puede reducirse V a un crculo de radio 2 y entonces V W es como 11, de todos modos mas de siete veces W
Esto puede hacerse de una manera sencilla utilizando una versin trivial del mtodo de rechazo habitual en calculo
de probabilidades (cf Press et ah, 1988 218-224) se elige un punto del cuadrado con probabilidad uniforme, si est
fuera del crculo se rechaza y se elige otro As hasta elegir uno dentro Desde luego como media el nmero de
evaluaciones de A aumenta en un factor 4/7T
.1
^
rtt
?C^
3.
Recocido simulado
37
puntos son elegidos segn una distribucin de probabilidades hasta ahora uniforme, bastara
con elegir una distribucin 'apropiada' a p para que ninguno de los puntos en el interior de W fuera
desperdiciado. Veamos como puede construirse una 'eleccin' semejante.
3.2.2
Transformacin de probabilidades
Si se dispone de un generador x de nmeros al azar en [0,1) la probabilidad de generar un nmero

entre x y x + dx, denotada p(x)dx, esta dada por
p{x)dx = \
10
~
en otro caso
(3.19
La distribucin de probabilidad est por supuesto normalizada, es decir, fp(x)dx = 1. La funcin

p(x) se denomina densidad de la distribucin, atendiendo a que, para obtener una probabilidad,
todava hay que multiplicarla por un intervalo dx. As la distribucin uniforme tiene densidad 1
para todo x.
A una funcin de densidad y(x) le corresponder una distribucin de probabilidad, p(y)'d(y),
que puede determinarse por la ley fundamental de transformacin de probabilidades, que expresa
simplemente que la probabilidad del suceso "y entre y e y + dy" es la misma que la de "x entre
x y x + dx": \p(y) dy\=\p(x) dx\, o bien p(y) = p(x) \dx/dy\. De manera que y{A) es un nuevo
generador con la densidad calculada, p(y). En ciertas condiciones esto permite recorrer el camino
inverso.
Si lo que se precisa es un generador y de nmeros segn una distribucin arbitraria normalizada,
definida con densidad p(y) = h(y) para una funcin positiva h, lo nico que se necesita es resolver
la ecuacin diferencial dx/dy h(y). Si la integral indefinida de h(y) es H(y), la solucin de la
diferencial es justamente x = H(y). Por tanto, la transformacin
y(x) = H~l{x)
(3.20)
convertir el generador inicial, A, correspondiente a una distribucin uniforme, en un nuevo generador y(A) de nmeros con la densidad h(y). Esto es posible si resulta fcil calcular 'la funcin
inversa de la integral de h(y) (Press et aln, 1988:214 y ss.)
Volviendo al ejemplo, lo mejor desde luego es realizar la eleccin en coordenadas polares, lo
que de paso permite reducir V al crculo de radio 2. Es decir, elegir c en la forma rexp (iQ) en vez
de x + yi. No hay duda en que el ngulo puede elegirse simplemente con 6 = 2TTA donde como
antes A es el generador con distribucin uniforme en [0,1). Para elegir r debe tenerse en cuenta
que la probabilidad de elegir un nmero entre r y r + dr debe ser proporcional a 2nrpdr, es decir,
la distribucin debe ser proporcional al peso de un anillo circular (o si se prefiere a la cantidad
de informacin). Pero debe estar normalizada; teniendo en cuenta que el radio vara en [0,2], la
distribucin buscada es:
. . ,
2-nprdr
p[r) dr = K
J0 2nprdr
Ntese que la integral en el denominador cumple el papel de factor de normalizacin (como era el
caso de la funcin de particin Z en la distribucin de Boltzmann). En el caso p = 1, p(r) resulta
igual a r / 2 lo que conduce a la regla de eleccin r = V4A, que distribuye uniformemente los puntos
en el crculo Para
P = /?r2 + l
la regla se complica:
'(40 + 1)^ - 1 *
Los resultados para dos definiciones 'fuertes' de p se muestran en las tablas 3.2 y 3 3. Resultan lo
suficientemente expresivos como para que sea innecesario comentarlos 13 .
13
La conexin del algoritmo de recocido con los algoritmos para la generacin de figuras fractales puede astrearse
3.
Recocido simulado
38
Tabla 3.2: Peso y centro de gravedad del conjunto MinootMxjB para p =

La conjetura acerca de la solucin es: P K 0,116 en (-0,0683,0)
Retcula
Azar en crculo
AxB
Vg
M.
16
0,0392 -0,5
0 0,118 0,0228
-0,0303 +0,0317
64
0,0741 0
0 0,118 0,0114
-0,0678 +0,0552
256
0,103
-0,101
0 0,126 0,00554
-0,0565 +0,00308
1024 0,115
-0,0675 0 0,121 0,00282
-0,0643 -0,0119
4096 0,116
-0,0667 0 0,116 + 0,00143
-0,0723 -0,006
16384 0,116
-0,0686 0 0,116 0,000716 -0,0685 -0,0045
65536 0,116
-0,0684 0 0,115 0,000358 -0,0686 -0,00158
100r V 1-
Tabla 3.3: Peso y centro de gravedad del conjunto Mioooo,/lxB para p = 10 OOOr^
+ l'
La conjetura acerca de la solucin es. P 0,259 en (0,0313,0)
Retcula
Azar en crculo
A XB
16
64
256
1024
4096
16384
' 65536
3.2.3
0,04
0,0799
0,124
0,169
0,209
0,242
0,257
Xa
J/g
Xg
J/g_
-0,5
-0
0
0
0
0
0
0
0,25 0,036
0,255 + 0,0176
0,27 0,00812
0,264 0,00422
0,258 0,00217
0,258 + 0,00108
0,259 + 0,000541
-0,0922
-0,0423
-0,0335
-0,0273
-0,0343
-0,0312
-0,0312
+0,00611
+0,0104
+0,00417
+0,00187
-0,00255
-0,0002
-0,000155
+0
-0,0868
-0,047
-0,0378
-0,0338
-0,0316
I n t e r p r e t a c i n g e o m t r i c a de la probabilidad
La ecuacin (3.20) permite resolver la construccin de generadores si se satisfacen las condiciones

indicadas. Algunos casos slo ligeramente ms complicados pueden resolverse mediante simples
argumentos geomtricos y un juego de transformaciones.
Puesto que la probabilidad p(y) dy de que un nmero se encuentre entre y e y + dy, es tambin
el rea diferencial bajo la curva p(y), un generador de nmeros con densidad p(y) puede construirse
con la siguiente regla: elgase al azar un punto (x,y) en el rea bajo la curva p(y), entonces y es el
nmero generado.
Con argumentacin similar, puede interpretarse la ecuacin (3.20) en la figura 3.3: puesto que
p(y) est normalizada, el rea bajo la curva vale siempre 1. Los puntos en esta superficie pueden,
ordenarse parcialmente por la fraccin de rea que queda a su izquierda. El valor entre 0 y 1
suministrado por el generador uniforme indica entre qu puntos (x, y) debe elegirse uno cualquiera:
todos aqullos que tienen a su izquierda una fraccin A del rea total, es decir, el segmento AB de
la figura, y a todos ellos les corresponde el valor y, que es el nmero generado con densidad h(y).
En el caso de que la densidad de la distribucin est definida por intervalos:
hi(y)
p(y) = <
si y e [2/1,3/2)
si y e [2/2,3/3)
para cada uno de los cuales la transformacin (3.20) es factible, lo nico que resta es decidir qu
intervalo utilizar en cada ocasin. Denominando
'
/J/.+I
At=
p(y) dy
en Jurgcns et ah, 1990 Ntese que el conjunto de Mandelbrot no es una figura con dimensin fraccionaria, aunque
s lo es su permetro
3.
Recocido simulado
39
Figura 3.3: Interpretacin geomtrica de la probabilidad

La funcin H{y) es la integral de p(y) = h(y) e informa de la fraccin de rea bajo p(y) que queda a la
izquierda de todos los puntos (x,y) para cada valor de y, representados por el segmento AB
los intervalos quedan ordenados por la fraccin del rea total que queda a la izquierda de su lmite
superior. La regla para elegir entre ellos es entonces: elgase el intervalo de menor ndice i tal que
A < At.
Para las transformaciones que se necesitarn en los captulos siguientes, este conjunto de tcnicas
es suficiente14.
3.2.4
E s q u e m a M o n t e Cario 'especial'
La transformacin de probabilidades es til, nicamente si la parte del integrando no uniforme

en W que se desea eliminar es integrable analticamente y el resultado puede ser analticamente
invertido. Muchas veces no ocurre as. En tales casos, la nica alternativa al mtodo Monte Cario
estndar consiste en 'sacar' fuera de la integral el 'mejor' factor que pueda ser integrado y, despus,
invertido. 'Mejor' significa aqu que el integrando 'restante' sea en W tan constante, tan uniforme,
como sea posible.
El caso lmite resulta instructivo y conduce a una observacin til en lo que sigue: si se consigue
convertir el integrando / en exactamente constante, y si la regin V, cuyo volumen es conocido,
coincide exactamente con la regin W, entonces la media de / calculada coincidir con su valor constante y el error ser nulo. De hecho, la integral vale exactamente fV y el mtodo de
Monte Cario resulta enteramente superfluo. Por comparacin con este, caso lmite, la integracin
de Monte Cario ser tanto ms exacta cuanto ms constante sea el integrando tras una transformacin de probabilidades y ms se parezca la regin de muestra al dominio-de integracin (cf. Press
e ah, 1988:240-241).
Si el mtodo de Monte Cario en esta versin, digamos, especial ha sido usado con xito en
algunas especialidades de la fsica se debe a que, en ellas, se ha podido desarrollar de un modo
formal su especial esquema Monte Cario. Generalmente ocurre as cuando la forma de la integral de
inters se ajusta a un modelo invariante, que puede ser estudiado en profundidad antes de acometer
clculos concretos. Tal es el caso del algoritmo de Metrpolis en relacin a la mecnica estadstica.
3.3
El algoritmo de Metrpolis
Cualquier propiedad macroscpica y observable, A, de un'sistema como el descrito en 3.1, puede

ser predicha estadsticamente si el valor de la propiedad esta ligado al estado particular en el que
* u P a r a casos ms complicados se cuenta todava con otros recursos, como el mtodo de rechazo [rejection
anteriormente aludido, vase la nota 12
method)
<i>
3.
Recocido simulado
40
se encuentre el sistema, es decir, si al igual que ocurre con la energa, a cada estado 1 , 2 , 3 , . . . , i,...
le corresponden valores bien definidos A\, Ai, A3,.. , At,...
Para una temperatura dada, el valor
medio, o ms probable de A ser:
Âlal
(A) = ^=
= 5>,exp(-e,/fcT)
(3.21)
Esta ecuacin, en la que A es por ejemplo la presin, es la que hay que resolver para calcular la
ecuacin de estado del sistema, cualquiera que sea ste. *
La suma (3.21) no puede llevarse a cabo por las cuadraturas numricas usuales si el nmero de
grados de libertad del sistema es elevado, pues este nmero define la dimensionalidad del dominio
de integracin, con las consecuencias analizadas en 3.2. Tampoco mediante el mtodo Monte
Cario estndar, debido a que en un'nmero grande de puntos de la muestra el factor exp (et/kT)
ser probablemente nulo, por tratarse de estados improbables, lejanos del estado de equilibrio a la
temperatura T.
Nicholas Metrpolis y sus colegas Arianna y Marshall Rosenbluth, y Augusta Teller construyeron en 1953 un mtodo Monte Cario especial para tal integral que, con el paso del tiempo, se
conoce como algoritmo de Metrpolis. Con sus propias palabras 15 : "el mtodo que usamos es realmente un esquema Monte Cario modificado en el que, en vez de escoger configuraciones al azar para
ponderarlas con exp (i/kT), escogemos configuraciones con una probabilidad exp (el/kT) y las
ponderamos uniformemente" (p. cit. p. 1088). En nuestros trminos, 'sacan' el factor exp (et/kT)
fuera del integrando mediante una transformacin de la distribucin de probabilidad anloga a la
vista ms arriba. Aunque en realidad introdujeron otra importante novedad como veremos.
Trabajaban con conjuntos de molculas de una sustancia en un volumen dado (es decir, V <= W,
cf. 3.2), representadas esquemticamente por discos en una superficie. Las fuerzas de interaccin
entre molculas consistan en funciones de posicin pero no de velocidad, de modo que el espacio
era de dimensin 2n para n molculas. Un estado o configuracin de la sustancia se define por
tanto especificando la posicin de las n molculas. Un mtodo Monte Cario especial consistira
en escoger configuraciones de modo acorde con los niveles de ocupacin correspondientes, es decir,
eligiendo posiciones para las n molculas segn 2n ecuaciones (3.21), pero sustituyendo A por cada
una de las 2n coordenadas (cf. Schrdinger, 1952:22), lo que resulta en un completo crculo vicioso.
Para sortear esta insalvable dificultad sustituyeron el muestreo en el espacio por un 'proceso', ms
exactamente por una cadena de Markoy, del siguiente modo:
"Situamos las N partculas en una configuracin [... ] Entonces movemos cada una
de las partculas en sucesin de acuerdo a la siguiente regla:
x*-x
+ ai,
y-2/ + c*2
(3.22)
donde a es el desplazamiento mximo permitido, que en atencin a este razonamiento

es arbitrario, y 1 y 2 son nmeros aleatorios1 entre 1 y 1. Despus de mover cada
partcula [... ] calculamos el cambio de energa del sistema Ae causado por el cambio. Si
Ae < 0, es decir, si el cambio lleva al sistema a un estado de menor energa, lo aceptamos
. y situamos la partcula en su nueva posicin. Si Ae > 0, aceptamos el cambio con una
probabilidad exp(Ae/kT), es decir, elegimos un nmero aleatorio 3 entre 0 y 1, y si
3 < exp(Ae/kT), cambiamos la partcula a su nueva posicin. Si 3 > exp(Ae/kT),
la devolvemos a la antigua. Entonces, tanto si el cambio se ha aceptado como si no,
es decir, tanto si estarnos en una configuracin diferente o en la original, consideramos
que estamos en una nueva configuracin para el propsito de calcular nuestra medias.
En la citas que siguen en este captulo, no se cproducc con fidelidad la notacin empleada por los autores, a fin
de evitai una multiplicacin excesiva de notaciones para las mismas magnitudes.
/ -
3.
Recocido simulado
41
De modo que
donde A3 es el valor de la propiedad A del sistema despus de que se ha llevado a

cabo el cambio j segn las reglas expuestas ms arriba. Habiendo intentado mover una
partcula, procedemos en manera similar con la siguiente."
En esencia, la distribucin de probabilidades exp(el/kT) se aplica al cambio de configuracin, no
a su eleccin como exige el esquema de Monte Cario. La pregunta pertinente es, por tanto, se
trata, de todas maneras, de un muestreo legtimo? A la vista del balance detallado, ecuacin (3.12),
la respuesta es afirmativa, al menos en lo tocante a las ecuaciones de la termodinmica estadstica.
En realidad, la respuesta puede ser afirmativa en general, si una cadena de Markov de N sucesos
un "proceso" es equivalente en trminos de probabilidad a JV sucesos simultneos (esta es una de
las posibles definiciones de la 'ergodicidad', pero hay otras, vase Prigogine et Stengers, 1984:266;
Feller, 1950:389). Existen demostraciones generales de equivalencia y teoremas de lmite en la
teora de procesos estocsticos que fundamentan la convergencia, que se indicarn ms adelante.
Pero merecer la pena reproducir aqu el argumento del grupo de Metrpolis, por lo que tiene de
intuitivo (op. cit. pp. 1088-1089; una argumentacin ms detallada, con multitud de referencias
adicionales, puede encontrarse en Binder, 1986:4-7).
"Demostraremos ahora que el mtodo descrito [... ] elige configuraciones con una
probabilidad exp(el/kT), Puesto^que una partcula puede moverse a cualquier punto
dentro de un cuadrado de lado 2a con una probabilidad finita, resulta claro que un gran
nmero de cambios le permitir alcanzar cualquier punto dentro del cuadrado completo.
Puesto que esto es cierto para todas las partculas, podemos alcanzar cualquier punto
en el espacio de configuraciones. Por tanto, el mtodo es ergdico.
Considrese a continuacin un conjunto de sistemas muy grande. Supngase por
simplicidad que existe un nmero finito de estados del sistema, y que Oj es el nmero
, de sistemas del conjunto en el estado j . Lo que tenemos que probar es que, despus de
muchos cambios, el conjunto tiende a una distribucin
a3 oc exp(e}/kT)
Consideremos un cambio en todos los sistemas del conjunto. Sea n^ la probabilidad
a prion de que un cambio lleve un sistema en el estado j al estado k. (Por una probabilidad a prion queremos decir la probabilidad antes de discriminar con exp(-Ae/A;T)).
En primer lugar, es claro que 7 ^ = Wk}, puesto que de acuerdo con las reglas del juego,
una partcula puede moverse con igual frecuencia dentro del cuadrado de lado 2a centrado sobre su posicin original. De este modo, si los estados j y k difieren nicamente
por la posicin de la partcula movida y cada una de sus posiciones se encuentran dentro del cuadrado de la otra, las probabilidades de transicin son iguales; en otro caso,
ambas son nulas. Supngase que e-, > e&. Entonces, el nmero de sistemas que cambian
del estado j al k ser simplemente CLJTTJ^ puesto que se permiten todos los cambios a un
estado de menor energa. El nmero que cambia de k a j ser a^Trêxp ((e-, ek)/kT),
puesto que aqu tenemos que ponderar por el factor exponencial. As que el nmero
neto de sistemas que cambian de k a j es
7rfcj(afcexp(-(ej - efc)/fcT) - a3)
Se ve que entre cualquiera dos estados j y k, si
^->exp(-(eJ-efc)/fcT)
3.
Recocido simulado
42
como media ms sistemas cambiarn de j a k. Hemos ya visto que el mtodo es ergdico,

es decir, que cualquier estado puede ser alcanzado desde cualquier otro, aunqife en varios
cambios. Estos dos hechos significan que nuestro conjunto tiene que aproximarse a la
distribucin cannica [... ]
El argumento anterior por supuesto no especifica cunto de rpidamente se llega
(...) Debe mencionarse a propsito de esto que el mximo desplazamiento a tiene que
ser elegido con cuidado; si demasiado grande, casi todos los cambios se prohibirn, y
si demasiado pequeo, la configuracin no cambiar lo suficiente. En ambos casos, se
tardar ms tiempo en llegar al equilibrio"
El algoritmo de Metrpolis no es ms que lo anterior, pero tampoco menos. Sus elementos
esenciales se destacan y distinguen a continuacin.
Equivalencia entre el conjunto de Gibbs y una cadena de Markov
La argumentacin de Metrpolis y sus colegas vuelve a utilizar un conjunto de N sistemas, aunque
su algoritmo traza la secuencia de iV estados de un sistema 'descriptor'. Como se vio, los sistemas
del conjunto de Gibbs evolucionan simultneamente en el tiempo de acuerdo a probabilidades
absolutas con la distribucin (3.7). Por su parte, el 'descriptor' transita por una 'cadena de Markov',
que, en este contexto, no es ni ms ni menos que la sucesin de estados por las que pasa uno
cualquiera de los sistemas considerados, y en particular el elegido como 'descriptor'. Esta sucesin
est regida por probabilidades de transicin (o, si se prefiere, condicionales), segn el balance
detallado, ecuacin (3.12). ste es un aspecto crucial de la teora desde el punto de vista de la
fundamentacin matemtica, que se ha descubierto til en un sinfn de disciplinas, muy en particular
en el estudio de la biosfera (cf. Margalef, 1980:23,76). El hecho clave es que las probabilidades de
transicin de la cadena, definen de manera precisa las absolutas del conjunto (Feller, 1950:388389). Algunos detalles de esta equivalencia son pertinentes para el recocido simulado de algunos
problemas, y se examinarn ms adelante.
Generador de transiciones entre configuraciones
Las transiciones son generadas al azar, mediante probabilidades a priori n con distribucin uniforme, a travs de series de nmeros aleatorios o, en mquinas de clculo, mediante funciones
pseudoaleatorias 16 . Como sealan Metrpolis y sus colegas, la construccin de un generador (la'
determinacin del valor de a en su caso) no es tarea trivial y, desafortunadamente, poco ms que
el mtodo de prueba y error tiene a su disposicin el investigador. Ese poco ms proviene de un
anlisis ms detallado de la equivalencia mencionada ms arriba y, como ella, se examinar ms
adelante.
Regla de seleccin de las transiciones
Para Press y sus colegas (1988:351, funcin metrop), la especifidad del algoritmo de Metrpolis,
reside en la regla de discriminacin con Ae y exp (Ae/kT). El orculo de Metrpolis consiste,
desde este punto de vista, en la especificacin de una probabilidad de seleccin entre estados:
v
, - \ l
^- ~\
exp (-Ae/kT)
Pj
si Ae = efe - e, < 0
en otro caso
><
Debe advertirse aqu que las funciones estndar basadas en congruencias lineales las funciones rand tpicas
en calculadoras y compiladores son absolutamente inapropiadas para la aplicacin del mtodo de Monte Cario
Afortunadamente existen otros mtodos alternativos en la literatura especializada (para una discusin del pioblema
y varias soluciones as como referencias adicionales, vase Press et ah, 1988 205-213, tambin Binder, 1986 16-17
3.
Recocido simulado
43
Se ha sealado que una condicin suficiente, pero no necesaria, que debe cumplir cualquier regla
de seleccin17 para que se verifique la equivalencia anterior, consiste en cumplir con la proporcin
entre probabilidades de equilibrio y probabilidades de transicin, ecuacin (3.12), o lo que es lo
mismo, que la razn entre las probabilidades de transicin dependa slo de la variacin de la
energa (cf Binder, 1986:4-7). As, lo que denominar orculo continuo selecciona transiciones con
una probabilidad
_ exp(-Ae/fcT)
'
(3 25)
^-l+expt-AeAT)
"
y constituye una regla igualmente vlida. Son posibles muchas otras reglas pero, al menos en las
referencias consultadas, estas dos son las que aparecen habitualmente, siendo la primera la ms
frecuente18.
Convergencia hacia el equilibrio trmico
Tanto por el argumento del grupo de Metrpolis o sus versiones posteriores, como por los fundamentos generales del mtodo de Monte Cario o de la teora de procesos estocsticos, puede asegurarse
la convergencia hacia el equilibrio. Sin embargo, qu cabe decir acerca de la 'velocidad de convergencia'? La respuesta estndar convergencia asinttica, es decir, lenta no se ha alterado
a pesar de especiales esfuerzos dirigidos a demostrar 'mejores' resultados. Como quiera que tales
investigaciones han tomado como objeto el propio mtodo de recocido simulado, las expondr ms
adelante.. De la experiencia emprica en problemas de mecnica estadstica, la conclusin es que con
costes de.clculo considerados 'razonables' (mil o diez mil evaluaciones por cada grado de libertad
del sistema) se obtiene una precisin del 1%, medida sobre el valor de equilibrio en aquellos casos
en que es conocido a priori (cf. Binder, 1986:17).
Desde 1948, el uso de este mtodo de Monte Cario muy especial en la mecnica estadstica
ha crecido sin parar, de modo que no es posible dar cuenta aqu de todos los detalles y tcnicas
disponibles, siendo la obra citada de Binder la referencia inicial para comenzar una lectura adicional.
3.3.1
C o n j u n t o de G i b b s y cadenas de Markov
Cada estado del sistema de partculas analizado por Metrpolis y sus colegas se describe microscpicamente mediante las 2n coordenadas de sus partculas. Una notacin conveniente (que se utilizar
en adelante) es la siguiente: al sistema X le son accesibles ciertos estados x, cada uno de los
cuales es una lista {xi,... ,xg} de g variables independientes o grados de libertad. El espacio X d e
configuraciones posibles, para el sistema es, simplemente, el producto cartesiano de los espacios
o-rangos de cada grado de libertad, Xg, es decir, X = X\ x x Xg. En muchos casos
todos los grados de libertad evolucionan en un espacio comn, X, entonces X = X9. Ciertamente,
X, Xg, pueden ser espacios infinitos. Desde un punto de vista macroscpico, a cada estado x le
corresponde una energa e(x) bien definida, cuyo valor medio en el conjunto de Gibbs tiende a un
valor de equilibrio estacionario definido por (3.6)..
Si el conocimiento del espacio de configuraciones permite calcular la suma que define la funcin
de particin Z, el valor medio de e puede determinarse para,cualquier temperatura. En otro caso,
puede intentarse el clculo con el mtodo de Monte Cario. Para esto, y a la vista de que la probabilidad absoluta p0 de encontrar un'sistema dado en el estado j dependen de Z ecuacin (3.7),
no puede emplearse una exploracin al azar en el espacio X. Sin embargo, cualquier distribucin
La denominacin 'regla de seleccin', adems de obvia, es histrica, recuerda la intencin que motivaba a Boltzmann en sus investigaciones: establecer un puente entre la teora de Darwin que admiraba profundamente y
la mecnica, cf. Prigogine e Stengers, 1984:240-241.
A mi entender el nico ejemplo del orculo continuo fuera de la mecnica estadstica piopiamcnte dicha se
encuentra en los trabajos de Hinton e Tourotzky (1987) y de Ilirst e Selman (1987) excepcin hecha de ligeras
diferencias de notacin en ambos casos; Basilis Gidas (1985:118, ecuacin 5.7a) muestra que ambos orculos pueden
obtenerse como casos particulares de una expresin ms general para la probabilidad de tiansicin. -
(*-
3.
44
Recocido simulado
de probabilidades de transicin p3k entre estados que cumpla con (3.12) donde no est incluida
Z., permite construir una sucesin de estados para un sistema que representan igualmente bien el
espacio X. La nica condicin para ello consiste en que partiendo de un estado puede alcanzarse
cualquier otro.
La probabilidad p^k es simplemente la probabilidad condicional de que si el primer estado fue
el j , el'segundo estado sea el k. Tales probabilidades pueden disponerse en una matriz P , en la que
cada rengln muestra la transicin de un estado al resto (incluido l mismo). Todos los renglones
deben sumar 1, puesto que de un estado siempre se pasa a algn otro. Esta es la propiedad que
define una matriz estocstica. Cualquier matriz estocstica arbitraria define una cadena de Markov
(cf. Feller, 1950:372-375), de modo que todas las propiedades de estas cadenas pueden ser usadas.
(n)
En particular, se definen las probabilidades de transicin de orden n, p k como la probabilidad

de que si el estado inicial fue el j , n transiciones despus el estado sea el k. U n a notacin ms
explcita resulta a veces conveniente, pKk = p(Xt ~ Xj,Xt+n
= x^), donde el subndice indica
el lugar (o poca) de la cadena que se est examinando. Obviamente estas probabilidades forman
tambin una matriz estocstica, P n , que verifica adems (cf. Feller, 1959:382-383):
Pn = P
>
P
v
P
'
n veces
lo que justifica sobradamente la notacin. A travs de la teora de tales cadenas puede demostrarse de un modo riguroso la convergencia del algoritmo de Metrpolis. Adems, algunas de
las ambigedades que puedan surgir en su implantacin prctica puede ser resueltas mediante la
consideracin de las matrices estocsticas correspondientes.
Cadenas de Markov
Una cadena de Markov se dice irreducible si desde cualquier estado puede pasarse a cualquier otro en un
nmero finito de transiciones (cf. Feller, 1950:385). Esto significa que con^n suficientemente grande, P n no
tendr ningn elemento nulo.
Si existe el lmite de pj} cuando n oo, es decir, si la probabilidad de que el estado sea k tras un
nmero n de transiciones muy grande, no depende de n, se dice que existe una distribucin de probabilidad
invariante. Si adems, la cadena es irreducible, se dice que es ergdica.
En una cadena ergdica, tras un elevado nmero de transiciones, todos los estados se visitan recurrentemente con la misma probabilidad (cf. Feller, 1950:392-396). El lmite de la distribucin de probabilidades de
transicin, p\l , es una distribucin invariante independiente de j y por tanto es una distribucin absoluta
Pk, o estacionaria. Esto significa que los valores de cada fila de P " no dependen del estado inicial j , es decir,
que en el lmite todos los renglones de P n son iguales. Puede demostrarse que la distribucin estacionaria
Pk es un vector propio de la matriz P , precisamente el correspondiente al valor propio 1. Las implicaciones
pueden recorrerse en sentido contrario: si existe una distribucin estacionaria pk y la cadena es irreducible,
entonces tambin es ergdica.
Resulta instructivo investigar en qu medida se cumplen las condiciones anteriores para el algoritmo de
Metrpolis. Para'empezar, la distribucin de Boltzmann asegura que existe una distribucin de probabilidades absolutas pk que es estacionaria en el espacio X. Si la cadena de Markov es irreducible, su espacio
muestral es idntico al del conjunto de sistemas de Gibbs y, en consecuencia, la cadena es ergdica. Por
tanto, hay que mostrar nicamente que la cadena de Markov que define el algoritmo es irreducible. Se
denotar Xg al subespacio de X formado por todas las configuraciones que se diferencian de x nicamente
en el valor de la variable xg.
>
"
En el algoritmo de Metrpolis se provocan transiciones en cada grado de libertad secuencialmente, de
forma que para llegar a y partiendo de x (con ~yg ^ xg para todo g) hacen falta como mnimo g transiciones.
Si el parmetro a se escoge de manera que en una transicin es posible alcanzar cualquier punto del espacio
Xg, con g transiciones hay suficientes.' Entonces, la probabilidad de transicin de orden g correspondiente
est bien definida y no es nula para ninguna pareja fc, m. Adems la probabilidad de que, en cada transicin,
el estado x contine inalterado est dada implcitamente por:
p(Xt = x,A" t+ i = x ) = 1 -
Y^
p(Xt=x,Xt+\=y)
Puesto que los grados de libertad se recorten secuencialmente, en este caso una notacin muy conveniente
para cada matriz es P g . Cada una de ellas es distinta de las dems, de manera que estrictamente no puede
3.
Recocido simulado
45
hablarse de uno cadena de Markov 19 , pero todas ellas son estocsticas. En cualquier caso, las probabilidades
de orden g vendrn dadas por P 9 = Pi 'P ff que es estocstica. Esta matriz tiene todos sus coeficientes
distintos de cero salvo quiz los de la diagonal principal. En consecuencia, P 3 los tiene todos distintos
de cero y es, por tanto, ergdica. Es decir, aunque la cadena de Markov definida por el algoritmo no es
necesariamente ergdica ni est quiz bien definida, s lo es la que resulta de observarla cada 2g transiciones.
Si las transiciones no se hacen recorriendo secuencialmente los grados de libertad, sino eligindolos al azar, se llega a idntica conclusin. Basta ver que en cada transicin la matriz P es la suma de las g matrices
P 9 del caso anterior multiplicada por 1/g, que es la probabilidad de que el grado g sea elegido en una
transicin particular. Ahora, adems, la cadena de Markov est formalmente bien definida.
3.3.2
Jugadas, orculos y profetas
En el algoritmo original de Metrpolis se recorren secuencialmente los grados de libertad; para

cada, uno de ellos se provoca un cambio al azar para, seguidamente, aceptarlo o rechazarlo, lo que
provoca u n a transicin en el sistema estudiado (que puede dejarlo inalterado).
La eleccin al azar del grado de libertad en el que se efecta la transicin es la generalizacin ms
trivial del algoritmo de Metrpolis (para ms alternativas, vase Gidas, 1985). La probabilidad de
transicin p3k entre dos estados x^ y xt que slo se diferencian en el valor xg est definida entonces
por tres factores:
1. 1/g, probabilidad de que el grado de libertad g sea elegido;
2. probabilidad de que un valor particular para la variable xg sea elegido, esencialmente de la
forma l / c a r d ^ p ) , donde card(-) denota el nmero de elementos de un conjunto;
3. probabilidad Pj_fc de que el nuevo estado k sea seleccionado, definida por los orculos (3.24)
o (3.25).
El factor (g ' c a r d ( A ' 9 ) ) _ 1 es esencialmente la probabilidad a priori ir3k descrita por Metrpolis y
sus colegas. El factor l / c a r d ( / f 5 ) tiende a cero conforme aumenta el espacio Xg. El factor conjunto
Pk->m/card(A's)
.puede interpretarse como la probabilidad de transicin del espacio Xg o, en otras
palabras, la probabilidad de transicin para un sistema en el que el nmero de grados de libertad
se ha reducido a uno mediante ligaduras.
En este espacio t-an reducido puede ser posible calcular directamente la funcin de particin
correspondiente Zg y sustituir el juego de elegir uniformemente un valor xg para luego aceptarlo
o rechazarlo con el orculo, por un clculo directo conforme a la distribucin de Boltzmann para
el espacio Xg. Este nuevo algoritmo, que denominar, por razones que sern obvias, profeta local,
opera del siguiente modo 2 0 :
1. Partiendo de u n a configuracin inicial x y elegido al azar un grado de libertad g, se, calcula
la funcin de particin del espacio Xg:
'
Zg=
exp(-e(y)/*T)
(3.26)
Vg Xg
donde y, = xt para todo i ^ g. En trminos de dimensiones, si el clculo de Z para X

exige del orden de (card(A , g )) 9 evaluaciones, el clculo de Zg exige slo card(A' 9 ). El clculo
19
A1 menos segn la definicin dada ms arriba. El especialista en teora de probabilidades habr reconocido que
se trata, en realidad, de cadenas de Markov homogneas en el tiempo, una clase muy particular y, desde luego,
nada general El algoritmo de Metrpolis define, por otro lado, una cadena heterognea perfectamente legtima que
puede analizarse con tcnicas ms complicadas; pero como se ver a continuacin resulta innecesario adentrarse en
las profundidades de la teora para obtener resultados, lo que se ha preferido aqu a fin de evitar complicaciones
Aunque no del gusto de algunos tericos, se trata de una prctica comn en mecnica cuntica, vase, por ejemplo,
Creutz, Jacobs e Rebbi, 1979a: 1.916
Esta idea esl sugerida por un esquema ms complejo basado en campos de Markov aleatorios, descrita en Geman
e Geman, 1984, aunque se utiliza desde hace tiempo, vase por ejemplo Creutz, Jacobs, e Rebbi, 1979a:1.917.
3.
Recocido simulado
46
en ocasiones podra ser menos costoso si la estructura de Xg permite transformar la suma

en una integral. En general, un profeta local no proporciona un algoritmo polinmico, sino
pseudopolinmico o estrictamente exponencial. Sin embargo, la tcnica debe tenerse presente
pues se examinarn ms adelante significativas excepciones.
2. Para calcular una nueva configuracin y se elige un valor de yg conforme a la distribucin
P(ya) dyg = ^-exp(-e(y)/kT)
dyg
(3.27)
con la definicin anterior para y. Por supuesto, es necesaria una transformacin de probabilidades. El valor calculado para yg quiz sea idntico a xg. La razn entre probabilidades
cumple una vez ms con (3.12), lo que asegura la irreducibilidad y ergodicidad de la cadena.
3.3.3
Un'ejemplo
Aunque las demostraciones de todos los teoremas empleados al establecer la equivalencia entre el
conjunto de Gibbs y una cadena de Markov pueden consultarse en las referencias citadas, mostrar
la exactitud de lo dicho al menos con un ejemplo, lo que, segn mi propia experiencia, permite
apreciar mucho mejor las implicaciones de la teora.
Considrese un sistema con .dos grados de libertad, x = (x,y), con un espacio X = {0,1} comn
para ambos, y con una definicin muy simple de la energa e(x) = x + y. Se puede numerar los
estados de un modo obvio: xi = (0,0), X2 = (0,1), X3 = (1,0), X4 = (1,1). El clculo directo
es trivial en este caso, al igual que el valor mnimo de la energa. Para una temperatura tal que
kT = 1, el clculo de Z es simplemente:
exp (0) + 2 exp (-1) + exp (-2) w 1,8711
y la distribucin de Boltzmann, en forma de vector es:
p = { 0,5344
0,1966
0,1966
0,0723]
La energa media es aproximadamente 0,2874. El objetivo ahora es ver como distintas versiones
del algoritmo de Metrpolis conducen a los mismos resultados en este caso trivial.
Si se emplea el algoritmo de Metrpolis con eleccin del grado al azar, cualquier transicin puede
afectar a uno de los grados. Para calcular las probabilidades de transicin deben considerarse todas
las transiciones posibles. Por ejemplo, desde el estado (0,0) no puede obtenerse el (1,1) con un
slo cambio, de manera que pu = 0. La transicin entre (0,0) y (0,1) implica que el grado
elegido sea el y lo que tiene una probabilidad de 0,5; que el valor elegido sea y = 1 con 0,5 de
probabilidad otra vez, y que el cambio sea aceptado, una probabilidad de 1/e 0,3679. En
consecuencia pn = 0,0920. Similar argumento conduce a que P13 = pi2- Como el primer rengln
debe sumar 1, p\\ = 0,8161, un clculo mucho ms sencillo que la consideracin exhaustiva de
todas las permanencias de (0,0). Con argumentacin similar, se concluye que la matriz estocstica
P de cada transicin y la correspondiente a 12 transiciones sucesivas, P 1 2, son:
'0,8161
0,25
0,25
0
0,0920
0,6580
0
0,25
0,0920
0
0,6580
0,25
0
1
0,0920
0,0920
0,5
J
12
y
[0,5370 0,1958 0,1958 0,0714'

_
0,5322 0,2006 0,1940 0,0731
~
0,5322 0,1940 0,2006 0,0731
[ 0,5274 0,1988 0,1988 0,0749
Puede compiobarse que p = p P , es decir que la distribucin de Boltzmann es un vector propio

de P para el valor propio 1. Del mismo modo, P a 2 indica que la probabilidad de cada estado es
esencialmente independiente del estado inicial.
3.
Recocido simulado
47
Si al elegir el valor de x o de y se impone que el valor sea distinto al de partida, las, probabilidades
Pkk se reducen, puesto que la configuracin inicial slo se conserva si se rechaza la nueva. En tal
caso, se tiene:
P =
0,6321 0,1839
0,5
0,3161
0,5
0
0
0,25
0,1839
0
0,3161
0,25
0'
0,1839
0,1339
0
yP4 =
0,5397 0,1940 0,1940

0,5275 -0,2063 0,19630,5275 0,1963 0,2063
0,5336 0,1902 0,1902
0,0722
0,0700
0,0700
0,0860
Si se utiliza un profeta local para cada grado, hay que calcular funciones de particin .'parciales'.
As, para la configuracin inicial (0,0) se tiene:
Zi = Z 2 = 1 + e
La probabilidad de escoger nuevamente (0,0) cuando el grado elegido es x valdr 1/Zi, el mismo
valor que cuando el grado es el y, de manera que p u = 0,5/Zi + 0,5/Z2 = 1/Z\\ para escoger (0,1)
el grado tiene que ser el y, lo que ocurre con probabilidad 0,5, en tal caso la probabilidad de elegir
esa configuracin ser (l/e)/Z2, de manera que la probabilidad de transicin P13 = \(leZi)\ etc:
P =
0,7311
0,3655
0,3655
0
0,1345
0,5
0
0,3655
O,1345
0
0,5
0,3655
0
0,1345
0,1345
0,2689
yP8 =
0,5360
0,5331
0,5331
0,5303
0,1961
0,1990
0,1951
0,1979
0,1961
0,1951
0,1990
0,1979
0,0718
0,0728
0,0728
0,.0739
Puede apreciarse que las tres variantes convergen hacia la distribucin p, con mayor o menor
celeridad, lo que indica que, con independencia de la configuracin inicial, la ocurrencia de cada
configuracin se ajusta a la predicha por la distribucin de Boltzmann. No debe sucumbirse a la
tentacin de clasificar las variantes segn la velocidad de convergencia mostrada en este ejemplo:
desafortunadamente nada indica en la teora que estos resultados puedan extrapolarse.
3.4
Recocido simulado
Resumiendo lo visto hasta aqu: es posible obtener en el tiempo, para una cierta temperatura, la
distribucin ms probable, o de equilibrio, de un sistema entre sus posibles estados, cada uno de
los cuales puede entenderse como un punto' en el espacio en el que el sistema transita. Adems, de
existir un nico estado de mnima energa, ste se torna el ms probable cuando la temperatura
desciende hasta anularse. La idea subyacente en el mtodo de recocido simulado es muy simple:
es posible alcanzar dicho estado de mnima energa disminuyendo muy lentamente la temperatura
del sistema, con la nica condicin de que el sistema permanezca continuamente en equilibrio.
Esto es lo que significa recocido en la fabricacin de aceros, ni ms ni menos (cf. Calvo, 1963:51).
Puesto que en la deduccin de la distribucin de equilibrio realizada en 3.1 slo se parte de la
constancia de la magriitud a repartir, E, la deduccin misma no depende del significado fsico de e.
En consecuencia, recocido simulado significa la aplicacin de la misma idea a un sistema cualquiera
en el que la magnitud de inters <f> cumpla, formalmente, con las propiedades descritas para e.
La aparicin del recocido simulado como mtodo de optimacin tiene lugar en 1982 en dos
grupos de investigacin independientes 21 , de un lado el de Kirpatrick, Gellat y Vecchi22 y por otro
el de V. Cerny 23 . Las aplicaciones del algoritmo se han diversificado desde entonces.
21
En cualquier caso Kirpatrick vena trabajando con el algoritmo desde antes de 1979 (cf. Kirkpatrick et Sherrington, 1978), si bien en.relacin exclusiva con el problema de los 'vidrios de espines'.
,
22
"Optimization by simulated annealing" Res Rep. RC 9335, New York: IBM Thomas J. Watson Center, 1982;
citado por Geman el Geman, 1984; reimpreso en Kirkpatrick et ah, 1983.
3
"A Ihermodynaniical apprqach to 1 he travelling salesman problem: an efficient simulation algorithm", preprint,
Inst. Phys & Biophys., Comenius Univ. Biatislava, 1982; citado por Geman et Geman, 1984; reimpreso, al parecer,
en Cerny, 1985.
/ -s
3.
Recocido simulado
3.4.1
48
Problemas, soluciones y teora de la informacin
Al tratarse de una analoga, merece la pena esbozar la teora del recocido simulado de modo
independiente. Este es el marco de partida de Bonomi et Lutton (1984:553-556).
"Considrese [... ] un objeto oculto en una de n cajas idnticas, no se sabe en cul
Nuestra incapacidad para elegir entre las n posibilidades se debe a que carecemos de
informacin. Supngase que las n posibilidades forman un conjunto completo y sea pt
la probabilidad asignada a cada posibilidad.
n
p,<l,
t = l,2,...,n;
5>. = 1
(3.28)
i=i
En un extremo, pudiramos saber exactamente dnde est el objeto, entonces nuestra

incertidumbre concerniente al objetivo de la eleccin es 'igual a cero'. En el otro,
si no tenemos ninguna informacin, entonces todas las posibilidades son equivalentes,
pt = l / n , lo que implica que nuestra incertidumbre es mxima. C. Shannon introdujo
una medida cuantitativa precisa de nuestro grado de incertidumbre, la cual reproduce
estos dos aspectos extremos del conocimiento24 y satisface el resto de condiciones que
la hacen razonable:
n
S\pu...,pn}
= -K^2pllogPl
0 < S[pi.... ,p] < S[ljn] = K log n

donde K es una constante positiva arbitraria, que fija la eleccin de las unidades de
informacin."
Con K = 1 la unidad es el nat, abreviatura de natural unit; mientras que con K = l / l o g 2 la
unidad es ms popular, el bit. Ntese que la definicin (3.29) permite identificar formalmente la
incertidumbre con la entropa 25 (cf. 3.1). En vez de un nico objeto, cada caja podra tener el
suyo con un cierto 'valor'. O en general, puede pensarse en
"una entidad X capaz de asumir un conjunto finito de configuraciones x t , con
i = 1,2, . . , n , cuyas correspondientes probabilidades pt no .son medibles por ningn
experimento imaginable, todo lo que se sabe es el valor esperado para alguna funcin
positiva 4>{x) caracterstica de la entidad X:
n
<> = I > 0 ( x . )
( 33 )
=l
Con esta informacin, el problema consiste en cmo describir estadsticamente el

conjunto de las configuraciones admisibles x,. Puesto que (3.30) y (3.28) no determinan
la distribucin p\,... ,pn, se necesitan (n 2) ecuaciones adicionales. Pueden inferirse
las ecuaciones desconocidas, aceptando el siguiente principio:
La distribucin pt [buscada] hace mxima la incertidumbre (3.29) conforme a
la informacin disponible." (Bonomi et Lutton, ibidem)
24
C E Shannon, A malhemahcal theary of comrnunicahon, Bell System Tech J , 27(1948), pp 379-623

La identificacin puede extenderse al 'potencial' "H de un proceso de Markov (cf Pngogine et Stengeis, 1984 237),
o a l a diversidad de un ecosistema (cf Margalef, 1980 61) Que esto sea as, indica simplemente lo fructifeio del punto
de vista de Gibbs all donde se ha aplicado Resulta notable constatar que la incertidumbre tiene un \alor parejo
en todas partes, cuando se mide en bits por cada estado entre 0,6 y 1,5 para el ingls segn Shannon (citado por
Abramson, 1966 51), o una media de 3,3 en el fttoplacton (cf Margalef, 1980 64), la incertidumbre de los alfabetos
occidentales no supcia los 5 bit/estado y esa misma cota mxima se ha estimado para los ecosistemas en el planeta
25
3.
Recocido simulado
49
Una vez ms, para este clculo, puede hacerse uso de multiplicadores de Lagrange, obtenindose,
otra vez, lo mismo:
pt = exp (-A - fi 0(x,)) = ^7-T e x P (-/* <KX*))
(3-31)
Z(/i) = e x p ( A ) = ^ e x p ( - / x 0 ( x l ) )
'
(3.32)
donde A y // son los multiplicadores, y Z la funcin de particin. Notando que

= -^^(xtjexp-zi^x,))
recordando que dlog(-) = d(-)(-), y sustituyendo (3.31) y (3.32) en (3.30), se obtiene la escueta
relacin entre el valor esperado de <f> y Z:
M = - ^ l o g Z ( / 0 = (/*)
(3.33)
Derivando una vez ms se obtiene:
%=~?iogz^]=~m*i)
es decir,
positiva,
relacin
ecuacin
-{<p))2)=_var(</,)
(3 34)
la variancia de <f> salvo un signo. Puesto que la variancia es una magnitud estrictamente
la relacin (3.33) entre n y el valor esperado de (</>) es montona y por tanto existe una
unvoca entre ambas. De hecho, conforme n aumenta, (<j>) disminuye. Reescribiendo la
(3.29) a la vista de (3.31) y (3.32) se obtiene la incertidumbre mxima:
Smax = K(]oSZ + n{<l>))
(3.35)
La temperatura como medida estadstica

La teora de la informacin llega hasta aqu por este camino 26 . Cuando se contina por l, se adopta
con naturalidad el lenguaje de la termodinmica (tambin ocurre as en ecologa, por ejemplo, donde
se han definido conceptos tales como la 'ecotemperatura'). La identificacin bsica es de nuevo
t = 1/KT = 1/fcT
(3.36)
donde si se elige como variable la temperatura clsica, K = k, siendo k la constante de Boltzmann

otra vez. Puede elegirse una funcin caracterstica (Schrdinger, 1944:54-55) o temperatura virtual
T en las unidades de <f>, en cuyo caso debe buscarse el valor de K apropiado a la unidad que se
desee para la incertidumbre, (bit, nat, etc). Aunque la costumbre hace que por temperatura slo se
entienda su significado habitual, el concepto es ms amplio. En el lenguaje coloquial nos referimos
con este'trmino a la funcin caracterstica de la energa cintica de tomos y molculas. Pero a
partir de aqu, por temperatura se entender la funcin caracterstica de la funcin objetivo que
se considere (sin que sea necesario entrecomillar el vocablo para distinguir este uso del significado
habitual). As, por ejemplo, para una canica situada en el fondo del gua a una temperatura T, existe
una razonable certidumbre de que no abandonar su posicin sin una causa exterior suficiente; en tal
caso, la temperatura de su energa potencial es el cero absoluto, aunque desde luego la temperatura
de la energa cintica de sus molculas sigue siendo T 2 7 . Esta es la idea contenida en el concepto
de 'funcin caracterstica' (ibidem).
La. teora de la informacin sugiere el significado de sus valores numricos: con temperaturas
altas se caracterizan las situaciones inciertas, en las que se conoce poco del asunto tratado (o no
se pretende saber mucho); por el contrario, las bajas temperaturas, significan haber alcanzado
bastante certeza acerca del sistema en estudio.
Por otra parte bien conocido, en cuanto tcnica de ajuste de multiplicadores de Lagrange que no pueden determinarse de otro modo, vase por ejemplo Hernndez, 1990.67-70.
Este uso de varias temperaturas simultneamente es comn en fsica, vase, por ejemplo, Atkins, 19S4 153 La
clave reside en la 'imagen' considerada (Boltzmann, 1905 passim)- si la canica es una nica partcula la imagen es
mecnica; cuando se consideran todos sus tomos, es termodinmica.
3.
50
Recocido simulado
Otras magnitudes de inters

Del resto de magnitudes termodinmicas tiene inters la capacidad calorfica28 o el calor especfico si se
mide por cada grado de libertad, resultando entre ambas magnitudes slo una diferencia de escala, como
medida de la variacin del valor medio de <>:
r-
u\ -
V a r W
"
i* <m
en donde se utiliza (3.36) con K = l . Ntese que el segundo miembro es la definicin, mientras el tercero
se obtiene derivando (3.33) respecto a r y comparando con (3.34). Diferenciando (3.35) respecto a r y
sustituyendo (3.37) se obtiene:
dSmax = -dr
(3.38)
T
Si en el problema planteado existe una configuracin fundamental x o p t tal que </>(xopt) < 0(x) para todo
x T x o p t, con la definicin (3.29) de incertidumbre y la distribucin de probabilidad calculada (3.31), puede
estudiarse el comportamiento de p% y 5 m a x en el lmite r 0. Puesto que tanto exp(-<j>/T) como Z se
anulan en ese lmite puede aplicarse la regla de L'Hpitalr
hm p, =
j=i
=
'
(3 39)
i*x
Basta con estudiar el lmite de B3 exp (-(<., - <>I)/T). Si x, = x o p t entonces <j>j 0, > 0 y l i m S , = 0
para todo j / i y en consecuencia p op t = 1- En cualquier otro caso, x t ^ x o p t, y 4>j 4>i < 0 cuando
Xj = x o p t y, por tanto, lim B0pt = oo, es decir p, = 0. El clculo de 5 m a x es ahora simple segn su definicin
y la conclusin es que p a r a r nula tambin lo es. Puesto que el lmite de la entropa es finito, se concluye,
tras ua rpida reflexin sobre la ecuacin (3.38), que el calor especfico tambin es nulo en el lmite (de
hecho, en cualquier otra situacin se trata de una magnitud estrictamente positiva). Todo esto si existe una
nica configuracin fundamental con valor de <j> menor que todas las dems. Por los mismos argumentos, si
la Configuracin fundamental se encuentra degenerada en mltiples metaconfiguraciones todas con igual
valor de <j>, la entropa permanece finita pero estrictamente positiva: nuestra incertidumbre acerca de cul
de las m metaconfiguraciones encontraremos es logm. Sin .embargo, el calor especfico debe anularse en el
lmite, por lo mismo que antes: la finitud de Snax- La importancia de la capacidad calorfica reside en dos
razones:
1. Puesto que en un proceso de enfriamiento'suficientemente lento, en el que se conserva siempre el
equilibrio de la distribucin, se alcanza la configuracin ptima (o alguna de las metaconfiguraciones),
el-recocido termina cuando simultneamente se anulan (o casi) la temperatura y la capacidad calorfica.
De este modo, c es el indicador del fin del proceso de optimacin, papel que tambin podra jugar
la entropa. Pero mientras la estima de esta ltima exige el conocimiento de Z, c puede estimarse
mediante muestras (aunque no sin dificultades, vase Binder,.1986).
2. Puesto que c es la tasa de variacin del valor medio (<), un valor alto de c a una temperatura dada~
r califica a sta como crtica, en el sentido de que en la distribucin 'abundan' configuraciones de
dos o ms fases, con diferencias de (> grandes entre ellas, tal como ocurre en los sistemas fsicos
(lquido/slido, etc.). La transicin entre fases puede ser ms complicada, con una variacin continua
de (<f>) pero con una discontinuidad de c (transicin de segundo orden, cf. Binder, 1986:36-38). La
analoga con la termodinmica de laboratorio sugiere que el recocido debe ser especialmente cuidadoso
en el entorn de tales valores crticos de T. Ciertamente, un sistema puede tener innumerables fases
(o ninguna) y el 'valor' de indicacin de c disminuir en consecuencia.
3.4.2
Forma general del algoritmo
U n a vez mostrada la plausible legitimidad de la analoga termodinmica, puede describirse el algoritmo del recocido simulado. El problema que se intenta resolver consta de u n a entidad abstracta
X que puede adoptar una configuracin x cualquiera en un espacio de configuraciones X. Cada
configuracin se especifica mediante el valor de sus g grados de libertad, x {x\,... ,xg}. A cada
configuracin le corresponde, segn una relacin bien definida, el valor de una funcin <?>(x). El
problema consiste en encontrar el mnimo de <f>. Adems, la complejidad temporal de 4> est acotada
'Aqu s sera necesario encontrar nuevas denominaciones, pues 'calorfico' hace referencia directa a una funcin objetivo muy particular: la energa cintica. Sin embargo, hasta la fecha nadie se ha atrevido a proponer denominaciones
alternativas.
3.
Recocido simulado
51
polinmicamente por el tamao de x. De este modo, el valor de cada solucin puede ser calculado
polinmicamente. La idea central es comenzar con una temperatura suficientemente alta como para
que ningn cambio en la configuracin inicial sea rechazado, para seguidamente ir disminuyendo
la temperatura lentamente, de manera que la configuracin represente casi siempre una de las ms
probables en la distribucin de equilibrio correspondiente a cada temperatura Adems, el tiempo
total empleado debe ser finito. Existen varios esquemas-para alcanzar tales propsitos (Press et
ah, 1988:346-351; Azencott, 1992:1-3), y uno de ellos bastante general consiste en:
1. El recocido se define dando un lista finita de temperaturas decrecientes,0 = {r t }, t
1, , max, n > Tt+i para cada paso t.
2. En el paso t = 1, se parte de la entidad en una configuracin inicial xo con una temperatura
inicial rn.
3. En cada paso t, a temperatura r t , la configuracin anterior x t _i se sustituye por otra, x t ,
(que puede ser la misma), bien mediante un generador aleatorio y un orculo, bien mediante
un profeta local (en las condiciones analizadas en 3.3). Si t = m a x el algoritmo acaba con
la configuracin x como solucin final al problema, en otro caso se contina con el siguiente
paso.
La cuestin ahora, una vez mostrado cmo se construye un recocido suficientemente lento, es
cunto de lento? El primer teorema acerca de la tasa de variacin de r u 'horario de temperaturas' (anneahng schedule) en relacin a la convergencia del recocido se,debe a Geman et Geman
(1984:731, teorema B):
Supngase que durante el recocido, la configuracin x t solo vara respecto a x_i en
un grado de libertad. Supngase que existe un entero n mayor o igual que el nmero
g de grados de libertad de x, tal que para cada = 1,2,... se cumple que entre los
pasos t + 1 y t + n, la sustitucin de configuraciones se ha aplicado a todos los grados de
libertad. Sea A la diferencia entre el valor mximo y mnimo de <p en X y m el nmero
de configuraciones de x para las cuales <>(x) es igual a su valor mnimo en X. Sea 0
una secuencia decreciente de temperaturas taLque
1. r t + 0 cuando t oo
nA*
2. rt >
para todo t mayor que 2
log
Entonces para dos configuraciones cualquiera y , z ? J f
lim p(Xt = y | X 0 = z) =
*-<
10
si <Ky) = min x <(x)

en otro caso
Ciertamente este resultado no presagia nada bueno. Considrese un sistema con 20.000 grados
de libertad y con A = 1, entonces debieran efectuarse exp (40.000) pasos de clculo o transiciones
antes de, lcitamente, alcanzar una temperatura r = 0.5. Sin embargo, ulteriores investigaciones
han confirmado esencialmente este resultado 29 . La fundamentacin matemtica del algoritmo no
es de mucha ayuda para su realizacin prctica.
Afortunadamente, los mltiples experimentos llevados acabo muestran que no cumplir con tan
'exigentes' horarios logartmicos para las temperaturas, no impiden al algoritmo encaminar hacia
29
Vase, por ejemplo, Catoni, 1988 y Chiang et Chow, 1989, Gidas (1985 teorema 1 4) tan slo demuestra que A
puede ser menor que la amplitud de 4> en el espacio de configuraciones Cunto menor 7 Depende de cmo estn
organizados los 'metaestados', es decir, depende de cul sea la solucin al problema, como por otra parte ocurre con
el valor de A propuesto por Geman et Geman, op cit Un anlisis basado en la teora de probabilidades puede
encontrarse en Hajek, 1988, donde adems se introduce la representacin matemtica precisa de algunos conceptos
que aqu se usan de manera informal
3.
52
Recocido simulado
'muy buenas' soluciones al problema que se recuece. De hecho, en general s considera sensato una
variacin de la forma
T t + t = rt para i = 1 , . . . , M - l
n+M = fin
para un valor M > g y una tasa d entre 0 y 1 (Press et ah, 1998:343, proponen 0,9; Bonomi et
Lutton, op. cit., proponen 0,925), que se conoce en la literatura como horario exponencial. Se t r a t a
en esencia de una secuencia de C algoritmos de Metrpolis (o ciclos de M pasos cada uno) con
t e m p e r a t u r a constante r t . La forma habitual para M es agP con a y 0 constantes. Si el algoritmo
'funciona' y el t a m a o del problema acota polinmicamente a g, se t r a t a de una aproximacin
polinmica a la solucin, habida cuenta de que el nmero de configuraciones exploradas es Cag@
y de que el nmero de ciclos, C, est acotado de un modo 'intrnseco', con independencia, en la
prctica, del problema que se recuece.
Tres t c n i c a s : r e c o c i d o , r e v e n i d o y t e m p l e .
Puede argumentarse informalmente a favor de la ltima afirmacin sin grandes complicaciones. Paracualquier problema se conocer una solucin inicial, xo, con un valor 0o de la funcin objetivo. Si adems se
obtuvo al azar o mediante muestras, en un problema difcil puede conseguirse que corresponda a valores
psimos de <f>. Para nuestros propsitos, puede considerarse a <f> positiva (sin que ello suponga una limitacin
importante).
La temperatura inicial debe ser alta, de modo que casi todos los cambios sean aceptados. Una estima
de la temperatura inicial se obtiene considerando, por ejemplo, el orculo de Metrpolis para cambios que
incrementan <>:
Poî = e x p ( - A 0 / r o )
Con poi =0,99 y A<> (p0, se obtiene T0 1000o- Ahora se inicia un proceso de C ciclos y M = ag13
transiciones por ciclo. Al acabar, cuando ningn cambio se acepta, el orculo funciona necesariamente con
una probabilidad de seleccin, ante incrementos de <p, esencialmente menor que 1/M. La solucin final x / es
'local' en el sentido de que todas las soluciones accesibles para un proceso de M eventos son peores, <j>> <j>.
Si se requiere que el error en la 'obtencin' de <> sea menor que e <f>o, con e < 1, en el ltimo ciclo tiene que
ocurrir que:
p/^h
= exp (- <>o/Tf) <
Con esta condicin puede estimarse la temperatura final, r/, como funcin de los parmetros del recocido:
T
e 4>o
/ = log(l/M)
e <>Q
/Jlogag
Para partiendo de TQ llegar a r/, es necesario un nmero de ciclos C que depende de la tasa # de reduccin
de T. El recocido debe ser lento, es decir, ti cercana a la unidad en la medida de lo posible. Puede estimarse
C considerando:
4C -T0=Tf
Es decir:
loge - log(100/3 log ag)
log i?
loge
log d
Para una precisin absoluta para <j> en la forma e<>o, se obtienen los siguientes valores para C con $ = 0,9:
Para
e = 10~ 3
C < 66
lO" 6
130
10~ 9
200
1? = 0,9
C < 130
0,946
260
0,974
524
e = - 1 0 - 6 , se obtiene:
Y el nmero de ciclos permanece acotado con independencia del problema considerado.

Puede argumentarse en contra: si la solucin final es muchsimo mejor que la inicial, es decir, si, por
ejemplo, <>f = e <j>o entonces, con valores de C acotados segn lo indicado, el error relativo en la 'obtencin'
de <>j es del mismo Orden de magnitud que el propio valor, es decir, no hay ninguna precisin. Lo que hay
que entender aqu es que debe recocerse una vez ms empezando en x / y con temperatura inicial estimada
segn el aigumento anteiior, lo que equivale a aumentar ligeramente la temperatura respecto a la final del
piimci ccocido, y volver a enfriar. En el lenguaje de la acera esto es un levenido y tal tcnica se ha
3.
Recocido simulado
53
empleado con vidrios de espines, problema para el que, de todas formas, el recocido, como otros algoritmos,
no ha conseguido desentraar la cuestin fundamental (vase la nota 6 n la pgina 32). En los siguientes
captulos," nunca se utilizar el revenido, que parece reservado para problemas intratables, aunque quizs el
problema planteado en el captulo 6 sea, en el futuro, un excelente candidato para su uso.
Con similares argumentos puede concluirse que, para problemas NP-completos en sentido dbil o para
problemas P, basta con un temple (T? = 0,1) que suele acabar tras diez ciclos en problemas habituales.
Los recocidos deben ser siempre lentos, pero pueden acelerarse operando sobre M. Con g =t= 1 y a 10
se tiene un recocido 'rpido' que con ti suficientemente cercano a la unidad recorre, detodos modos, lagama
de temperaturas de una manera parsimoniosa.
Recocido incremental y en lotera
Debido a que los teoremas de convergencia slo permiten afirmar que se alcanzar el ptimo en
tiempo infinito, los tericos han'dirigido sus esfuerzos hacia otro objetivo menos ambicioso: si se
dispone de una cantidad dada de tiempo para resolver el problema, cul es el horario de temperaturas ptimo, es decir, aqul que corresponde a la mxima probabilidad de que la solucin final
sea la ptima?. En funcin siempre de la solucin del problema (que para nuestros propsitos sigue
siendo desconocida) y del-'paisaje' de <f> puede obtenerse, en teora, algunos horarios logartmicos y
exponenciales 'acelerados' (pero no mucho, vase una exposicin de resultados en Azencott, 1992:335). Ms provechoso y simple resulta, a mi entender, razonar de manera heurstica para llegar,
aunque informalmente, a los mismos esquemas de un modo menos complicado.
Si uno cree firmemente en la analoga derivada de la mecnica estadstica o de la teora de la
informacin, la pregunta anterior puede responderse eligiendo el recocido ms lento posible en el
tiempo'concedido, lo que para un horario exponencial significa elegir un valdr de ? tan cercano a
la unidad (pero menor que ella) como sea posible o, alternativamente, el mximo valor de M.
Si la firmeza no es tanta, y se recuerda que a fin de cuentas se trata de una simulacin y no
de un verdadero recocido de laboratorio, se tendr en cuenta que, en cierto sentido, el azar juega
un cierto papel en todo esto, de manera que merece la pena realizar unas cuantas pruebas. Si se
desea un recocido lineal en g, puede hacerse una serie de ellas con a = a, 2a, 4 a , . . . hasta agotar el
tiempo disponible. En cada recocido la profundidad de cada exploracin a temperatura constante
aumenta respecto al anterior, de manera que la cadena de Markov tiene mayor probabilidad de
representar la distribucin de equilibrio. Pero por otra parte se obtienen varias soluciones, entre
las cuales se elige la mejor naturalmente.
Pero, si uno piensa que el recocido simulado es, despus de todo, una variante inteligente de la
mejora iterativa30, en la que es posible escapar de un mnimo local poco ptimo, entonces puede
sospecharse que el juego es una rifa, y que lo conveniente es comprar el mayor nmero de boletos.
Esto puede hacerse repitiendo tantas veces como sea posible en el tiempo concedido, un recocido
estndar con distinta solucin inicial o con distinta serie de nmeros aleatorios, es decir, usando
distintos generadores A. El estndar tiene que asegurar, de todos modos, que el tiempo utilizado
en cada recocido permite una mejora sustancial de la solucin inicial. .
Para lo que aqu interesa, a saber, mostrar que el recocido simulado puede ser til en optimacin de estructuras, bastar con probar dos esquemas muy generales basados en las dos ltimas
alternativas. Esencialmente, un recocido se especifica dando los valores de los cinco parmetros que
definen el horario de temperaturas y, en adelante, se denotar H\C, a, /?, rn, #]. As, por ejemplo,
un recocido que suele dar buenos resultados en problemas como el del viajante de comercio es
72.(100, 100, 1, 100</>o, 0,9], donde <po representa el valor inicial de la funcin objetivo.
Una serie de recocidos puede expresarse en el mismo formato con alguna convencin adicional.
As,
(
n
1l [C, a, P,.TQ, d] = {1l[C, a, 0, r 0 , 0] : a = a, 2a,... ,2n~la.}
_
representa una serie de n recocidos (o recocido incremental), cada uno el doble de lento que el
Un algoritmo heurstico para problemas NP-completos que consiste en introducir cambios locales en la configuracin hasta encontrar una solucin mejor, repitiendo el proceso hasta que para una configuracin los cambios locales
no descubran nada nuevo, vase Kirkpatnck et oln, 1983 672.
3.
Recocido simulado
54
anterior. Mientras que

nH[C, a, /?, T 0 , I?]
representa una serie de n recocidos de igual velocidad (o recocido en lotera), en los que se emplea
un generador A distinto cada vez. No parece interesante comenzar con distintas configuraciones
iniciales: con una temperatura suficientemente alta, se asegura precisamente que las 'condiciones
iniciales' se olvidan, es decir, que el algoritmo es elstico en lo que se refiere a la medida de la
probabilidad (Feller, 1950:420).
Ciertamente, los parmetros adecuados a cada problema deben determinarse en cada caso,
aunque las investigaciones muestran que el recocido estndar indicado da 'buenos' resultados en
problemas muy complejos, aunque 'bueno' no significa ptimo. Perteneciente a la heurstica del
problema en mayor medida ser el generador de cambios de configuracin, en el que puede aprovecharse en ocasiones lo que se sabe del problema especifico. De todos modos, existe siempre un
generador universal aplicable a cualquier problema. La idea es la misma que en el algoritmo de
bsqueda exhaustiva: adoptar como grados de libertad las g cifras binarias que representan cada
solucin. El generador entonces consiste en:
1. Elegir al azar una posicin en la ristra de bits
2. Efectuar una transicin para el bit correspondiente mediante un orculo o un profeta local,
segn se desee, pues aqu la funcin de particin local slo consta de dos sumandos.
3.4.3
Forma concreta del algoritmo
Cada uno de los recocidos individuales que se utilizar en adelante, de la forma 1Z[C, a, (3, TQ, I?],
responden al mismo algoritmo, a saber:'
0: x b *- x 0 ; x - x 0
A: para i 1 , . . . , C 1
T,
*~ r t _i; e *- 0
B: para j <- 1 , . . . , < V

X t <- </(x,T t )
si ^>(X) < 0(x&) entonces x, < x

si X ^ x entonces e < e + l y x * - x t
si e = 0 entonces se continua en C (final anticipado)
T,
*- tfr,
C: x / < x
La funcin objetivo <f> es, en este contexto, un algoritmo definido por el problema planteado.
Las configuraciones x, y x / son la mejor solucin encontrada y la final, respectivamente. Se
guarda cuidadosamente cada nueva solucin si es mejor por si acaso: merece la pena puesto que el
recocido es lento, y el 'gasto' en tiempo de clculo para ello es despreciable en comparacin con la
evaluacin de <>; aunque sea por casualidad, puede descubrirse una buena solucin que se perdera
de otra forma; a fin de cuentas lo. que se pretende es resolver un problema lo mejor posible. La
diferencia <>{x.f) <Kx&) es un indicador robusto de si el recocido fue demasiado rpido, y acab en
un mnimo local no ptimo. '
El contador e al final del bucle*B, indica el nmero de cambios que fueron aceptados. Si es nulo,
se ha alcanzado un mnimo local en un sentido estadstico: la probabilidad de encontrar algo mejor
es aproximadamente menor que {ag^)~l y, en consecuencia, se acaba anticipadamente. Este final
es el mejor, pues indica que el recocido efectuado se ha aceicado al 'cero absoluto' para el sistema
en cuestin (con independencia del valor concicto de r, vase Schodinger, 1944:90-91).
3.
Recocido simulado
55
Por ltimo, Q es el algoritmo que efecta las transiciones, especfico para cada problema (salvo
que se emplee el generador universal), y ser objeto de atencin a lo largo de buena parte de los
siguientes captulos. El recocido 'entrega' a Q la temperatura a beneficio del orculo o profeta local
que se emplee. En todo caso, merece la pena destacar que el algoritmo 'ignora' todo acerca de la
naturaleza y estructura de (j> y de x.
La descripcin pretende slo precisar lo que liay que hacer, no cmo hacerlo, pues segn sea
el problema concreto podrn aprovecharse sus caractersticas para sacar ventaja para el algoritmo.
As, en general, Q puede suministrar directamente informacin acerca de si se produjo la transicin
y, en tal caso, la comparacin x ^ x es innecesaria. En ocasiones podr sustituirse <f> por algoritmos
del tipo <p < 4> + A<^(xnueva!xvieja)) en los-que se calcula la diferencia de <f> de forma directa slo si
se produce la transicin, si es que esto representa alguna ventaja en trminos de cmputo respecto
a la evaluacin completa de <f>. Ya se comprende que resulta difcil imaginar todas las ventajas-que
la heurstica de un problema pueda ofrecer, mucho ms pretender describirlas.
3.5
Imitando a la naturaleza
Antes de poner a prueba el algoritmo 'contra' problemas de optimacin de estructura, merece la

pena situarlo en el contexto de los mtodos de optimacin en general. A mi entender, aparte
del recocido, otros dos de los mtodos usados con xito en ingeniera tienen una caracterstica
comn: imitar algn proceso natural incluso a costa de forzar el problema para que se aco,mode a
la naturaleza de aqul.
El primero de ellos es el simplex de Nelder et Mead (1965) que, segn la descripcin de Press
y sus colegas (1988:305-309), "tiene" una naturalidad geomtrica tal que convierte en delicioso
describirlo o emplearlo". Consiste esencialmente en dejar rodar una pelota sobre el suelo hasta que
se pare en el punto ms bajo al que pueda llegar. El suelo es desde luego la superficie de la funcin
que se desea optimar, en general una figura de g dimensiones. La pelota no es una pelota corriente
(ni la atraccin es newtoniana), se trata de una figura de g + 1 dimensiones que, en vez de rodar, se
arrastra, pero tambin crece o se contrae, y segn pasa el tiempo sita su centro de gravedad cada
vez ms bajo. El punto de partida puede elegirse al azar y el mtodo garantiza que se alcanza al
menos un mnimo local, es decir, un valle. La intervencin del azar puede aumentarse aplicando el
algoritmo a la primera solucin obtenida pero partiendo de una nueva forma aleatoria de la pelota:
"Volver a empezar no debiera ser caro; despus de todo el algoritmo convergi una vez a ese punto,
y ahora comienza de nuevo estando ya all" (Press et ah, ibidem).
El segundo es el 'algoritmo gentico' (cf. Holland, 1992:38-45). En esencia, consiste en partir
de una poblacin aleatoria formada por un cierto nmero de configuraciones x del problema. Para
cada problema particular debe especificarse, mediante reglas, la 'reproduccin sexual' de dos configuraciones (en general hermafroditas), de modo que la resultante sea tambin una configuracin
del espacio de bsqueda (la variante ms popular, considera que x es una ristra de cifras binarias, y
las reglas son, una vez ms, universales e independientes del problema). Adems, debe especificarse
una cierta tasa de 'mutacin' de modo que durante la 'reproduccin', los 'descendientes' dependan
en una pequea medida del azar. A la 'poblacin' se la deja evolucionar mediante algunas reglas
que reproduzcan lo mejor posible el principio darwinista de que sea ms frtil el ms apto respecto
a la magnitud que se ptima. Al cabo de unas cuantas generaciones la poblacin est esencialmente
distribuida cerca de la configuracin ptima. Las aplicaciones del algoritmo son muy diversas (cf.
Davis,.1987) e incluyen, por ejemplo, el diseo de turbinas (Holland, op. cit.), el diseo de presas
(Prez et Prez, 1993), o el dimensionado de estructuras (Galante et Cerrolaza, 1993), y tambin
la optimacin del horario de temperaturas para el recocido simulado! (Davis, op. cit. p. 10, una
tcnica que no se emplear aqu pues excede el alcance de estas pginas). ,
En este plano metafrico, el recocido puede describirse como una pelota que bota sobre la
superficie de la funcin. Cada bote intenta enviar a la pelota hacia otra regin que puede estar
cerca o lejos, pero la altura del bote sobre la superficie est limitada por la temperatura y va
disminuyendo con ella. Al principio, con temperaturas altas, la pelota puede escapar de pozos
3.
Recocido simulado
56
profundos (pero quiz no ptimos), de manera que tiene oportunidad de ubicarse en las tierras
bajas del paisaje; conforme la temperatura desciende, la probabilidad de que la pelota quede
atrapada en un valle, hoyo o pozo aumenta inexorablemente, hasta que queda quieta 31 .
Debajo de las apariencias, la conexin entre los tres algoritmos es a mi entender profundad
ninguno de ellos hace uso o requiere de las derivadas de la funcin que se ptima, de manera que
no se usa ninguna 'informacin' adicional al conocimiento de la funcin. En las tres estrategias
hay adems un compromiso entre 'exploracin' y 'conservacin'. El simplex guarda siempre lo
'mejor' obtenido hasta la fecha, mientras que el algoritmo gentico o el recocido slo guardan vagas
indicaciones de la regin ms prometedora del espacio de bsqueda. Ninguno de los tres se limita
a explorar el entorno de una configuracin, al contrario exploran lejos del punto de partida, de
un modo determinista en el caso del simplex, totalmente al azar en el recocido, y de un modo
eclctico en el caso del algoritmo gentico. Las tres estrategias se plasman en algoritmos muy
sencillos que deben 'funcionar' durante tiempos largos. Por ltimo, las tres se' enfrentan .a la
mnima definicin consistente de un problema de optimacin, caracterstica que comparten con
otros algoritmos provenientes de la optimacin combinatoria. En este contexto, conviene sealar
que el recocido simulado no es siempre la mejor estrategia posible 32 .
En el caso del algoritmo gentico y del recocido simulado se da otro hecho interesante: en
ambos casos, adems de la simulacin de problemas 'artificiales' como si fueran 'naturales', los
investigadores generalmente acaban cayendo en la tentacin de simular 'artificialmente' los problemas 'naturales' para averiguar por comparacin lo adecuado de la 'simulacin', es decir, del
propio modelo empleado. "Puede que, al final, la [imitacin] artificial retorne a la naturaleza la
deuda contrada, haciendo que los investigadores comprendan mejor los ecosistemas naturales y
otros sistemas adaptativos complejos" (Holland," ibidem).
3.6
Conclusin
La mecnica estadstica la teora de la informacin permiten calcular la distribucin de probabilidades de la funcin objetivo <f> en funcin de la temperatura r, que es una funcin de referencia que
informa de la accesibilidad al azar del mnimo de <>. Si T es grande, la probabilidad de encontrar
el valor ptimo es pequea; si se anula, la probabilidad es mxima.
El uso de tales ecuaciones para el estudio de funciones o de sistemas resulta en un problema
intratable, pues exigen la completa exploracin del espacio de </>. Pero con tcnicas de muestreo
sesgado en concordancia con la distribucin de probabilidades, pueden realizarse estimaciones del
valor medio de la funcin para una temperatura dada. Tales tcnicas tienen su origen en el mtodo
de Monte Cario, siendo el algoritmo de Metrpolis su aplicacin especifica en mecnica estadstica.
31
Ms analogas son posibles: considrese, por ejemplo, el sistema material necesario para el recocido de problemas
Pinsese en un ordenador que ejecuta el programa correspondiente. El valor de la funcin objetivo, cambiante con el
tiempo, estar almacenado en alguna parte de la memoria fsica de la mquina. Su evolucin acarrea cambios fsicos
que pueden medirse con precisin (campos magnticos o corrientes elctricas), y que pueden describirse sencillamente
mediante el valor de los bits que correspondan. Para evitar detalles tcnicos innecesarios puede pensarse en cada bit
como en un punto de un espacio imaginario: si el bit vale la unidad, una molcula de un gas igualmente imaginario
est presente en ese punto, en caso contrario la posicin est vacia. El conjunto de bits que representa la funcin
objetivo y la configuracin es la imagen de ese gas. Se trata, desde luego, de un sistema abierto, pues el nmero de,
'unos', es decir, de molculas,"no es constante. Al principio del recocido, los cambios aleatorios de posicin de las
'molculas' remeda el comportamiento del gas a altas temperaturas. Cuando el recocida acaba, los puntos ocupados
por molculas y el nmero de estas es esencialmente constante: el gas se ha solidificado. Por su parte, el computador
realiza trabajo y genera calor. El sistema completo es como un frigorfico respecto a la funcin objetivo.
En un torneo organizado por David Ackley (1987) con ocasin de redactar su tesis doctoral, el recocido simulado
nunca obtuvo medalla de oro frente a los otros seis participantes. Estos eran: escalador de mxima pendiente,
escalador de la segunda mejor ruta, algoritmo de Metrpolis a baja temperatura, dos versiones del algoritmo gentico
y una mezcla de ttulo difcilmente traducible entre el algoritmo gentico y el algoritmo de Metrpolis ("stochastic
iterated genetic hillchmbmg"), que podra quiz resumirse como democracia directa Se trataba de optimar seis
diferentes funciones de bits, de muy diversa estructura. El recocido simulado siempre llego a la 'meta' (mientras
otros agotaron el tiempo concedido sin 'decidirse' por una solucin), nunca fue el ltimo, y obtuvo dos medallas de
bronce, una de ellas en la prueba 'reina'. La conclusin de Ackley en lo que respecta al conjunto de los competidores
fue que "there is simply no 'best strategy'. ., "
3.
Recocido simulado
57
De dicha distribucin puede inferirse un modo seguro de recorrer el espacio de (p, anlogo a la
evolucin natural de muchos sistemas fsicos simples, a fin de buscar el valor ptimo de la funcin,
mediante cambios seleccionados en la variable independiente x. La seleccin se realiza mediante
orculos que emplean probabilidades condicionales consistentes con la distribucin. Alternativamente pueden calcularse los cambios de x mediante profetas locales. El recorrido comienza a
temperaturas altas, como si no se supiera nada, lo que permite una exploracin global del espacio
de <j>. Paulatinamente, la temperatura desciende, alterando el funcionamiento de orculos y profe-,
tas, con el resultado de una seleccin ms rigurosa de los cambios, de manera que se favorecen, cada
vez ms, los menores valores de (f>. Coexisten dos tendencias contrapuestas. Por una parte, para
cada temperatura, la segunda ley asegura que se explorarn muchas regiones y no slo las cercanas
de los mnimos locales, puesto que con el tiempo la incertidumbre debe aumentar si la temperatura
permanece constante;-de este modo se asegura la capacidad de exploracin. El descenso de la
temperatura asegura, por su lado, el aumento sostenido de la probabilidad de encontrar el valor
ptimo, lo que asegura la mejora constante del valor de x y, en consecuencia, la conservacin de
los posibles hallazgos. El proceso acaba cuando no se profetiza o acepta cambio alguno de x.
Resumen
En la primera seccin se han recordado las ecuaciones fundamentales de la termodinmica estadstica. En todas ellas un parmetro, la temperatura, cobra especial relevancia como indicador
del estado del sistema en estudio.
En la segunda seccin se han examinado las tcnicas necesarias para la investigacin estadstica
de tales ecuaciones. La tcnica bsica es el mtodo de Monte Cario, pero su utilizacin exige la
transformacin de probabilidades, para generar distribuciones cualesquiera a partir de una distribucin uniforme fundamental. Para ilustrar su empleo, se ha incluido el clculo del rea del
conjunto de Mandelbrot.
En la tercera seccin se ha estudiado la forma especial que adopta el mtodo Monte Cario,
cuando la distribucin de probabilidad es la de Boltzmann. El algoritmo bsico es el de Metrpolis,
que permite simular el comportamiento de un sistema a temperatura constante. Su fundamentacin
matemtica es posible a travs de la teora de probabilidades, en particular, a travs de cadenas de
Markov. Estas se estudian ligeramente. Se indican tambin las alternativas al algoritmo bsico de
Metrpolis que sern aplicadas en ls captulos siguientes, distinguindose dos categoras: orculos
y profetas. Todo ello se ilustra tambin con un ejemplo muy sencillo.
En la cuarta seccin, por fin, se introduce formalmente el algoritmo de recocido simulado, como
una secuencia de algoritmos de Metrpolis a temperatura decreciente en forma montona. Para
legitimar el uso de la temperatura en sentido amplio, se derivan las ecuaciones fundamentales del
algoritmo a partir de la teora de la informacin. De esta forma, paralelamente a las magnitudes de
la mecnica estadstica, se introduce el concepto de incertidumbre. Se describe un esquema general
del algoritmo, para el que se muestra un teorema de convergencia y se citan otros. El recocido se
relaciona tambin con otras tcnicas muy relacionadas: revenido y temple. Se muestran distintos
esquemas para la resolucin concreta de un problema, y se destacan dos: recocidos incremntales
o en lotera. Por ltimo, se especifica la forma concreta del algoritmo que ser utilizada en los
siguientes captulos.
Finalmente, en la quinta seccin, el algoritmo de recocido se sita en el contexto de otros algoritmos de optimacin, el algoritmo gentico y el simplex de Nelder & Mead, con los que comparte
caractersticas comunes.
Capitulo 4
Anlisis de losas
Como se vio en el captulo 1, la teora de estructuras enfrenta dos problemas de optimacin fundamentales: minimar la energa potencial o el coste. Parece natural comenzar por el primero:
para solucionarlo existe una amplia variedad de mtodos eficientes en la prctica para los casos de
inters. Por tanto, se cuenta en general con soluciones bien establecidas con las que comparar los
resultados de cualquier nuevo algoritmo.
He elegido el anlisis de losas mediante la teora de lneas de cedencia popularmente de
rotura, pero cf. Johansen, 1962 debido a la inexistencia de un algoritmo automtico que la
aplique. Ciertamente, el algoritmo, en principio, es innecesario, por cuanto un anlisis no-lineal
con un material elastoplstico resuelve el mismo gnero de problemas. En consecuencia, se trata
de un ejercicio esencialmente terico. De todas formas, la teora es especialmente apropiada para
calcular a mano, de manera que existen numerosos ejemplos con los que contrastar resultados.
Primeramente, se derivar la teora con argumentos algo distintos de los habituales, enfatizando
caractersticas, comunes a todos los problemas de la fsica en que se minima la energa, si- bien
formulando un problema ligeramente distinto al que se plantea la teora estndar. El anlisis es
ms detallado de lo necesario como cortesa a los no especialistas en teora de estructuras. En la
segunda seccin se establece el modelo empleado para representar las ecuaciones tericas a la vez
que se construye el generador de cambios al azar para el recocido y se disean dos profetas locales.
En la tercera seccin se resuelven casos cannicos, cuya 'solucin' figura tabulada en los manuales
de diseo de estructuras. En la siguiente, se'abordan tres casos no cannicos, aunque tampoco muy
complicados.
4.1
Teora
En el diagrama tensin deformacin del acero, vase figura 4.1, se reconocen las propiedades esenciales de los materiales desde el punto de vista de la Resistencia de Materiales: AB es el perodo
proporcional, durante el cual la resistencia es proporcional a la deformacin, terminando al alcanzarse la deformacin ee en el lmite de proporcionalidad, ae; BC es el de cedencia, no se obtiene
ms resistencia con ms deformacin, pero tampoco hay rotura fsica; CD es la fase final, compleja,
con aumento y posterior prdida de resistencia y acaba en la rotura final de la pieza que se ensaya.
El diagrama elastoplstico ABC retiene las propiedades esenciales de los dos primeros perodos y
reduce el ltimo a un punto, suponiendo que la deformacin de rotura eu es igual a la de cedencia
ec; la ductilidad del material se expresa convenientemente mediante la longitud BC, es decir, la
diferencia ec ee, denominada a veces deformacin plstica ep (cf. Aroca, 1985).
El diagrama plstico A'C desprecia tambin el perodo elstico, conservando nicamente la
ductilidad del material, suponiendo ep ec, lo que implica ee = 0. En materiales como el acero
comente, en el que la energa de deformacin elstica almacenada rea ABB' es uno o dos
rdenes de magnitud menor que la plstica rea B'BCC, parece una aproximacin razonable,
si lo que se desea evaluar es el comportamiento de la estructura en situaciones ceicanas al comienzo
de la fase final, es decir, evaluar la mxima capacidad portante de la estiuctura coiicspondiente
4.
Anlisis de losas
59
Figura 4.1: Diagrama tensin versus deformacin del acero

Se trata de una representacin esquemtica y sin escala
a situaciones en que no se rebasa la tensin ae. En cualquier caso, la aproximacin plstica es

insegura desde el punto de vista del diagrama elastoplstico, pues asigna al material la capacidad
de almacenar energa hasta un total de A'CC'A, mayor en la mitad A'BA que la capacidad en este
ltimo diagrama. Sin embargo, no se cuenta con la energa almacenada en la fase final, as que
desde el punto de vista del diagrama completo, la aproximacin es probablemente segura
Cedencia indica en castellano varias ideas: transferencia, rendicin, fin de la resistencia (cf.
DRAE). Y todas ellas son de justa aplicacin en este perodo de la carga de una estructura.
Algunos puntos alcanzan el lmite de proporcionalidad ae antes que otros, pero como en el tramo
BC tales puntos ceden sin 'romperse', existen oportunidades para que otros puntos que no han
alcanzado ae lo hagan, contribuyendo con ms resistencia al total de la estructura, lo que se
describe intuitivamente como transferencia de esfuerzos. El incremento de la resistencia plstica de
la estructura sobre la puramente elstica es fundamentalmente debido a ese esperar de los puntos
ms solicitados a los menos. Si se elimina el perodo elstico se elimina ese tiempo de espera. En
el diagrama plstico puro no hay espera: un punto de la estructura o tiene deformacin absoluta
estrictamente positiva, en cuyo caso contribuye con toda la resistencia, o no tiene deformacin y no
contribuye nada. En otras palabras, aquellas zonas de la estructura responsables de la resistencia
frente a una carga determinada entran en accin al unisono. De este modo, el modelo plstico
representa un atajo hacia la situacin de inters. Debe sealarse tambin que, paradjicamente,
este atajo permite eliminar la plasticidad en el sentido ms general comn a otras especialidades
de la fsica: "la totalidad del pasado del sistema influye en el futuro" (Feller, 1950:420).
En una pieza prismtica que se curva, vase figura 4.2, y admitiendo que la ley de deformaciones
de una seccin transversal es plana, todos los puntos tienen deformacin (positiva o negativa) salvo
los que caen en la lnea neutra o de deformacin nula, de manera que el diagrama de tensiones de
la seccin es abruptamente discontinuo al pasar por ella. Si la flexin es pura, cualquier seccin
con curvatura no nula contribuye a resistir todo el momento flector del que es capaz, Mu, desde
el primer momento. De este modo, en una estructura fiectada cada seccin puede clasificarse en
varias clases1: tres si la resistencia de la seccin depende del signo de la curvatura: M = M~,
M = 0 y M = M+.
4.1.1
La funcin objetivo: la energa potencial
Considrese una losa horizontal de geometra bien definida. A fin de evitar ambigedades la supondremos dentro de un laboratorio, a una altura del suelo s (s > 0) y a una distancia t del techo
(t < 0). Las cargas son pesos constantes durante todo el proceso. Inicialmente se sitan en posicin
mediante artilugios adecuados, de manera que son sostenidas por stos y no por la losa, aunque no
1
Abusando del lenguaje, esta situacin puede denominarse cuntica por analoga con los estados accesibles a un
espn atmico.
4.
Anlisis de losas
I
I
I
I
/
//
//
\\
60
\\
'
/'
\\
vv
*\
/
/#
\\
\
\
i
i
I
I
I
I
\\
\
\
Figura 4.2: Deformacin plana y tensiones plsticas

A la izquierda se representa un trozo de pieza prismtica curvada. Si la curvatura y el trozo son
suficientemente pequeos, la situacin puede representarse esquemticamente tal y como figura en el
centro A la derecha, se representan los diagramas de deformaciones y tensiones en cualquiera de las
secciones (la curvatura es constante a lo largo del trozo)
hay separacin entre ellos y sta. En cierto instante, los pesos se sueltan sobre la losa2.
El objetivo del anlisis es predecir cul ser la posicin final de las cargas y la losa, es decir,
cmo acabarn. Tal posicin final se considera bien caracterizada como aqulla en que la energa
potencial es mnima. Para buscarla, es necesario un modelo que permita calcular sin ambigdad
dicha energa. Sea una deformacin arbitraria de la losa: si con ella las cargas descienden, pierden
energa potencial respecto a su situacin inicial. Pero adems, la losa acumula energa, en la misma
medida en que hay que realizar trabajo para deformarla. La suma de ambos trminos, determinados
por la figura deformada, es la energa potencial. De este modo, se puede probar 'imaginariamente'
diversas deformaciones y elegir de entre ellas la de menor energa como la configuracin ms probable
en la rotura. Si la rotura real no se encuentra entre las probadas, la predicin es incorrecta y,
adems, insegura.
Para el anlisis numrico puede recurrirse al expediente habitual de aproximar la deformacin
real bajo una carga dada mediante los movimientos de un nmero finito de puntos, suponiendo
alguna forma de interpolar el movimiento del resto. Una suposicin comn es que los movimientos
interesantes son exclusivamente verticales. Si la superficie de la losa se divide en tringulos (lo que
siempre es posible, aproximadamente), los descensos zv de los vrtices definen una aproximacin
a una deformacin real, mediante una interpolacin lineal del descenso en el resto de los puntos.
Ntese que, en consecuencia, cada descenso z depende linealmente de los zv pero no respecto de
los (xt,yt).
|
La superficie polidrica que definen los descensos zv est formada por tringulos planos. Dentro de cada
tringulo, el descenso de cualquier punto se obtiene sustituyendo sus coordenadas (x, y) en la ecuacin del
plano definido por los tres vrtices i, j y k, cuyas tres coordenadas estn definidas para cada deformacin y
cada divisin que se considere
x y z 1
xt
Vi
zl
Xj
2/j
^3
Xk
yk
Zk
= 0
y la funcin de interpolacin para z es:
z = z(x,yy= z, + (-.M(y.) + (y-y.M(,x)
(41}
2
La teora estndar, sin embargo, 'analiza' una losa en la que no est definida totalmente la capacidad resistente
De hecho, el objetivo es calcular dicha capacidad Aqu, por el contrario, la losa est totalmente definida j el objetivo
es averiguar si la losa resiste o no la carga dada En el lenguaje del captulo 1, el problema abordado aqu es de
anlisis, mientras que la teora estndar resuelve un problema de diseo, aunque referido slo a la capacidad resistente
4.
Anlisis de losas
dnde bfx = {xl,x],xi)
61
(anlogamente y), y A se define como:

A{&, b) = (a, - a,)(6fc - &,) - (ak - at)(6J - 6t)
!
i
Energa potencial de deformacin

En la deformacin real, la losa adopta una forma curva bajo la" carga. Para esta deformacin la
expresin general de la energa potencial de deformacin que acumula la losa es fv aedV, siendo
V su volumen3. Su calculo debe hacerse a la vista del diagrama a(e) que se considere 'realista' y,
en general, depender del proceso de carga.
'
Para el modelo plstico perfecto y la 'deformada' polidrica, el clculo de la energa sigue otro
camino. Los tringulos no se deforman ni acumulan energa4. Las aristas, por su parte, son muelles
de torsin que, a diferencia de los clsicos y elsticos, ejercen siempre el mismo momento M para
cualquier valor no nulo de su rotacin5 (aunque el valor de M depender, en general, del signo
de la rotacin 9). Un modelo ms fino exigira una'rotacin de rotura 6U (en correspondencia a
la deformacin de rotura eu), pero aqu se supondr que los muelles plsticos de torsin nunca se
rompen 6 , cediendo indefinidamente a la vez que resisten un momento 7 .
Si las propiedades resistentes de la losa son constantes a lo largo de cada arista, la energa de
deformacin 'acumulada' en ella, para cada deformada que se pruebe, se calcula como el producto
del momento resistido por la rotacin relativa entre los tringulos adyacentes, Mu9. De este modo
la energa de deformacin, Ud, est bien definida como la suma de la de todos los lados 8 . Mu es de
la forma rnL, donde m es un momento por unidad de la longitud L de la arista 9 .
Energa potencial de las cargas
Una convencin til es que la energa potencial de las cargas es nula en la posicin inicial de la
losa. Tambin, que la carga total Q se dirige hacia el suelo. En tal caso, las cargas pierden energa
potencial en la misma medida en que realizan trabajo al descender. En general este trabajo es de
la forma Qp-zp donde zp es el descenso del punto de aplicacin de la carga Qp. Este descenso
est bien definido, pues el punto P o bien es uno de los vrtices o bien pertenece a un tringulo,
3
La tensin y la deformacin en esta expresin son, en rigor, tensores.

Si los descensos zv son grandes,'los tringulos pueden extenderse con la consiguiente aparicin de tracciones de
'membrana* (como en el captulo 5). Pero la hiptesis habitual de desplazamientos pequeos, permite despreciar este
efecto, importantsimo en la rotura real.
5
Lo anterior tiene implicaciones bien conocidas que merece la pena resaltar: Slo se est teniendo en cuenta la
energa potencial debida la flexin. Adems, "el proceso de carga descrito ser en realidad esencialmente dinmico
y, sin embargo, slo se tienen en cuenta desplazamientos, pero no velocidades o aceleraciones. A primera vista, esto
ltimo puede parecer inadmisible. Pero a pesar de todo es una hiptesis empleada con mucha frecuencia, basta pensar
en una bscula: a fin de cuentas, da la misma pesada incluso aunque el objeto se deposite con cierta violencia sobre
ella. La condicin es, desde luego, que las fuerzas de inercia que representan dicha violencia sean despreciables frente
a la carga esttica.
Si los desplazamientos son pequeos,-en la prctica esta suposicin no tiene muchas implicaciones en materiales
como el acero (puede doblarse un alambre 360 grados sin romperlo). Por otra parte, la rotacin de rotura puede
introducirse sin dificultad en el modelo (aunque no se har aqu), como una restriccin al rango de las variables 2;
las tcnicas necesarias se mostrarn, para otro problema, en el captulo 5.
Si es que la descripcin resulta afortunada se debe en buena medida a los comentarios de Vzquez (1994) y
Miguel (1994), que insistieron en que mejorara la redaccin inicial, larga y confusa.
8
Merece la pena sealar que este trmino de la energa potencial guarda un perfecto paralelismo formal con el
debido a la interaccin entre espines en un sistema magntico. El descenso de cada vrtice se corresponde con un
espn.
.
'
Si el momento resistido fuera constante en todas las aristas e independiente del signo de la rotacin, se tendr
que, esencialmente, Ud TU ^2 | 6 \ L. En esta expresin se advierte que, para una esquema de subdivisin dado,
la energa de deformacin crece con el nmero de tringulos, es decir, con el inverso del tamao de los elementos (o
con su nmero total). Si se trata de minimar la energa quizs la mejor malla no sea la de menor tamao, como
ocurre en el mtodo de los elementos finitos. A esta conclusin, se llega por los argumentos de la teora estndar,
en la que se exige que la divisin de la losa en trozos, adems de ser cinemticamente posible, sea 'compatible'
tensionalmente (de Miguel, 1986:9) o 'estticamente admisible' (Quintas, 1993:4), lo que permite escribir reglas
acerca d configuraciones 'correctas' o 'incorrectas' (Johansen, 1962:47-51; Quintas, 1993:5-6). De ellas se deduce, por
ejemplo, que varios trozos sin ningn lado en el permetro o en los apoyos caracterizan una configuracin 'inconecta',
como sera el caso de subdivisiones reiteradas sobre un esquema inicial.
4
4.
62
Anlisis de losas
y entonces puede calcularse su descenso como se indic anteriormente, ecuacin (4.1). El trabajo
realizado por las cargas, Wq, es igual que su prdida de energa potencial 10 Uq = Wq.
La energa potencial
La energa potencial total es simplemente U = Ud + Uq. Por la convencin adoptada, esta energa
es nula en la situacin inicial. Si se acepta el principio de mnima energa potencial la configuracin
de equilibrio corresponde al valor mnimo de U. Las situaciones de equilibrio pueden clasificarse
en dos nicas clases:
1. mint/ = 0:' en la posicin inicial, la losa ya ha. alcanzado el mnimo y por tanto soporta la
carga sin ceder lo ms mnimo.
2. min U < 0: lo que implica Wq > U, es decir, las cargas pierden ms energa potencial que la
acumulada por la estructura, de manera que la deformacin aumenta incesantemente hasta
que al menos un punto de la losa alcanza el suelo, z s, el cual contribuye desde ese instante
a equilibrar aquellas cargas con las que no puede la estructura., De no existir el suelo, cargas
y estructura continuaran indefinidamente su viaje, con las suposiciones enunciadas.
Ntese que la energa de equilibrio, min U, est acotada. Su mximo valor es 0, el correspondiente a la situacin inicialPY su mnimo valor es Q s, correspondiente a resistencia nula y total
ausencia de apoyo, U = 0, lo que permite que todas las cargas acaben en el suelo. Con unidades
adecuadas puede hacerse sin merma de generalidad que Q s = 1, lo que permite 'normalizar' a
una escala comn problemas distintos, en la cual minf/ [1)0]. Salvo que se advierta otra cosa
todos los problemas estudiados en adelante estarn normalizados 11 .
4.1.2
Clculo de Wq
El conjunto de cargas puede naturalmente incluir puntuales Q, lineales p o superficiales q. La

expresin del trabajo realizado por las cargas depende exclusivamente de su geometra:
1. Cargas puntuales. Q z(xQ,yQ) para una carga aplicada en el punto
(XQ,VQ)-
2. Cargas lineales. JLp(s) z(x(s),y(s)) ds donde s es el parmetro de la curva (de longitud L)

sobre la que acta p, curva definida paramtricamente por las ecuaciones x = x(s) y y = y{s).
3. Cargas superficiales. ffA q(x, y) z(x, y) dx dy donde A es el rea donde acta la carga q
Wq es la suma, .extendida a todas las cargas, de los trminos anteriores que correspondan. La
realizacin prctica de este clculo, raramente podr hacerse de ,forma analtica. En general, se
usar una cuadratura numrica que puede expresarse de un modo muy general:
W , ; Q , - P , *(*&)
(4.2)
donde i recorre todos los puntos definidos por la cuadratura, Pt es el 'peso' correspondiente, y Q,
, representa el valor de carga en cada punto. Mientras no se especifique una cuadratura particular,
lo nico reseable es la dependencia lineal de Wq tanto de Qt como de z y, por tanto, de los zv. De
un modo u otro, las cargas vendrn definidas por un cierto nmero de parmetros que en adelante
agruparemos en una lista Q.
En sistema! de espines, la magnitud anloga a Wq es la debida a la interaccin de cada espn con un campo
magntico externo.
Cabra, incluso, la posibilidad de adoptar arbitrariamente Q s como valor de la energa polencial'eh la posicin
inicial, en tal caso se tendra, despus de normalizar, mint/ 6 [0,1].
/$'*
4.
63
Anlisis de losas
4.1.3
Clculo de Ud
El clculo de la energa potencial de deformacin implica una suma extendida a todos los lados ij
adyacentes a dos tringulos. Esta condicin de continuidad de la losa puede, en el borde, sustituirse
por la de empotramiento perimetral, que en realidad presupone la continuidad con otra estructura
cuya energa no se tiene en cuenta en el anlisis (en general por considerarse muy pequea). Salvo
esta excepcin, el clculo de cada sumando se refiere a un lado comn a dos tringulos.
En la superficie polidrica, la rotacin 0 tJ en cada arista es constante. El momento resistido,
en cambio, puede no serlo a lo largo del lado considerado. Adems, en estructuras en las que la
resistencia a traccin y a compresin no son equivalentes, el momento resistido puede depender del
signo de la curvatura o, lo que es lo mismo, de la rotacin, pero no de su valor absoluto. El momento
resistido por unidad de longitud puede representarse mediante una funcin
mu(x,y,ip,signo^)),
en donde <p es el ngulo que forma con el eje x la seccin considerada. Si el lado se define mediante
la ecuacin paramtrica de la recta x = x(s) e y = y(s), el ngulo que forma con el eje x es
tan <p = dy/dx. La energa de deformacin acumulada en la arista ij es:
&i] /
mu(x,y,tp,signo(9lJ))ds
** Lu
La energa de deformacin U ser la suma extendida a todas las aristas de esta integral, cuyo
clculo una vez ms se realizar mediante alguna cuadratura, de manera que:
C7dw j ; P t M A x
%
(4-3)
\
donde de nuevo i recorre todos los puntos de la cuadratura, y P,, M t y 0, son el 'peso', el momento
y la rotacin convenientes al punto considerados. Ud depende linealmente de los Mt y de los 6t.
Como se ver con detalle en seguida esto implica dependencia lineal en zv. Al igual que se hizo con
las cargas, los parmetros que definen los momentos resistidos por la losa, se agrupan en una lista,
R.
Considrese los dos tringulos tjk y jlk de la figura 4.3. -Se trata de calcular la rotacin 9}k
del lado comn. Para ello, basta trazar las alturas sobre jk de cada tringulo, lo que define los
puntos 'opuestos' i' y /'. Las coordenadas de estos puntos se determinan como solucin a un
problema de interseccin de rectas en el plano: la jk y las perpendiculares a jk que pasan por i y
l, respectivamente. Sus descensos se determinan con (4.1). La expresin de la rotacin en la lnea
jk es entonces:
^
z > zt
z,i z
B3k = - Y - ^ + - V - -
4 4
(-)
11
mientras que en un empotramiento perimetral, desaparece uno de los trminos pues slo hay un
tringulo:
0^ =
Z.i -
Zt
y en ambos casos 6 depende linealmente de zv, como se anunci. Ntese tambin que la rotacin se
mide en un plano perpendicular al xy y no en el perpendicular a la recta jk, debido a la hiptesis
habitual de desplazamientos pequeos.
4.1.4
Ligaduras
No todas las coordenadas (x,y, z) son variables. Los descensos de aquellos puntos en los que la
losa est apoyada de algn modo muros o soportes sobre el suelo son siempre nulos. Las
coordenadas (x, y) de los vrtices que modelan el permetro son fijas, pues definen la supeificie de
la losa. En consecuencia, el nmero de grados de libertad ser menor que 3)V siendo Ar el nmero
de vitices.
4.
Anlisis de losas
64
Figura 4.3: Clculo de la rotacin en una arista

Para el clculo de la rotacin en la lnea jk, se trazan las perpendiculares por % y por /, determinndose los
puntos i' y V Los descensos de estos cuatro puntos y sus distancias determinan la rotacin
Los rangos de cada grado de libertad tienen definiciones diversas. Todos los descensos pueden
tomar valores en [t, s], lo que expresa el hecho de que la losa est" confinada en el laboratorio 12
Cada vrtice de la malla puede cambiar de posicin pero, ntese bien, esto es un cambio del
modelo, no un movimiento de un punto de la losa: las coordenadas de la losa (XL,VL) son fijas,
considerndose slo movimientos z perpendiculares a su plano." Las variaciones de las coordenadas
(x, y) de los vrtices de la malla representan cambios en la situacin de las lneas de cedencia Cada
vrtice del modelo slo puede mudar su posicin dentro de la superficie limitada por la poligonal
que forman los vrtices unidos a. l mediante lados: de otra manera, la superficie modelada podra
plegarse o solaparse so'bre s misma, dejando de representar una losa plana. El descenso de cada
vrtice, z, es idntico al descenso de la losa en ese punto, es decir, si (x,y) = (x,j/x,) entonces
Z =
ZL-
Es imprescindible que existan al menos tres vrtices no^ alineados en los que z = 0. En otro
caso, una deformacin que dejara la losa plana pero en la que al menos existiera un vrtice con
z = s, tendra Ud = 0, Wq > 0 y U < 0, y la conclusin es que la losa sera incapaz de soportar las
cargas. Esta es la condicin de isostahsmo, bien conocida13.
Los grados de libertad, es decir, la lista de las variables x,y,z no ligadas se denotar como x,
manteniendo la notacin del captulo 3. La lista de variables~x, y, z fijas as como sus valores se
agrupan en otra lista, L.
4.1.5
El p r o b l e m a d e anlisis de losas
El problema de analizar una losa con ligaduras L, resistencia R y carga Q dadas de antemano
puede formalizarse con las notaciones anteriores como:
min{t/(x)} = min{[/ d (x) - W,(x)}
La solucin al problema es una configuracin x m i n que determina tanto la deformacin de la losa con
mnima energa potencial (variables zv), como la malla 'ptima' para representar tal deformacin
12
Puede verse ahora por qu el suelo es necesario en el anlisis elstico, la energa de deformacin crece geomtricamente mientras la de las cargas disminuye slo hnealmente, de este modo hay un mnimo bien definido En anlisis
'plstico' ambas funciones son lineales y si el mnimo no es nulo entonces es oo El suelo define un mnimo cuando
la losa tiene resistencia insuficiente, sosteniendo aquella parte de las carga que es excesiva para la losa
13
Las ligaduras en z 'frustran' a las cargas que, en su ausencia, descenderan hasta el suelo disminujendo su
energa potencial hasta su valor mnimo normalizado, 1 Hay otra 'frustracin' adicional, considrese un vrtice,
.cuj debiera ser su descenso'para que, en todas las lneas de cedencia que confluyen en l, la rotacin sea nula 7 Si la
respuesta es la misma para cada una de las lneas, la configuracin de energa mnima es trivial, en el mismo sentido
en que lo es la de los espines en un sistema ferromagntico, pero debido a la existencia de carga, no ocurrir as en
general De este modo, no existe un valor para el descenso de cada vrtice que pueda satisfacer las condiciones locales
para alcanzar el mnimo, tal y como ocurre con la orientacin del espn en un vidrio de espines
Las analogas indicadas con los sistemas de espines y esta 'frustracin' permiten sospechar la existencia de mltiples
estados de energa localmente mnimos, conclusin a la que puede llegarse con otros argumentos de la teora estndar,
cf Johansrn, 1962 64
4.
65
Anlisis d e losas
(variables
x,y)14.
La solucin al problema se caracteriza en dos categoras. Si min U = 0 la solucin es aceptable
desde el punto de vista exclusivo de la resistencia. En caso contrario, la solucin es inadmisible.
La bsqueda de una solucin aceptable exige entonces variaciones de R dado que tanto Q como L
vendrn dados por el uso al que la estructura se destina. El problema ya no es de anlisis, sino de
clculo, siendo ste ltimo del que t r a t a habitualmente la teora estndar.
Las soluciones aceptables se pueden clasificar a su vez en dos categoras si se presta atencin a
la configuracin de rotura x m i n correspondiente a min U. Si algn zv es distinto de cero se t r a t a
de una verdadera configuracin de rotura. En efecto, variaciones de la forma z'v = kzv, siendo k
una constante independiente de v, alrededor de la configuracin de equilibrio, correspondern a
valores nulos de [/, que indican una posibilidad de equilibrio indiferente: la resistencia de la losa es
estrictamente la necesaria. Si, por el contrario, todas las variables zv son nulas, la configuracin de
rotura es trivial e indica una resistencia sobrada o a lo sumo estricta (si la solucin no es nica y
existe otra no trivial); de hecho variaciones arbitrarias de los descensos dan como resultado aumento
de la energa, lo que caracteriza al equilibrio como estable.
Si el espacio de bsqueda se limita a las configuraciones de rotura no triviales, XZQ,
entonces
el valor mnimo de la energa potencial deja de estar acotado superiormente y la clasificacin de
los diseos puede hacerse con naturalidad y sin ambigedad en sobredimensionados,
estrictos e
inadmisibles, segn que el valor mnimo de U sea mayor, igual o menor que cero.
El problema de diseo
A fin de establecer la distancia entre el problema de anlisis y el problema resuelto por la teora-estndar se
examinar brevemente el problema de clculo asociado, aunque no se abordar en lo que sigue. En resumen,
el problema de anlisis es: "dada una losa y una carga, puede la losa resistirla?". La teora estndar, por
su parte, se formula dos preguntas equivalentes entre s: "dada una losa con una distribucin de resistencia
y una carga, cul es la mnima 'intensidad' de la resistencia para que la soporte?" o bien "dada una losa y
la forma de una carga, cul es la mxima intensidad de carga que soportar la losa?"
El problema de diseo de una losa con geometra L y carga Q dadas puede expresarse en general como
la solucin de la siguiente ecuacin:
maxmin t/(R, x)} = 0
R
*
El problema puede o no tener solucin aceptable, vase 4.1.4, segn sea el valor de U para la solucin ptima.
Esta definicin es muy'general (para una exploracin de soluciones, vase Miguel, 1986). El problema que
plantea la teora estndar (Johansen, 1962:64), es una versin particular y restringida en la que se estudia
una determinada distribucin de resistencias Ro, y todas aquellas relacionadas con sta por un factor de
escala, K\ de tal suerte que cualquier otra resistencia, R.(K), en el espacio de los diseos, tiene definida su
energa de deformacin como:
'
x
Ud(R(K),x) = KUd(Ro,x)
Esto implica desde luego una reduccin importante del espacio de bsqueda de los diseos posibles, convirtindose el problema general en el de calcular una capacidad resistente aceptable para una determinada
distribucin (la cuanta de armado en una losa de hormign, o un canto en una losa de acero). La versin
particular puede escribirse como:
max{miniy(R(.fO,x)}
(4.5)
donde t / ( R ( l ) , x ) denotar la energa con la resistencia inicial, /(Ro,x).
Si dada la. distribucin de resistencias Ro se obtiene que min U < 0, el problema es todava encontrar
una solucin aceptable. En este caso, el valor mnimo de U se habr obtenido para una cierta configuracin
xo. Para esa configuracin se tendr:
minl/(R(l) > x) = t / < i ( R o , x o ) - W , ( x o ) < 0
es decir /,(Ro,xo) < Wq(x0) o bien
_
Wq(xp)
(7 d (Ro,xo)
En cierto sentido, el mtodo incluye tambin, aunque implcitamente, el problema conocido como estimacin del
error en la literatura, cf. Bugucda, 1991 passim
4.
66
A n l i s i s d e losas
Puesto que U depende linealmente del factor de escala, al menos para la configuracin xo, puede obtenerse
una solucin aceptable de inmediato, que no es otra que R(J'o), pues:
/(R(/fo),x 0 ) = / i r o ^ ( R o , x o ) - W , ( x o ) = 0
Esto implica aumentar'la resistencia como era de esperar. Ntese que, por lo tanto, para R(.ft'o), adems
de la solucin trivial z = 0, existe al menos una configuracin Xo para la cual algn zv ^ 0 pero U =
0. Ciertamente, hay que realizar de nuevo el anlisis por si para las nueva resistencia H(K0) existe otra
configuracin xi con energa estrictamente menor y por tanto no nula, resultando de todas formas una
solucin inaceptable. Si tal ocurre se tendr:
mmU(R{K0),x)
= K0Ud{Ro,xi)
~ W,(xi) < 0
y puesto que KQ > 1:

tfdRo.xi)
- W,(xO < K0Ud(Ro,xi)
~ W,( X l ) < 0
y, por tanto, R(A'i) con A'i W 9 (xi)//d(Ro,xi) sera un nuevo diseo seguro para x i . En tal caso,
fxI/dRo.Xi) - W,( X l ) = 0 > K0Ud(Ro,X!)
- Wq(xx)
y en consecuencia K\ > KQ, y el diseo R(A"i) tambin es aceptable para la configuracin xo- Por tanto, el
problema (4.5) puede sustituirse por
>
**<"> " 8 - l ^ o }
(4 6)
que proporciona no slo una solucin aceptable (si existe), tambin estricta. Esta versin es la teora
estndar: convierte el problema de clculo original (4.5) en un problema de optimacin sin aumento del
espacio de bsqueda.
Para este problema, la solucin con todas las variables zv = 0 da un valor indeterminado (U = 0). De
hecho es, de nuevo, una solucin trivial, lo que no ocurre en el problema de anlisis pues se desconoce a pnon
si la losa resistir o no. Pero como el numerador y el denominador dependen linealmente de las zv su lmite
es la unidad, cualquiera que sea el camino por el cual se llegue. De hecho, lo mejor es restringir el espacio de
bsqueda a XZ^Q. Si la solucin no es trivial se tienen tres casos: si K < 1 la resistencia inicial era excesiva,
si es la unidad era la justa, en otro caso era insuficiente. Aqu lo que se busca es el 'factor de escala' de las
resistencias que proporciona una solucin estrictamente aceptable. De hecho, la formulacin (4.6) exige que
Ro sea un diseo inaceptable, es decir, Ka > 1. Afortunadamente, para obtener una solucin inaceptable
basta disminuir las resistencias, exageradamente si es necesario, lo que nicamente implica variar la 'escala'
de la funcin K. En conexin con esto, merece la pena sealar que la escala de la funcin objetivo puede
afectar, positiva o negativamente, la eficacia del recocido simulado (cf. Ackley, 1987:184). Aqu, de todos
modos, la escala adecuada la exige el propio problema. Para la solucin ptima, en todo caso, K > 1 si Ro
es inaceptable 15 '.
4.2
Recocido simulado de losas
Para, construir un algoritmo que resuelva el problema de anlisis de losas, lo nico que se necesita,
adems de las tcnicas propias del recocido, es:
1. Definicin d l a s reglas que permiten calcular Wq y U en forma de cuadraturas, ecuaciones
(4.2) y (4.3). Esto implica tanto la definicin de Q y R como la definicin del dominio de
integracin.
2. Construccin de un generador capaz de, dada una configuracin x, producir una transicin a
otra configuracin de acuerdo con la distribucin de Boltzmann.
4.2.1-
Definicin'del problema
Puesto que el mtodo planteado estudia tambin la geometra ms adecuada de la malla, convendr
distinguir en lo sucesivo claramente la geometra del problema o geometra maestra de la de la malla.
La geometra maestra, en primer lugar, incluye la definicin poligonal de la superficie ocupada por
De abordarse este pioblema mediante recocido, resultai cmodo rescribirlo como un problema de iluminacin
con 4> K. Adems, la 'impoi tanda' de la escala sugiere adoptar como objetivo 4> = log K, cf ibidcm
4.
67
Anlisis de losas
la losa, definida mediante nodos, y lados que unen dichos .nodos. Debe incluir tambin como
nodos aquellos puntos-donde ,1a losa se apoya en soportes, y como lados aquellas lneas donde
se apoya en muros. Esto limita los apoyos lineales a rectas, de modo que un apoyo curvo slo
puede representarse mediante una poligonal. Las ligaduras que afectan a las variables z quedan de
este modo definidas dando la lista de nodos y lados en los que existe apoyo. Para estos ltimos se
admiten dos posibilidades: apoyo simple, que indica z = 0 en cualquier punto del lado pero tambin
que la arista no acumula energa si es perimetral, y empotramiento, en que lo ^ltimo s ocurre
(empotramiento de lado interior es, por tanto, lo mismo que apoyo simple). Esta representacin
impide empotramientos en soportes, pero existen buenas razones para ello: los valores de las
reacciones de los apoyos o del suelo son inaccesibles al modelo, de manera que la resistencia del
soporte a flexin quedara de todos modos indeterminada pues depende de su compresin16.
En la gran mayora de los casos prcticos, los valores de cargas y resistencias son constantes
en superficies amplias de la losa. Debido a ello y tambin con el fin de evitar complicaciones, la
geometra maestra se define mediante una malla de cuadrilteros (que pueden entenderse como
elementos finitos), dentro de los cuales los parmetros de la resistencia y de la carga superficial son
constantes. La definicin del resto de las cargas se apoya en esta geometra, de manera que las
cargas lineales aparecen exclusivamente en los lados 'maestros', al igual que las cargas puntuales
lo hacen slo en nodos 'maestros'. Naturalmente, la geometra maestra se traza a la vista de las
cargas y resistencias de un problema dado, de manera que no existen grandes limitaciones en la
prctica, salvo la derivada de las funciones escaln para resistencias y cargas. Debido a ello, en
general, esta geometra incluir muchos ms nodos y lados que los estrictamente necesarios para la
definicin de la superficie de la losa y de sus condiciones de apoyo. Su definicin es similar a la de
cualquier malla de elementos finitos: una lista de posiciones en el plano xy que define los nodos, y
una lista de cuaternas de nodos que definen los elementos. Todo esto ms la definicin de apoyos
y algunos pocos detalles que se vern ms adelante forman la lista de parmetros M.
Los parmetros Q de las cargas consisten simplemente en la lista del valor de Q en los nodos,
de p en los lados y de q en los elementos d e M .
La definicin de la resistencia R es ligeramente ms complicada. Consiste para cada elemento
maestro en seis parmetros {mf^mj,<>+,m^*,mj,<>m}- Los parmetros { V m , ^ } son ngulos
medidos respecto al eje x en el plano xy; definen dos sistemas locales de ejes ortogonales 12 + y
12~ para el elemento considerado. Los superndices + y hacen referencia a la nomenclatura
convencional de momentos 'positivos' (traccin en la cara inferior) y 'negativos' (en la superior).
Los momentos por unidad de longitud mi y m.2 pueden interpretarse del modo ms natural como
los momentos resistidos por armaduras de hormign armado (inferiores o superiores) paralelas al
eje 1 o al 2 respectivamente (para losas con resistencia istropa, como las de acero, mi = m.2 y
<pm puede tener cualquier valor). De este modo, la resistencia en una arista dentro del elemento
-considerado que forma un ngulo tp con el eje 1 viene dada por (Miguel, 1986:11):
mi sin21) + m<i eos2 ip
aplicndose los valores del superndice que corresponda al signo de la rotacin de la arista Esto
determina completamente la funcin m u de 4.1.3, puesto que el ngulo ip es esencialmente la
diferencia de tp <pm. La resistencia R queda definida, por tanto, como la lista de estos seis
parmetros para cada uno de los elementos maestros.
4.2.2
La malla
La geometra de la malla es objeto de anlisis, y como se indic el nmero de tringulos o, lo que

es lo mismo, su tamao es una variable fundamental. Sin embargo, para evitar complicaciones el
nmero de elementos de la malla ser constante (en el planteamiento de otios pioblemas no se
impone esta limitacin, vase el captulo 6). Para definir los elementos se especifica paia cada
En el diseo habitual, la compresin de los soportes puede estimarse con suficiente exactitud como para sahar
esta indeterminacin, Miguel, 1994.
4.
Anlisis de losas
68
elemento maestro ijkl el nmero de subdivisiones en los lados ij y Ik por una parte, y en jk e il
por la otra, vase figura 4.4. Se exige adems que la subdivisin sea la misma en las 'fronteras',
es decir, que cada lado maestro quede dividido en el mismo nmero de lados, sin importar cul
de los dos elementos a los que pertenece se considere, vase la figura 4.5. Para que la divisin'sea
automtica a la vez que rpida, la interpolacin de nuevos nodos en lados y elementos maestros es
lineal y genera nuevos cuadrilteros (se utiliza para ello las funciones de interpolacin del 'clsico'
elemento isoparamtrico de cuatro nodos, vase Zienkiewick, 1977:181 y ss.; y un algoritmo de
generacin basado en listas autoreferenciadas bastante trivial, vase Knut, 1973). Los parmetros
de la subdivisin, dos enteros por elemento maestro, se incluirn en M , aunque en realidad no
definen la geometra maestra.
Figura 4.4: Divisin de elementos maestros en elementos

El elemento maestro ijkl = 0145 se dividi segn el esquema 3 x 2 , mientras que en el 4123 se utiliz 2 x 1 .
Ntese que los esquemas legales en este ltimo caso-, son de la forma 2 x n, pues el lado 14 debe quedar
igualmente dividido con independencia del elemento considerado
Figura 4.5: Adaptacin de la malla a polgonos cualesquiera

Aunque lo habitual es que los elementos maestros se dispongan en una retcula, las relaciones de
adyacencia pueden ser cualesquiera, como en este exgono. En este caso, para la subdivisin basta indicar
el esquema l x l para el elemento 0126 y * x 1 para 6234 indicando una subdivisin indeterminada,
pues el resto de subdivisiones se deduce de ellas y de la condicin en las 'fronteras'.
Despus de la subdivisin de los elementos maestros quedan definidos todos los nodos, lados
y' elementos. Obsrvese que un nodo maestro se corresponde a s mismo en la malla, mientras
que cada lado maestro se corresponde (o genera) nodos y lados (en adelante perimetrales), as
como cada elemento maestro se corresponde (o genera) nodos, lados y elementos (interiores). Slo
sobre los nodos maestros actan las cargas puntuales Q. Sin embargo, la carga lineal p de un lado
maestro actan sobre todos los lados de la malla que le corresponden, del mismo modo que cada
carga superficial q acta en cada elemento interior del maestro. Los lados y nodos interiores, as
como los nodos perimetrales nunca tienen cargas.
.
/'C' ''' '' J-
4.
Anlisis de losas
69
Del mismo modo que los parmetros de Q se 'heredan' en la malla, as ocurre con las resistencias. Las aristas interiores a un elemento maestro heredan la resistencia de ste. La ambigedad
que pudiera existir en las aristas perimetrales se elimina eligiendo la menor resistencia de los dos
elementos maestros adyacentes.
La informacin en M acerca de la geometra de la losa y de las condiciones de apoyo permite
dividir el conjunto de N ternas (x, y, z) en dos: grados de libertad y valores constantes, lo que
define x y L. Hay que sealar sin embargo que esto requiere una ligera complicacin adicional
debido al hecho que las coordenadas (x, y) de los nodos perimetrales pueden variar pero de forma
que el nodo transformado siga situado sobre el lado maestro en el que se gener. Formalmente, esta
complicacin se salva adoptando como coordenadas para esos nodos las (x',?/') definidas situando
el eje x' en el lado maestro y definiendo el y' en cualquier recta perpendicular: ahora x' es un grado
de libertad incluido en x e y' un parmetro incluido en L (desde luego, en la implantapin real del
algoritmo es innecesario, adems de inconveniente, hacer uso de este recurso formal).
Para tener una malla de tringulos como el modelo exige, falta dividir cada cuadriltero en dos,
creando un nuevo lado diagonal. La subdivisin puede hacerse de dos maneras, tk o jl, pero esta
posible variacin de un bit se adopta como un nuevo grado de libertad, d, por elemento 17 , vase
figura 4.6. El rango de estas nuevas variables topolgicas es el conjunto {0,1}, indicando cada
valor una de las dos diagonales. Esto completa la definicin y estructura de x (ampliado) y, en
consecuencia, el clculo,de U para valores definidos de L, R, Q y x puede realizarse con las reglas
dadas anteriormente Debido al hecho de que la carga es constante en cada nodo, lado y tringulo,
las cuadraturas para Uq son obvias: multipliqese la carga total de la figura por el descenso de su
centro de gravedad. Del mismo modo, como la resistencia no vara a lo largo de los lados, Ud se
calcula mediante el producto mL6 correspondiente.
4.2.3
C a m b i o s de configuracin
La estructura de una configuracin x engloba grados de libertad heterogneos, lo que obliga a

plantear transiciones especficas.
Divisin d de elementos
El rango de cada grado es el conjunto 0,1, de manera que un nuevo valor puede obtenerse mediante
un generador, B, de bits al azar (cf. Press et ah, 1988:224-228), con anloga definicin que ,4(que,
recurdese, es un generador uniforme de nmeros aleatorios, tal y como se indic en el captulo
3). Si se desea que el nuevo valor sea distinto, el nuevo valor est completamente determinado
y B resulta superfluq; esta es la estrategia adoptada aqu. Para que el cambio en la divisin del
elemento no d lugar a plegamientos o solapes en la superficie, los ngulos interiores del cuadriltero
no deben ser mayores que n radianes, lo que implica restricciones en el rango de las variables (x, y).
Descensos z
Son variables en [t,s]. Un nuevo valor al azar z1 se obtiene, por ejemplo, con
z, = t + A-(s-t)
(4.7)
La probabilidad de que el nuevo valor sea el antiguo es muy pequea, pero no nula. Segn las reglas
del algoritmo de Metrpolis, la ecuacin (4.7) puede originar cambios excesivamente 'violentos'.
Otras alternativas, dependientes de un factor 'moderador' ez [0,1], fijado de antemano, son:
zc + (s t) si zc < t
zc (s' t) si zc > s
zc
en otro caso
siendo zc = z + ez (s t)(A - )
(4.8)
No hay razones obvias para todo esto podra divirse cada cuadriltero de manera fija o, incluso, general en cada
elemento maestro una malla de tnngulos formando exgonos, donde seis posibles b'neas de rotura conflunan en cada
nodo interior La nica ventaja en el modelo adoptado es que, precisamente, el nmero de posibles lneas de otura
es variable
4.
70
Anlisis de losas
m
-4
ZiZ
m
8
Figura 4.6: Configuraciones de lneas alrededor de un nodo interior

Gracias a las variables d; un nodo interior puede ser extremo de entre 4 y 8 lneas de rotura, de 16 maneras
distintas. Del, mismo modo en un nodo perimetral pueden darse 4.topologas distintas entre tringulos, y 2
en un nodo de esquina. Estas cifras pueden superarse en los nodos maestros con topologas adecuadas, de
los elementos maestros. Si para stos se usa un damero, no hay diferencia
que elige el nuevo valor 2' dentro de un intervalo de amplitud (s' t)ez centrado en el valor 'actual'
z; si el nuevo valor 'sale' del intervalo [i,s] por un.lmite, 'entra' por el otro. Resulta obvio que si
ez = 1, se obtiene el mismo cambio que con (4.7).
Otra alternativa con cierto'sesgo'es:
t + 2Az A
si z + Az < t
s
2Az
(1
A)
si z + Az, > s
z =<
z. + Az- (2A 1) en otro caso
siendo Az = -ez(s t)
(4.9)
donde se elige al azar en un intervalo de amplitud 2Az que incluye el valor 'actual' 2,_pero que,
para estar incluido siempre en [t,s], no siempre .est centrado en -l, de ah el ligero sesgo de la
transicin.
Coordenadas x' de nodos perimetrales
Los nodos perimetrales de-un lado maestro se generan y numeran local y consecutivamente, de
manera que x\ puede variar en el rango [ X ' J _ I , X ' J + J ] , lo que evita plegamientos de la malla. Se
elige uno de los dos lados al azar: el (i 1, i) si A < Li-\ti/Li-\+i
o el (i, i + 1) en caso contrario.
Dentro del lado elegido el nuevo valor viene dado por: -
donde el parmetro e x [0,1] es de nuevo un factor'moderador'.
4.
Anlisis de losas
Coordenadas (xuyt)
71
de nodos interiores
<
Por las mismas razones que en el caso de los perimetrales, estas coordenadas pueden tomar cualquier
valor dentro del cuadriltero definido por los cuatro nodos con los que est unido el nodo i a travs
de lados interiores. Denominando a estos cuatro nodos jklm, el nuevo punto debe pertenecer a
cualquiera de los cuatro tringulos tjk, ikl, ilm y tmj, vase figura 4.7, de este modo se cumple
tambin que un cambio en la divisin de cualquiera de los cuatro elementos no produce plegamientos
o solapes. La eleccin debe hacerse de manera que el nuevo punto se distribuya con probabilidad
uniforme en toda la superficie ijkl. Para ello se elige uno de los tringulos,numerados del 1 al
4 con probabilidad proporcional a su rea Ar. La regla se enunci en 3.2.3- se elige el tringulo
de menor ndice n que verifique:
A
x=\
donde A es la superficie total del cuadriltero. Una vez elegido un tringulo, la eleccin en su interior
debe ser de nuevo con probabilidad uniforme Para ello resulta til adoptar las coordenadas u y v
de la figura. En tal caso, la probabilidad de elegir el valor UA debe ser proporcional a la longitud del
segmento BC. Una transformacin de probabilidades conduce a la regla de eleccin u = L '\Zex34
Una vez elegido A, la eleccin de v se realiza uniformemente en el intervalo [VQ, VQ\, lo que define
completamente la eleccin de las nuevas coordenadas (x,,y t )
Figura 4.7: Eleccin de un nueva posicin para un nodo interior i

En la figura izquierda se representa la superficie jklm donde debe elegirse el nuevo punto Cada tringulo,
tal como el jki pertenece a un elemento Las lneas gruesas, tal como jk son diagonales de elemento,
mientras que las finas, tal como la ij y la ik son lados interiores A la derecha, se representa la'eleccin de
la nueva posicin " para i, una vez que se eligi el tringulo 4
4.2.4
G e n e r a d o r de nuevas soluciones
Un generador de transiciones al azar quedara completamente definido dando una regla de eleccin
del grado de libertad que se cambia en cada jugada. Pero puesto que los grados de libertad no son
homogneos, en el sentido de que no varan en los mismos espacios o conjuntos de valores, surge
la duda acerca de la conveniencia"de "una probabilidad uniforme l/g,.tal y como se ha sugendo en
el captulo 3. Los primeros teoremas de convergencia citados all se basan, por conveniencia, en
la suposicin de grados homogneos, conveniencia prctica desde luego en la medida que todas las
aplicaciones del recocido que he encontrado tratan con tales espacios Otras versiones postenores
han alcanzado idnticas conclusiones sin suposiciones acerca de la estructura de X (vase, por
ejemplo, Holley et Stroock, 1988 554), y slo imponen la condicin de qvie las piobabilidades de
eleccin a tempciatura virtual infinita permitan que un cambio sea 'deshecho' en una jugada posterior a la misma temperatura. Estos resultados indican que la piobabilidad de eleccin del grado y,
por tanto, la probabilidad a pnori en el sentido' de Metiopolis slo juegan su papel en la \elocidad
4.
Anlisis de losas
72
de convergencia, sin que en las referencias consultadas aparezca en qu medida. Como es sta,
probablemente, la primera vez que se usa el recocido simulado para la exploracin de espacios het, erogneos homogneos, tampoco dispongo de experimentos anteriores con los que buscar analogas.
En el caso que se considera, parece sensato no asignar la misma probabilidad a los grados d que al
resto, pues cualitativamente los primeros varan en un espacio finito y pequeo, mientras el resto
lo hacen en espacios en teora infinitos. Como lo que se dirime es la velocidad y no la convergencia,
el criterio de que la probabilidad a pnon sea igual para cada valor de cada variable no parece de
aplicacin: precisamente porque los grados son heterogneos no se sabe a pnon la 'importancia'
de cada espacio X ni si est en relacin directa con su tamao. La resolucin de la cuestin en este
caso se bas en otro tipo' de argumentos, como se ver.
Por conveniencia, las mallas maestras se restringen a aqullas en las que el nmero de elementos
a los que pertenece un nodo no es mayor que cuatro. Esto elimina formas estrelladas similares a
las de la figura 4.5, pero con ms de cuatro elementos. Como se indicar, en cada caso, esto
no compromete la posible generalizacin de las estrategias de juego, pero simplific bastante la
investigacin.
Dado que tanto U como Wq son sumas, para cada valor nodal elegido a pnon slo es necesario
recalcular los sumandos correspondientes al propio nodo y a los tringulos a los que pertenece, as
como a todos los lados de stos. De esta manera, el nmero de clculos en cada jugada es como
mucho el correspondiente a 8 tringulos, 16 aristas y un nodo. Si el grado que se juega es del
tipo z o x puede alcanzarse esa cota mxima de clculos para un damero, pero no ocurre as con
- las variables d, que son, en principio, de elemento. Aqu, el nmero de clculos se reduce a dos
tringulos y cinco aristas. Sin embargo, existe un modo de alcanzar esa cota mxima: cambiar
todas las subdivisiones de los elementos comunes a un nodo. Se obtendra el efecto aadido de
alterar en cada jugada porciones de malla que representan trozos de losa de tamao similar, tanto
si la jugada es z, x o d. Esto es en cierta medida 'homogeneizar' los grados, lo que de paso da una
solucin a la cuestin planteada anteriormente. De este modo, se podra elegir alazar un nodo con
probabilidad uniforme y un tipo de jugada con probabilidad proporcional al nmero de grados que
la jugada en cuestin altera en x, y se contina con las reglas enunciadas. Se han considerado las
siguientes jugadas:
1. Cambio de las diagonales de un nodo elegido al azar, Q.
2. Cambio de la posicin de un nodo, Qxy. El nodo se elige al azar y como antes, su nueva
posicin se obtiene segn su clase: perimetral o interior.
3. Cambio del descenso de un nodo, Qz. El nodo se elige al azar y el nuevo valor segn la
transicin elegida, ecuaciones (4.8) (4.9).
Ntese que el nmero de operaciones es una constante de cada generador, independiente del tamao
de la solucin y, en consecuencia, el generador es O(g0) y es, desde luego, polinmico18. Como, a
pesar de todo, la mejor probabilidad a pnon es incierta, se definen intensidades relativas I para
cada jugada de manera que su probabilidad a pnon es proporcional al producto de su intensidad
relativa por el nmero de grados de su tipo presentes en la solucin. Es decir, si las intensidades
son I, Ixy, Iz y el nmero de grados de libertad es g = g + gxy + gz cada tipo de jugada se elige
con probabilidades nl = Ixgx Ylj(Ij Qj)4.2.5-
Transiciones
La probabilidad a pnon definida para cada par (G,I), junto a la probabilidad de seleccin del
orculo que se use, definen la probabilidad de transicin. El orculo slo necesita disponer de la
vaiiacin de la funcin objetivo cf> = U propiciada por la transicin.
El argumento no es exacto si se admiten formas estrelladas con ms de cuatro puntas, pero en tal caso la situacin
psima es que un nodo maestro pertenezca a todos los elementos de la malla de clculo, y el nmero de clculos es
lineal en g, y por tanto la transicin sigue siendo polinmica
*
4.
Anlisis de losas
73
Es posible usar un profeta local en vez de un orculo en el caso de los grados d o z. En el

primer caso, la razn es evidente: la funcin de particin Zg consta de dos sumas en un elemento
(profeta Vd, en adelante) o como mucho 16 alrededor de un nodo. En el segundo caso, la razn
reside en que la suma sobre los estados en Xz puede calcularse mediante suma de un nmero- fijo
de integrales, como se ver. En ambos, el nmero de operaciones para el clculo de la funcin de
particin y de la transformacin de probabilidades es fijo, independiente del tamao de la solucin
y, en consecuencia, no compromete la acotacin polinmica del tiempo del algoritmo 19 .
Veamos como puede construirse un profeta local para las variables z. Sea la variable elegida zx.
Si el resto de las variables tiene un valor fijo, Wq es una funcin lineal de z t . En el mismo caso,
Ud es una funcin lineal de todas las rotaciones 8jk de aquellas aristas correspondiente a tringulos
a los que pertenece i, y una funcin escaln de sus signos. Las rotaciones a su vez son funciones
lineales de z,. Sea Zjk el valor de zt para el cual 9jk es nulo. Estos valores de zt correspondiente
a rotacin nula en cada arista, pueden ordenarse en una lista de raices {vr} junto con los valores
extremos de z n t y s; siendo el nmero mximo de estos valores 18. En el intervalo (vr,vr+i), Ud
no depende del signo de ninguna rotacin y por tanto es funcin lineal exclusivamente de'Z t . Por
, tanto, la funcin de particin puede calcularse como suma de integrales extendidas a un mximo
de diecisiete de tales intervalos. Se trata de integrales de la forma:
/"+
(ar
brz\
donde ar y br son constantes a lo largo del intervalo. La integral es analtica y el resultado invertible,
de manera que la tcnica descrit-a en 3.2.2 puede aplicarse, despus de elegir un intervalo segn la
regla de 3.2.3 lo que permite construir el profeta local Vz.
El profeta local Vz
Como de todas formas la empresa no est exenta de alguna dificultad prctica, se describe brevemente la
aplicacin de las ecuaciones (3.26) y (3.27). Sea la jugada en el nodo i, es decir,_que se juega la variable
z,, permaneciendo el resto de x constante. Cada una de las rotaciones afectadas, djk, dependen de z, en la
forma:
Ojk{zt) = ajkZ, + b3k
deducindose el valor de los - coeficientes de (4.4). La raz buscada para ese lado se obtiene resolviendo
0jfc(zt) = 0, es decir, z}k bjk/ajk que es apropiada si est en el intervalo [t,s]. Por supuesto el profeta
solo considera races apropiadas, adems de los valores t y s. Con esto se construye la lista ordenada de
raices {vr}.
En el intervalo [?;r,iv+i] la variacin de U es lineal, es decir:
j
U(z) = U(vT) +
U{Vr+l)
~ UM(z
- vr) =ar
0rz '
El factor de Boltzmann para cada intervalo es entonces:

ar
D (/ z\) = e x p l(
B
r
+ Prz\1
la contribucin del mismo a Z, valdr:

ZT(T) = /
BT(z)dz = -exp(-aT/T)
exp ^ - ^ - J - exp
- J \
y la funcin de particin finalmente es Z = ^2r ZT{T). El intervalo se elige mediante la regla de siempre (cf.
3 2.3), eligiendo primero un valor al azar, = A, y el intervalo como el de menor r ndice que cumpla:
'
Se aplica aqu lo rucho cspecto a formas esticllaclds en la nota 18
4.
74
Dentro del intervalo es necesaria la transformacin (3.20), es decir, elegir con una distribucin p(z) oc Br(z)
La integracin es la misma de antes, sustituyendo vT+\ por z\ el factor de normalizacin es, por supuesto,
Z, de manera que:
es decir:
denominando'
1r_1
(0 = Z-:z2zr
B=
Kz
1=1
se tiene:
exp ( - ^ j
= Br(vr) - A(OB = C(0
es decir:
-aT - prz = r l o g C ( 0
y finalmente
z=-(-ar-T\ogC(0)
que genera el valor de z conforme a la distribucin de Boltzmann. Merecen sealarse algunas particularidades:
1. Si Pr = 0 entonces el factor de Boltzmann es constante en el intervalo; ZT se calcula como el producto
de la amplitud del intervalo por el valor de Br(z) en cualquier punto del mismo, y la eleccin de z (si
ese intervalo es finalmente el elegido) es con distribucin uniforme, sin transformacin alguna.
2. Es difcil encontrar bibliotecas matemticas que soporten la disparidad de valores sobre los que sern
interrogadas sus funciones en un recocido lento. En particular, C() puede ser muy pequeo si el
valor de Z, coincide con la suma de Zr hasta el intervalo anterior, y logC() fallar (en el sentido
de que el valor resultante de z queda fuera del intervalo, por problemas exclusivos de precisin)
A parte de construir una funcin log para la ocasin, no hay ms solucin que comprender que el
valor que debe generarse es precisamente vT. Se consigue un programa ms robusto 'desplazando' el
origen de 0, una tcnica bien conocida (cf. Press et ahi, 1988:674): si se calcula con U(z) Umin
donde Umin = mia{U(vi),...
,U(vr)}, el mximo factor de Boltzmann se 'centra' en la unidad, y
la posibilidad de desbordamientos fuera del rango racional representable es en la prctica casi nula
Desafortunadamente, en recocidos lentos, que un suceso tenga probabilidad 'casi nula significa en la
prctica que ocurrir un par de veces cuando menos, de manera que el tratamiento de estas excepciones
debe quedar escrito en el programa.
4.2.6
R e d u c c i n del espacio d bsqueda
Si para una configuracin x , 2 m a x = max{2} ^ s, entonces se puede de inmediato obtener una

configuracin mejor y , es decir, /(y) < l / ( x ) . Basta para ello con escalar los descensos de x
en el factor s/zmax,
debido a la dependencia lineal de U respecto a cada z. Esta es la estrategia
habitual en la teora estndar, en la que un valor particular, zp, generalmente significativo, recibe un
valor arbitrario, y en razn de l se expresan todos los dems. Esta 'normalizacin' puede adoptarse
tambin aqu. P a r a empezar, el laboratorio puede describirse como [t,l] sin perdida de generalidad;
p a r a eliminar las soluciones triviales puede imponerse la condicin de que el descenso de u n nodo
'pivote' elegido al azar y variable a lo largo del recocido tenga el valor 1. Alternativamente,
puede adoptarse como nuevo funcional el que resulta de dividir por el mximo valor de c, (si es que
es distinto de 1):
U> =
^
(4.10)
max({;,})
En tal caso, a la solucin trivial zx = 0 para todo i se le atribuye energa infinita, lo que en la
prctica hace que sea rechazada, lo que identifica mejor la categora de la configuracin final. E n
ambos casos, se reduce el espacio de bsqueda segn la regla estndar del mtodo de Monte Cailo.
4.
/
Anlisis de losas
75
Si se usa un nodo pivote, slo hay una complicacin adicional: Qz y Vz tienen que contener una
excepcin. Si el nodo elegido al azar es el pivote, en el caso de Qz se intercambia su descenso con
el de otro nodo elegido al azar que ser el nuevo pivote y se contina normalmente. En encaso de
Vz, se 'llama' a Gz?- La energa calculada mediante un pivote se denotar Up.
El tiempo del algoritmo y el tamao de la solucin
Con las limitaciones que se han ido sealando para la malla, la funcin de tiempo de cada transicin
es un valor fijo, incluso con profetas locales, pues slo es necesario recalcular los trminos de la
energa en los nodos, lados y tringulos afectados por la variable que se juega. El nmero total de
transiciones es de la forma CagP, donde C, a y 0 son constantes fijas, de manera que si el algoritmo
resuelve aproximadamente el problema, se trata de una aproximacin polinmica con complejidad
O(gP); si como es habitual el algoritmo funciona 'bien' con /? = 1, su complejidad es simplemente
lineal.
4.3
Casos estndar
El generador Q de transiciones es complejo en concordancia con la heterogeneidad de X , y presenta

adems muchas variantes. De hecho, con las jugadas descritas hasta aqu pueden construirse
distintos generadores. As, un generador Q se especifica mediante una conjunto de pares ordenados,
(J, / ) , en donde / es la intensidad relativa de la jugada J. Esta puede ser una cualquiera del conjunto
{Gd Gxy(ex) Gz(ez) Vd
Vz)
Si se cuenta con las posibilidades que ofrecen los propios parmetros del recocido, encontrar la
combinacin ptima de factores se convierte en un nuevo problema de optimacin que escapa al
alcance de estas pginas: a fin de cuentas el objetivo aqu es mostrar cmo el recocido puede ser
usado para resolver el problema, pero no resolverlo del mejor modo posible.
Como primeros casos de prueba se han elegido 14 problemas cannicos, P l a P14, vase la
figura 4.8. Se trata de losas cuadradas de lado a, de hormign, con diversas formas de' apoyo,
carga superficial uniforme q y armados segn tablas estndar (Jimnez et ah, 1979:550-563), que
aseguran (salvo en un caso) que los diseos son 'seguros' de un modo convencional difcil de precisar
matemticamente (cf. Miguel, 1986).
En P l a P7 slo hay armadura inferior, mientras en P8 a P14 se dispone el mismo armado
arriba y abajo. El caso P3 es una trampa: puesto que hay vuelo y no hay armado superior, el
diseo es claramente inseguro y se obtiene una configuracin de rotura con U < 0 de inmediato.
Puesto que el tamao no interviene en el asunto, la resistencia puede describirse adimensionalmente como kqa2, vase la tabla 4.1.
Estos casos de, prueba se resolvieron con tres mallas distintas: las que resultan de dividir el
nico elemento maestro una, tres y siete veces en cada direccin. En total se tienen, por tanto, 42
problemas distintos.
4.3.1
T o r n e o inicial
Siguiendo la estrategia de Ackley (1987), se 'resolvieron' los 21 casos a que dan lugar los primeros
siete problemas con ocho estrategias distintas. Las estrategias se eligieron entre las varias posibles
buscando diversidad, pero sin preiender explorar todo el repertorio, vase la tabla 4.2. Cada
estrategia consta de un recocido TZ, un generador G, y una funcin objetivo '</>. Se utilizaron dos
series de recocidos, a saber21:'
Rl = ft7[400, 10, 1, 1000o, 0,9]
R2 = 13ft[400, 100, 1, 1000o, 0,9]
20
21
A u n q u e p o d i a construirse un profeta especfico p a r a la situacin, que t o d a v a sera pohninico en g

R e c u r d e s e que la notacin p a r a un recocido es 7.[C7, a, 3, TQ, I9]
4.
Anlisis de losas
Pl
76
.
mw/mw/M
tmmmmm,
P2
P3
P9
izMmmmm
PO
y/////my/////////M
y/////////////////////.
P4
P5
Pll
w///W/;//////////A
imiiZZZZM.
mmmmzzm
P6
P13
W//M////////W/J^
'smmmmm
P7
P14
w//w/#/////w
Figura 4.8: Problemas cannicos

Se representa la geometra maestra, condiciones de sustentacin y armado de los catorce casos La linea a
trazos mdica apoyo, mientras el rayado indica empotramiento Se representa tambin el armado utilizado
mediante una malla sin escala que indica la separacin nominal de barras del mismo dimetro La major
resistencia se dispone en P3, mientras la menor en P12, en las armaduras paralelas al eje x Se supone un
brazo de palanca independiente de la cantidad de armadura Salvo el armado de P3, todos son
considerados convencionalmente seguros
4.
Anlisis de losas
'.
77
Tabla 4.1: Resistencia en los problemas cannicos

La resistencia en cada direccin y en cada cara se da como kqa?. En la tabla figuran los valores de k. En
los problemas Pl a P7, la resistencia a momentos negativos es nula.
Problema " ( m x = 0) m+ (mv = 0) Problema m* = mx m+ = m Pl
0,0417
0,0417
P8
0,0208
00208
P2
0,0714
0,0714
P9
0,0357
0,0357
0,167
0,167
PO
0,0867
0,0867
P3
P4
0,125
0,125
Pll
0,0625
0,0625
P5
0,0566
0,0283
P12
0,0283
0,0142
0,1133
0,0566
P13
0,0566
P6 "
0,0283
0,0423
0,0845
P14
0,0211
P7
0,0423
Cada serie es equivalente en tiempo a un recocido individual con a sa 1.300 e igual valor para el
resto de los parmetros. Siempre se emple el orculo de Metrpolis en las jugadas que requieren
uno.
Tabla 4.2: Estrategias participantes en el torneo
Estrategia
El
E2E3
E4
E5
E6
E7
E8
Recocido
Rl
Rl
Rl
Rl
R2
R2
Rl
Rl
Generador
{(,!) ( & ( i ) , i ) ( & ( i ) , i ) }
{(&,1) (Gxy{l),D (&(1),1)}
{(Vd,l) (Gxy(l)A)
(Vt,l)}
0
u
t/'
U
{(vd,i) (Mi),i) V>*)}

{(^,i) (^(i),i) CPz,i)}
w
w
{(Gd,l) (ax V (0.5),l) (0,(0.5), 1)}

{(PdA) (gx,(0-5),l) (Vz,l)}
Up
UP
m,i) (Cx(o,5),i) (^(i),i)} u'
Las reglas del torneo fueron las siguientes:

1. Cada estrategia se enfrenta con cada una de las dems en un nico partido.
2. En cada partido pueden obtenerse hasta 21 tantos, los correspondientes a los 21 casos de los
problemas P l a P7. Cada tanto se otorga al contrincante que obtuvo menor valor de (f>, o a
ninguno si ambos obtuvieron el mismo.
3. Segn el resultado del partido cada contrincante recibe puntos segn las reglas de la Liga
Nacional de Ftbol, a saber: dos puntos para el ganador y ninguno para el perdedor o, en
caso de empate, uno para cada uno.
4. Los empates a puntos se deshacen por el resultado del partido entre los empatados si son dos,
o por la diferencia entre la totalidad de tantos a favor o en contra si son ms de dos.
Los resultados de los encuentros se muestran en la tabla 4.3, as como el total de puntos, y el puesto
final alcanzado.
Un anlisis estadstico de todos los resultados est fuera del alcance de estas pginas. Mejor
que eso, en la tabla 4.4, se muestran los resultados de la serie de veintin recocidos de la estrategia
'mejor', la E4, lo que permitir un anlisis estadstico al gusto del lector.
En las figuras 4.9 y 4.10, se muestran la mejor configuracin final xy obtenida en cada caso
por la 'peor' y la 'mejor' estrategia. En la figura 4.11 se muestran las configuraciones finales x /
coi respondientes al menor valor de <fi encontrado para cada caso de cada problema, es decir, los
mejores 'goles' del torneo.
4.
A n l i s i s d e losis
78
Pl
P2
- 0 0128395
- 0 0289664
-0 0102456
- 0 0241496
-0 0273493
- 0 166775
- 0 164968
-0 137617
2 94965e-05
0 00220615
0 0114655
-0 00736251
- 0 0276265
- 0 032105
P3
P4
P5
-0 0311446
""^^s.
r^-"~i>
-K
P6
'
-0 0124477
/ \
N^~*
- 0 0422382
- 0 0423199
-0 0197573
-0 0205784
P7
-0 00647048
F i g u r a 4.9: M e j o r e s configuraciones finales d e la e s t r a t e g i a 'peor', E 6

De izquierda a derecha se muestra la configuracin correspondiente a una, tres o siete subdivisiones De
arriba a abajo, los tres casos para cada uno de los problemas P l a P7 Las lneas de rotura positivas son
continuas, mientras que las negativas se dibujan a trazos El grueso de las primeras es proporcional a la
cantidad de energa almacenada por unidad de longitud, en el de las segundas, proporcional a la rotacin
No se dibujan todas las lneas slo aquellas con energa o rotacin mayor que el 10% del mximo presente
en la configuracin, a fin de obtener una imagen mas inteligible
4.
Anlisis de losas
79
Pl
P2
-0 0128403
-0 0301067
-0 034469
-0 0102379
-0 026134
-0 0301867
-0 166953
-0 167181
-0 167532
3 1317e-05
5 30888e-05
0 000699731
P3
P4
P5
-0 00736393
-0 028477
-0 012447
-0 0452549
-0 0517144
- 0 0211321
-0 0243163
P6
P7
-0 00648413
Figura 4.10: Mej ores configuraciones finales de la estrategia 'mejor', E4

Los convenios de la representacin son los mismos que en la figura 4 9
4.
Anlisis de losas
80
Pl
P2
-0.0128408
-0.0301067
-0.0350637.
-0.0102471
-0.0275707
-0.0301867
-0.167181
-0.167532
P3
. -0.166953
P4
.7.9961 l e - 0 9
3.93818e-06
0.000118465
-0.00736393
-0.0287241
-0.0339404
-0.0124574
-0.0452549
-0.0517691
-.0.0225101
-0.0246103
P5
P7
-0.00648413
Figura 4.11: Mejores configuraciones finales para cada caso analizado

Los. convenios de la representacin son los mismos qu en la figura 4.9.
4.
Anlisis de losas
81
Tabla 4.3: Resultados y clasificacin

Los resultados de los encuentros figuran dos veces, a fin de facilitar la lectura, pero el torneo fue a una
vuelta, deben leerse con la regla habitual (tantos de la fila)-(tantos de la columna)
Estrategias
El
E2
E3
E4
E5
E6
E7
E8 Puntuacin Clasificacin
El
E2
E3.
E4
E5
E6
E7
E8
6-15
15-6
20-1 ,
19-2
19-2
10-11
15-6
17-4
19-2
20-1
19-2
6-15
11-10
14-7
1-20
2-19
11-10
5-16
0-21
5-16
6-15
2-19
1-20
10-11
7-14
3-18
1-20
5-16
2-19
2-19
16-5
14-7
1-20
3-18
8-13
11-10
15-6
21-0
'18-3
20-1
15-6
15-6
6-15
10-11
16-5
20-1
18-3
6-15
4-17
7-14
15-6
16-5
13-8
6-15
7-14
14-7
2
4
12
14
10
0
6
8
7*
6^
2&
1*
3^
8^
5^
4a
Un breve resumen de los resultados de todas las estrategias puede hacerse enumerando algunos
hechos:
1. Considerando slo los casos en los que el diseo result inaceptable (segn la convencin
estricta que se maneja aqu) y considerando la respuesta de cada estrategia a la pregunta
"es el diseo aceptable?" en todos los casos, (144, incluyendo todas las estrategias) la
respuesta fue la correcta ("no"), calculndose la respuesta a la vista del valor de <KX/)2. Parece claro que los profetas son ms 'precisos' que los orculos.
3. No parece existir una diferencia sustancial entre el recocido incremental y en lotera 22 .
4. En particular, la estrategia 'mejor', E4, obtiene resultados significativos incluso con recocidos
rpidos (a = 10).
5. Es significativo el encuentro entre E4 y E6 (la 'peor'): a pesar de todo, la 'peor' estrategia
consigui tres 'goles' frente a la 'mejor', signo de los estrechos mrgenes en que se sitan
todos los valores de <j>.
Obsrvese que E6 perdi todos los encuentros mientras E4 los gan. En consecuencia, puede
concluirse que el recocido, incluso con poco tiempo disponible, suministra respuestas cualitativas
correctas y cuantitativamente muy tiles.
Especial inters tiene el hecho de que, a pesar de que la resistencia utilizada en cada caso
(excepto en el P3) es considerada convencionalmente segura, los resultados muestran que en rigor,
en todos los casos, es insuficiente, cunto? Puede estimarse en qu factor debe aumentarse la
resistencia, en cada caso, para que los diseos sean estrictamente seguros frente a las configuraciones
finales de cada recocido23. El mximo factor es 1,19. Este resultado puede convertirse en una
conjetura:
La definicin convencional de seguridad empleada en la teora1 estndar admite manejar
configuraciones de rotura que no conducen al mnimo valor de la energa potencial, pero
siempre que no se subestime la resistencia necesaria en ms de un 20%.
En mi opinin, esta conjetura es de aplicacin a las reglas de diseo de los manuales al uso (tales
como Jimnez et ah, 1979 o Miguel, 1986)^ y permite cuantificar un hecho que cualitativamente
es bien conocido.
En los captulos siguientes se usar el incremental debido, no a un mejor compoitamiento (no demostiado), sino
a su mayor parecido con algoritmos deterministas
Con los argumentos de la pgina G5 y ss Esto no asegura que para los nuevos diseos as obtenidos no existan
configuraciones an ms desfavorables
4.
Anlisis de losas
82
Tabla 4.4: Resultados de todos los recocidos con la estrategia E4

Para cada problema P y cada subdivisin D se da el valor de <f>{x.j) de cada serie de recocidos con
a = 10,20,...
Valores de a
,
P D
10
20
40
80
160
' 320
" 640
-0,0063
0,0003
-0,0128
-0,0063
-0,0063
-0,0128
1 1 -0,0063
3 -0,0296
-0,0290
-0,0276
-0,0301
-0,0295
-0,0292
-0,0296
7 -0,0288
-0,0301
-0,0341
-0,0333
-0,0336
-0,0344
-0,0345
-0,0102
-0,0102
-0,0100
-0,0101
-0,0102
-0,0102
2 1 -0,0092
3 -0,0205
-0,0204
-0,0243
-0,0254
-0,0261
-0,0243
-0,0261
7 -0,0219
-0,0264 " -0,0254 -0,0272
-0,0285
-0,0294
-0,0302
-0,1670
-0,1667
3 1 -0,1649
-0,1665
-0,1658
-0,1669
-0,1667
3 -0,1637
-0,1652
-0,1654
-0,1641
-0,1670
-0,1672
-0,1670
7 -0,0680
-0,1437
-0,1344
-0,1601 -0,1568
-0,1666
-0,1675
4 1 +0,0013 +0,0006' +0,0000 +0,0000 +0,0001 +0,0016 +0,0002
. 3 +0,0212 +0,0018 +0,0006 +0,0072 +0,0001 +0,0001 +0,0003
7 +0,0147 +0,0100 +0,0258 .. +0,0019 +0,0022 +0,0011 +0,0007
-0,0006
-0,0074
-0,0074'
-0,0006
-0,0006
-0,0006
5 1 -0,0006
3 -0,0206
-0,0266
-0,0271
-0,0284
-0,0284
-0,0282
-0,0285
7 -0,0260
-0,0317
-0,0325
-0,0308
-0,0318
-0,0321
-0,0339
-0,0121
-0,0124
-0,0122
-0,0124
6 1 -0,0122
-0,0123
-0,0124
3 -0,0365
-0,0361
-0,0415
-0,0405
-0,0371
-0,0453
-0,0430
7 -0,0335
-0,0455
-0,0462
-0,0495
-0,0484
-0,0432
-0,0517
-0,0064
-0,0065
-0,0064
7 1 -0,0064
-0,0063
-0,0059
-0,0065
3 -0,0192
-0,0188
-0,0208
-0,0186
-0,0209
-0,0211
-0,0193
7 -0,0188
-0,0188
-0,0219
-0,0216
-0,0230
-0,0243
-0,0231
4.3.2
Losas e m p o t r a d a s
Con la estrategia ganadora del torneo, se analizaron los 21 restantes casos (problemas P8 a P14).
Ahora todos los diseos son convencionalmente seguros. Los resultados se muestran en la figura 4.12.
Las observaciones finales de la seccin anterior pueden hacerse aqu tambin. Todos los diseos
(salvo el de la losa doblemente apoyada, P l l ) resultaron estrictamente inseguros. Con el criterio
estricto, todas las respuestas al problema de peritaje de los diseos fueron correctas ("no" o "s"
segn convena). La conjetura indicada en la seccin anterior se mantiene: para obtener diseos
estrictamente seguros debe aumentarse la resistencia hasta por un factor de 1,18.
Caractersticas comunes a todos los problemas cannicos
Mientras en el lenguaje habitual el momento de diseo de una losa cuadrada es qa2/24 si esta
apoyada, y ga 2 /48 si est empotrada, la conclusin de los resultados anteriores es que, estrictamente, esos momentos debieran sustituirse por dos nuevos valores qa2/21,8 y ga 2 /43,6, algo ya
sealado por autores como Massonet (Quintas, 1993a). Pero no hay buenas razones para ello, a
fin de cuentas los resultados 'clsicos' se contrastan muy a menudo con la experiencia sin que se
hayan manifestado discordancias preocupantes. Hay, por otra parte, una diferencia sustancial en
problemas unidireccionales y bidireccionales. En los primeros (P3, P4 y P l l ) , el valor mejor de la
energa no depende en esencia de la subdivisin, pudindose alcanzar con mallas de pocos elementos. En los problemas bidireccionales (el resto) el valor minimo de la energa se obtiene con mallas
de pequeos elementos, sin que se alcance la 'convergencia' al valor lmite en las mallas que se han
manejado. Tal valor existe, sin duda, y probablemente no quede muy lejos, pero su clculo parece
4.
83
-0.00710745
-0.0304294
-0.035234
W////M/////////M
-0.0101232
-0.0283084
-0.0298214
?mmmmm.
-0.0374519
-0.0471693
-0.0484278
1.63355e-05
0.000345619
0.000645426
-0.000232722
-0.0276194
-0.0330974
-0.028924
-0.0342025
-0.0210637
-0.0241632
W////////////////////M.
P9
PO
I.
v/////////////////////.
Pll
Tmatmmm
'mmmm>m%,
P12
mmm^^m^Y////////////////////M
P13
WfflZZWTZZZZm.
-0.0130085
'(Zmmmmp,
P14
immmmm
-0.00662322
F i g u r a 4.12: Losas e m p o t r a d a s : r e s u l t a d o s d e E 4 "

Se muestra la mejor configuracin final de la serie de recocidos. De izquierda a derecha, la correspondiente
a una, tres o siete subdivisiones. De arriba a abajo, los tres casos para cada uno de los problemas P8 a
P14. Las lneas de rotura positivas son continuas, mientras que las negativas se dibujan a trazos. El grueso
de todas'es proporcional a la cantidad de energa almacenada por unidad de longitud. No se dibujan todas
las lneas: slo aquellas con energia mayor que el 5% de la energa mxima en la lnea 'psima';
4.
Anlisis de losas
84
exigir subdivisones an ms finas 24
4.4
Casos 'reales'
Se muestran a continuacin los resultados para tres casos ms complicados y de mayor tamao. En
todos se utiliz la estrategia ganadora del torneo.
4.4.1
E j e m p l o 18
Se trata de un ejemplo clsico planteado por Johansen (1962:66-67), vase la figura 4.13. Utilizando
la teora estndar, Johansen muestra que la configuracin inferior (k) requiere como mnimo un
momento positivo igual 0,0938ga2, y un diseo con esa resistencia es el que se analiza aqu. Pero
estableciendo el equilibrio del trozo de losa apoyado en el soporte y sin considerar el tamao del
mismo (configuracin h * 0, esquema superior en el dibujo original de Johansen) muestra tambin
que el momento requerido puede ser mayor, 0,106ga2, es decir 1,13 veces mayor.
Figura 4.13: Ejemplo 18 de Johansen

A la izquierda se reproduce la figura 57 de la obra de Johansen, a la derecha la geometra maestra y malla
de clculo utilizada
Los resultados se muestran en la figura 4.14. De las diversas configuraciones encontradas se
deduce que el diseo analizado debera aumentar uniformemente su resistencia en unas 1,18 veces
como mnimo, segn la convencin estricta empleada aqu, algo ms que lo predicho por el segundo
anlisis de Johansen. Ntese adems que-la configuracin del recocido se diferencia, al aumentar
la subdivisin de la malla, de la primera considerada por este autor, aunque incluyendo, alrededor
y muy cerca del soporte, la segunda que consider. En todo caso, segn la conjetura enunciada, el
diseo de Johansen puede considerarse convencionalmente seguro.
4.4.2
E j e m p l o 21
Otro ejemplo de Johansen (1962:77-78), vase la figura 4.15. Se trata de una losa apoyada en dos
soportes y en uno de sus lados. El anlisis aproximado que realiza le lleva a la conclusin de que
con armadura istropa se requiere al menos resistir m + = 0,96<? y m~ = 0,333g. Este diseo es el
que aqu se analiza.
Los resultados del recocido se muestran en la figura 4.16. Se deduce que la resistencia del diseo
debiera aumentar al menos en un factor 1,27; segr la conjetura anterior, el diseo de Johansen
24
Miguel (1994) ha sugerido a este respecto que el problema pudiera tener naturaleza 'fractal' del problema la
energa potencial que se intenta calcular est acotada y por tanto existe su lmite (como es el caso del rea del
conjunto de Mandelbrot), sin embargo, la configuracin para su clculo exacto o, ms precisamente, la suma de las
longitudes de sus lineas de cedencia no lo est (como es el caso del permetro de dicho conjunto) En consecuencia,
el clculo exacto es irrealizable.
4.
Anlisis de losas
85
-0 0261269
-0 0779719
-0 0795545
Figura 4.14: Resultados para el ejemplo 18 de Johansen

Las convenciones en la representacin son las de la figura 4.9, salvo en que slo se han suprimido las lneas
de rotura con magnitudes (energa o giro) menores que el 1% que la mxima
M
- \i/
-WWa.--/-+-/H
i y
Figura 4.15: Ejemplo 21 de Johansen

A la izquierda se reproduce la figura 62 de la obra de Johansen; a la derecha la geometra maestra y malla
de clculo utilizada
no es convencionalmente seguro. En este caso, la configuracin de rotura se aparta de las reglas

clsicas, resultando psima para la resistencia de la losa las configuraciones 'en cono' alrededor de
los soportes, sugeridas y detalladamente estudiadas en el competente trabajo de Miguel (1986)
4.4.3
U n caso real
El clculo con lpiz y papel de losas mediante la teora de lneas de cedencia es prctico, sobre
todo en el caso de geometras poco habituales Sin embargo, como es bien sabido, el clculo
de la resistencia requerida es siempre por defecto. En los casos estndar se tiene una razonable
certeza de que el defecto es despreciable de manera que incluso se prueban exclusivamente reglas
convencionales del tipo "roturas a 45 grados" (cf. Miguel, 1986:passim), a sabiendas de que tales
configuraciones no son psimas, pero conducen a diseos convencionalmente seguros. Pero los casos
poco conicntcs pueden provocar inquietud en el calculista, en la medida en que ste haya tenido
pocas oportunidades de contrastar el 'resultado' de sus clculos con la constiuccin real de sus
diseos.
4.
Anlisis de losas
86
\
X
\\
\
\ /
//
//
f
// \ \ S
\S
. ^
/
- 0 0889621
- 0 0936941
Figura 4.16: Resultados para el ejemplo 21 de Johansen

Arriba a la derecha, la geometra maestra, en el centro y en la izquierda la subdivisin empleada Abajo a
la derecha, las condiciones del problema; en el centro y a la izquierda, las soluciones para cada subdivisin
Las convenciones en la representacin son las de la figura 4.12
En la figura 4.17 se muestra un caso real con geometra y tamao poco corrientes (Gonzlez et
Velles, 1993). La carga superficial q se estim en 1,13 Mp/m . En el borde del hueco interior se
consider una carga lineal p de 0,218Mp/m. Los mximos momentos requeridos por cada una de las
cargas p y q se tantearon por separado y como momento de diseo preliminar m se adopt la suma
de ambos, 6,07 mMp/m. Finalmente, entre argumentos acerca de la rigidez y la incertidumbre
acerca de lo apropiado del anlisis, los nervios se armaron para resistir con seguridad un momento
de 9 mMp/m.
En la figura 4.18 se muestra la malla adoptada para recocer la energa del diseo inicialmente
propuesto (m+ = 6,07). Segn la peor configuracin obtenida, el diseo preliminar debiera como
mnimo sobredimensionarse por un factor de 1,19 para ser estrictamente seguro scgixla convencin
empleada aqu; y por tanto slo las consideraciones de rigidez pueden justificar el diseo final
de 9 mMp/m. En todo caso, el diseo inicial es convencionalmente seguro segn la definicin
provisional dada anteriormente.
4.
Anlisis de losas
87
<
1>&,
>
P,o
"1
M-4.s
L ODaGDDDDDOD
DaaDDDaDaaDD
DGDDDDDaDDDD
, DGD
DDDD
DDD
DGD
DDDD
, ac
', DCD
DI
~"'OD
DGG
IDD
DCD
. DGD
DGDDDD
DDaaDa
1^
ST^
sns
bis
'
DDDD
srj
'5o'
' J >--4,A^-J J * * '
v^
.10
I j?
'nw- f>" H r 1,H-3p
Figura 4.17: Un caso real

A la izquierda se muestra en planta el diseo preliminar de una losa nervada En el centro el modelo
adoptado para el clculo, donde se sugieren dos configuraciones de rotura global Se comprob que otras
roturas locales no requeran mayores resistencias, esquemas de la derecha (Vzquez, 1993 11,7)
V^
- 0 0565201
Figura 4.18: Modelo y resultado p a r a el caso real

A la izquierda la malla de clculo A la derecha la 'psima' configuracin encontrada, con la geometra
maestra tambin dibujada
4.
Anlisis de losas
4.5
88
Conclusin
Quiz el mejor argumento acerca de la bondad de los resultados obtenidos mediante el recocido de
losas es la similitud entre las configuraciones de rotura simulada y la rotura real en laboratorio (cf.
Johansen, 1962). La afirmacin se refiere, desde luego, al modelo, pues no est demostrado que
otros algoritmos no puedan obtener los mismos resultados a partir de los mismos presupuestos. En
todo caso, la conclusin es provisional en tanto que la exploracin es incompleta.
A beneficio de futuras investigaciones si es que la tcnica despierta algn inters, ms all de
la curiosidad terica se anotan a continuacin algunas ideas dispersas.
Usualmente las cargas pueden dividirse en concarga R y sobrecarga, S. Esta divisin puede
hacerse en la cuadratura (4.2). Para cada configuracin x, z(xl,yl) ser del mismo o distinto signo
que 5,. En el primer caso la actuacin de 5 t disminuye la energa, mientras en el segundo la aumenta.
Esto sugiere introducir nuevos grados de libertad, uno por cada sobrecarga, con valores en {0,1},
de manera que el mtodo busque simultneamente la distribucin 'psima' de las sobrecargas.
En una losa de hormign armado, una vez definida la geometra del hormign, la cantidad
de material slo se ve influida por el volumen de acero dispuesto en armaduras. Esto es tanto
como decir que la cantidad de acero depende esencialmente de las variables R. En funcin de
estas, y de las superficies de la geometra maestra, puede definirse una nueva funcin objetivo,
cuya minimacin define un problema de optimacin sujeto, desde luego, a que el resultado del
anlisis califique la configuracin como aceptable. Si este problema puede rescribirse en forma de
un problema de minimacin o maximacin, el recocido puede utilizarse tambin. De todas formas,
el recocido simulado responde de un modo natural a problemas de optimacin simple, de criterio
nico, por lo que quiz no se trate de la mejor manera de abordarlo. Sin necesidad de rescribir
el problema original de optimacin, podra emplearse un algoritmo gentico; la idea es simple: la
resistencia R puede considerarse como una presa para las configuraciones de rotura x, que seran as
la especie depredadora de la primera. La coevolucin de depredadores y presas en el planeta asegura
la seleccin de los individuos ms frtiles de ambas, salvo crisis de desaparicin de alguna de ellas
(cf. Margalef, 1980:95-98). El criterio de fertilidad sera el de mnimo coste para las resistencias, y
el de mnima energa de deformacin para las 'roturas'.
Finalmente, el problema de diseo que se plantea la teora estndar, tal y como se rescribi en
4.1.5, puede ser el punto de partida para nuevas investigaciones, tanto sobre la teora de lneas
de cedencia como sobre la presunta eficacia del recocido para resolver los problemas que plantea
a
aquella.
Resumen
La teora de lneas de cedencia para losas planas se ha derivado de un modo nuevo, en trminos
similares a los de otros problemas fsicos en que se busca el equilibrio entre trminos 'internos' y
'externos' de la energa potencial. El problema es encontrar la configuracin del sistema en la que
la energa potencial total es mnima, es decir, un problema de optimacin.
Para resolverlo, se utiliza un modelo discreto (emparentado con el mtodo de los elementos
finitos), al que puede aplicarse el algoritmo de recocido. La aplicacin es nueva, de todas formas,
debido a la esencial heterogeneidad de los grados de libertad del sistema. Para cada tipo de grado
hay que establecer las reglas para efectuar transiciones, en todos los casos mediante cambios al
azar y selecin mediante orculos, pero tambin, en dos de ellos, mediante profetas locales. El
algoritmo resultante puede ser, respecto aJ tamao de la solucin, un algoritmo lineal, debido a que
la complejidad algortmica de las transiciones no depende del tamao de la solucin.
Pi meramente se analiz una coleccin de casos cannicos muy simples, en el que los diseos se
ajustaron a reglas estndar de amplio uso. Los resultados confirmaron plenamente algo bien sabido:
tales diseos son moderadamente inseguios; pero tambin permiten cuantificar tal insegu idad y
enunciar una regla cuantitativa sobre la definicin de seguridad en este pioblema.
Despus, se analizaron dos ejemplos clsicos y uno 'real'. J3n todos ellos, el ccocido nicjoia los
resultados disponibles, confirmando en dos, la seguridad convencional de los diseos. En el otro,
4.
Anlisis de losas
89
los resultados del recocido permiten criticar el anlisis 'clsico', a la vez que se confirman estudios
ms recientes.
Dado que la teora es una herramienta de proyecto extremadamente til, se sugieren nuevas
investigaciones de-problemas ms amplios a la vez que los algoritmos adecuados: el recocido y el
algoritmo gentico.
<
&
Captulo 5
Cpulas de revolucin
La optimacin de la cantidad de material o, en general, del coste en cpulas de revolucin tiene
caractersticas especficas, por las cuales lo eleg como primer ensayo para experimentar el recocido
simulado, cuando present el ttulo de la tesis.
En primer lugar, en alguna de sus versiones mas restringidas es un problema clsico ligado a los
'slidos con igual tensin' (cf. Thimoshenko et Woinowsky-Krieger, 1959:477-480), y se cuenta con
alguna solucin analtica. Adems, ha sido objeto de renovada atencin recientemente (Cervera,
1990) y aunque resuelto por el mtodo de los elementos finitos para algunos casos, se ha indicado
la existencia de mltiples mnimos locales en otros, propiciando la incapacidad del mtodo para
encontrar el mnimo absoluto, dando pie al primer 'xito' del recocido, que 'encontr' valores
mejores, todos ellos extremedamente cercanos entre s, lo que permite hablar de una solucin
probablemente ptima (cf. anejo A7). Como se ver, el problema est caracterizado tambin
por la 'continuidad' de la funcin objetivo, siendo todas las variables reales y no presentando en
principio ningn indicio de explosin combinatoria en el espacio de las soluciones; en consecuencia,
resulta un buen 'banco de pruebas' para verificar si el recocido puede emplearse tambin con xito
fuera de su 'campo de batalla' natural. Finalmente, se trata en esencia de un problema simple pero
que, en sus versiones ms generales, afecta a toda la forma de la estructura, esto es, a su proporcin,
esquema y grosor (aunque desde un punto de vista matemtico la topologa es constante); y en el
que pueden estudiarse muy distintas funciones objetivo con un coste de programacin muy pequeo.
En la primera seccin se repasan las ecuaciones fundamentales del problema, as como las caractersticas que conducen a objetivos diversos para la ôptimacin. En la segunda, se detalla el
modelado empleado para el clculo numrico. Despus, en la tercera, se construye el algoritmo
de recocido, especificando las diversas jugadas necesarias para la exploracin del espacio de soluciones. La cuarta seccin se dedica a mostrar los resultados obtenidos para una amplia variedad
de problemas y objetivos. Finalmente, en la quinta, se hace balance.
5.1
Definicin del problema
Se tratar de cpulas de revolucin con carga vertical igualmente axisimtrica, de manera que el
anlisis de la cpula resulta sencillo a travs de' las ecuaciones de equilibrio esttico (ciertamente,
as quedan fuera versiones importantes del problema, como aqulla en que resulta significativa la
accin del viento), lo que permitir concentrarse en el propio recocido.
5.1.1
Geometra del volumen de material
La forma de la cpula se define mediante su generatriz z = f{x), y su grosor e = g{x), \case la

figura 5.1. La inclinacin de la superficie viene dada por la derivada de z, de manea que el ngulo
de inclinacin puede determinarse segn varias alternativas:
,
tan<> = z ,
.
z'
,
1
smv? = - = = = =2, o cosv? = - ^ = =n VI -I- z'
VI + z
5.
Cpulas de revolucin
91
La curvatura se mide mediante los radios principales: el de la propia generatriz, R^,, y el de la curva
contenida en un plano perpendicular a.la generatriz y que pasa por su recta normal, R$. Ambos
pueden expresarse igualmente en funcin de z' y de su derivada:
Re =
zVl +
(1 + ' 2 ) 3 / 2
r/2
RP
En general el volumen de material resulta de integrar el espesor a lo largo y ancho de la superficie,

de manera que considerando un anillo diferencial segn cada paralelo se tiene:
rR
= i edA= [
JA
JO
2TTX
cosip
dx
(5.1)
y en consecuencia, la funcin objetivo resulta ser de la forma <f>(z'(x), e(x)), es decir, que la influencia
de la curva generatriz z se limita a la de su inclinacin, lo que sugiere adoptar como funciones
significativas del problema z' y e. La optimacin de V sin ningn otro requisito es cosa sencilla: la
solucin es e = 0 para cualquier definicin de z\ y en tal caso V = 0. Pero, en realidad, si se desea
construir la cpula ser con algn propsito, de manera que habr que disponer un espesor mnimo,
lo que implica que la cpula 'pesa' y que por tanto debe resistir su propio peso y, probablemente,
otras cargas verticales, y esta solucin trivial queda 'frustrada'.
Figura 5.1: Forma de la cpula y sus parmetros significativos

El ngulo <p dibujado es negativo, pues el sistema de coordenadas es el habitual, antihorano Sin embargo,
los pesos son -positivos hacia abajo
5.1.2
Resistencia
Como cargas gravitatorias tpicas, adems del propio peso, se tiene el peso de la nieve y sobrecargas
nominales representativas del uso que se desee para la superficie superior. Para evitar confusiones
denotar q a las cargas superficiales medidas sobre' la propia superficie de la cpula, y p al valor
resultante de medir sobre el plano horizontal. As, el peso propio por unidad de rea ser:
qp = pe,
pp - pe eos <p
en donde p representa el peso especfico del material. Del mismo modo, la nieve, siguiendo de cerca
la convencin de la norma espaola NBE-AE-88 del Ministerio de Obras Pblicas, puede evaluarse
con: .
qv = v eos ip,
p v = v eos <p
en donde v es el peso de la nieve acumulada sobre superficies horizontales Finalmente, la sobrecarga
de uso de definicin mucho ms convencional se expresa como un valor s sobre superficie
horizontal, y por tanto:
qs = s eos (p,
ps = s
5.
Cpulas de revolucin
92
Dada la forma de la cpula y los valores de intensidad de carga se puede estudiar las condiciones de
resistencia mediante ecuaciones de equilibrio. Ciertamente, este modelo sencillo sin consideracin
de deformaciones, tan slo permite evaluar parte de las tensiones producidas por las cargas
aunque normalmente ser la mayor parte, y puede resultar insuficiente para acometer diseos
reales 1 .
Analizando el equilibrio de fuerzas verticales de la cpula por encima del paralelo a la altura
z(x), el peso total es:
Qz=
p- 2-irxdx = Qz(e,z')
Jo
donde p = pp + pv + Ps- La nica oposicin proviene de la componente vertical del esfuerzo en la
direccin de los meridianos, Nv, cuya resultante'a lo largo de un corte horizontal es 2TTXNP sin y?,
vase la figura 5.2. En consecuencia, el equilibrio parcial en cada, paralelo conduce a: -
"'-Ôzro-W)
(5.2)
Figura 5.2: Esfuerzos en la superficie de la cpula

No hay tensiones tangenciales por ser la carga simtrica, y por tanto N^g es nulo.
De otra parte, el equilibrio local en cualquier punto conduce a la conocida expresin:
Ru
(5.3)
+ = qcosip
donde q eos <p es la carga perpendicular a la superficie medida sobre ella, y N$ es el esfuerzo normal
por unidad de longitud en la direccin de la tangente al paralelo. Empleando en esta ecuacin el
resultadode (5.2):
Ng
(5.4)
-^>-&7)-*<*'''>
Conocidos forma, cargas y esfuerzos puede comprobrsela resistencia. Paja ello existen varios
criterios y adoptar aqu el de Von Mises. La tensin de comparacin a debe ser menor que la
tensin segura f supuesto que el material tiene la misma resistencia absoluta en traccin que en
compresin:
'a = -y/N* + j y | - N^Ne = a(e, z\ z") < f
"
(5.5)
Pero cf. Candela, 1985.91-105, quien realiza una detallada argumentacin, esencialmente en sentido-contrario.
''cl/0T-c^
5.
Cpulas de revolucin
5.1.3
93
E x p r e s i n formal del p r o b l e m a
Para obtener la cpula de mnimo volumen de material dadas las condiciones de tamao, carga y
material, el problema que hay que resolver es la minimacin de (5.1) en el espacio de funciones
(e, z') que cumplan con (5.5) y que, por tanto, son soluciones aceptables. El ptimo consta por
tanto de dos funciones eopt y z'opt para las que:
(eo P t,2pt)=
in
{e,z')eS
<!>&*')
(5-6)
siendo S = {(e, z') : a{e, z', z") < f} y <> = V.

5.1.4
Caractersticas especiales
El problema bsico visto hasta aqu se puede generalizar mediante la contabilidad de nuevos
volmenes de material necesarios para la construccin de la cpula o por nuevos requisitos que
la forma deba cumplir, adems del de resistencia.
Requisitos formales
Se expresan en general como lmites a los valores posibles de las funciones e,z,z',z" en un punto
determinado o en toda la cpula. Es habitual, por ejemplo, que'se prescriba z'(0) = 0, es decir,
tangente horizontal en la clave. Del mismo modo z > 0 discrimina las 'membranas' a traccin,
exigiendo como solucin un 'cascarn' trabajando fundamentalmente a compresin. En este ltimo
caso, la evacuacin de aguas exige z' < 0 si x > 0.
La cpula completa
Hasta ahora se ha examinado la cpula en abstracto, entendiendo por tal, el volumen de la estruc- ,
tura cuyos esfuerzos pueden predecirse aproximadamente con la teora de membrana. La estructura
final exige algo ms.
Si, como es deseable, las acciones sobre el terreno deben ser verticales2, debe dotarse a la cpula
de un anillo inferior que rectifique3 la inclinacin de Nv en x = R, vase la figura 5.3. Este anillo
(generalmente traccionado) implica nuevos volmenes de material que, si se desea una optimacin
realista, deben incluirse en la funcin objetivo. Puesto que la reaccin vertical por unidad de
longitud en la cimentacin vale QZ{R)/2ITR
y la inclinacin de la cpula es z'(R), el anillo debe
resistir una carga horizontal por unidad de longitud de valor Qz/2nRz', lo que origina esfuerzos de
valor RQz/2nRz'.
La seccin del anillo se obtiene diviendo por f y su volumen total multiplicando
por su longitud, 2TTR:

(*&)
Contabilizar Vz aumenta la influencia del peso propio y de la sobrecarga de nieve en la definicin

del ptimo, dado que la fraccin de Qz debida al uso es constante para todas las soluciones. Con la
misma argumentacin debiera incluirse el volumen de cimentacin pues tambin depende del peso
y de la forma de cada solucin, aunque para lo que aqu interesa bastar con la inclusin de Vu pues
ambas funciones tienen esencialmente el mismo efecto cualitativo sobre la definicin del ptimo
La cpula puede ser abierta en la clave, con una linterna, vase la figura 5.4. sta aade nuevas
cargas, que pueden representarse como una carga vertical P por unidad de longitud en el borde
interior, y cuya suma total debe incluirse en Qz. Adems, el borde necesita entonces un anillo
con funcin contraria al inferior: inclinar P hasta hacer coincidir su direccin con la tangente a la
O, al menos, no ms inclinadas que lo que permita el rozamiento
Pero hay otras maneras de conseguir lo mismo puede imponerse la condicin z'(R) oo y el dsono de la cpula
incluir al propio anillo traccionado que se propone (Miguel, 1994, vanse los ejemplos de Ramm, 1992 95) La
solucin del anillo, ms tosca, es ms sencilla y, por lanto, ms cmoda para el objetivo que aqu interesa piobar la
eficacia del recocido
5.
Cpulas de revolucin
94
NfCostp
Nf sin<p
Figura 5.3: Arranque de la cpula

Si la reaccin del terreno es vertical, esta fuerza junto con el esfuerzo de la cpula dan resultante neta
horizontal, que debe equilibrarse por el esfuerzo normal de un anillo inferior
cpula. Si el rea dispuesta en este anilllo es A, su peso total ser 2irrpAi, donde r es el radio del
borde interior, y debe aadirse tambin a Qz, que por tanto para x = r valdr 2nr(P + pA). La
carga horizontal por unidad de longitud que debe soportar el anillo superior es Qz/2-rrz', lo que
origina esfuerzos rQz/2nrz', comprobndose su resistencia con:
a = abs ( --- ) < f
El volumen de material aumenta tambin en:
V = 2irrAi
(P+Aip)
S^jfl
fCOStp
Figura 5.4: Cpula abierta sosteniendo una linterna

Como en el borde inferior, tambin aqu el peso de la linterna y el esfuerzo de la cpula dan resultante neta
horizontal, que debe equilibrarse con un anillo superior, cuyo peso se aade al de la linterna
En el. trabajo de Cervera (1990), la funcin objetivo era el precio. Para construir la cpula
se necesitan cimbras (valoradas por unidad de volumen encerrado) y, previsiblemente, rematar
la superficie exterior (precio por unidad de superficie de cpula). El volumen de material se
puede igualmente tasar mediante un precio por unidad de volumen y calcularse el precio total. En
consecuencia el precio de la cpula tiene la forma general:
(5.7)
<t> = km(V + Vt + Vi) + kvVz + ksS
en donde:
Vz
= 2TT
/ . xdx
Jo
fR
= 2TT /
dx
/o cost.
cosip
Jo
y km,kv,ks deben interpretarse como precios unitarios del material, del volumen enceirado y de la.
'
superficie.
> J>
*/ !"(
tnl
5.
Cpulas de revolucin
95
Es innegable el inters de una contabilidad semejante, que de hecho puede formularse en trminos menos 'culturales', si como costes unitarios km,kv,ks se usan magnitudes fsicas en vez
de precios 4 . Para lo que aqu interesa basta con definir costes unitarios sin significado preciso y
manejar como funcin objetivo <j> en la forma general (5.7).
5.2
Modelo
El problema planteado es por tanto el de minimar un funcional, lo que exige recorrer un espacio
de funciones. Con un mtodo numrico y no analtico esto no puede hacerse, a menos que se
transforme el espacio de funciones de dimensin infinita en otro de dimensin finita. La convencin
habitual para ello proviene del mtodo de los elementos,finitos,y ser la que se use aqu.
La generatriz de la cpula puede dividirse en un cierto nmero de elementos, E, definiendo la
posicin de N = E + 1 nodos. En cada uno de stos se definen los valores de las funciones e, z', z"
.y para puntos interiores a un elemento se conviene en alguna frmula de interpolacin. Cada
elemento representa la superficie de cpula comprendida entre los dos paralelos correspondientes a
las abscisas de sus nodos. Ntese que la definicin de z" en los nodos es necesaria para asegurar
la continuidad de la forma de un elemento a otro, pues de lo contrario (5.5) resulta ambigua en
los puntos de discontinuidad de z". Por otra parte, tanto (5.1) como (5.5) requiere el clculo de
integrales lo que aconseja el uso de un elemento paramtrico y cuadraturas de Gauss.
5.2.1
Formulacin del e l e m e n t o
Las coordenadas naturales u de los nodos son 1 y 1 y para cada uno de ellos se dan los valores
x, e, z', z". La interpolacin es simplemente lineal en x y en e. Para la primera funcin:
x = -[ 1 u
Xl
1+ u
= NXe
(5.8)
= N*ee
. (5-9)
X2
dx
\.
El caso del espesor es similar:
;i
1+ u ]
e2
4
No faltan aqu propuestas: el coste ecolgico puede medirse, por ejemplo, por la energa irremplazable utilizada
por unidad de material empleado en la cpula, en el volumen encerrado o en su superficie (Naredo, 199362), pues
a fin de cuentas una fraccin de la entropa producida durante su construccin puede evitarse, y es esencialmente
proporcional a dicha energa, de manera que resulta razonable disminuir esta ltima. Esta no es, en absoluto, una
idea novedosa: "La lucha general por la existencia de los seres vivos no es una lucha por los elementos bsicos los
elementos bsicos de todos los organismos existen en abundancia en el aire, el agua y el suelo, ni tampoco por
la energa que se encuentra en forma de calor, desgraciadamente inutilizable, en cada cuerpo, sino una lucha por
la entropa [negativa], que slo se encuentra disponible en la transmisin de la energa del sol caliente a la tierra
fra" (Boltzmann, 1905:72; vase tambin Schrdinger, 1944:74-76; Valero, 1993:67-687 en el mismo sentido han
argumentado, tambin, Candela, 1985:146 y el propio Cervera, 1993:16). Por energa remplazable puede entenderse
aqulla que proviene del Sol en tiempo real (descontando la acumulada en el pasado y prescindiendo de predicciones
futuras): la combustin de madera puede serlo (basta asegurar que crezca 1 mismo nmero de rboles que se
queman y producir la misma cantidad de material que se quema y entonces queda incluso asegurado que no se
producir emisin neta de CO2), la de material fisionable no (con independencia de cualquier 'escenario tecnolgico'
considerado), por poner dos ejemplos extremos. El concepto, cultural o no, permite al menos discutir sobre l de
una manera precisa y formal. La produccin de entropa debida al uso de energa irremplazable se manifiesta de
manera visible en la produccin de residuos irreciclables, que significa una prdida de recursos, es decir, de riqueza en
el sentido clsico. Las consecuencias del actual e insensato consumo de tales energas, justificado utilizando precios
como costes, comienzan a preocupar a los especialistas sensibles de cada disciplina, as, por ejemplo, Stein (1989)
comenzaba del siguiente modo su trabajo sobre los vidrios de espines- "La suciedad se puede bairer y ecoger, o se
puede esconder debajo de la alfombra, pero antes o despus exigir que se le preste atencin".
5.
Cpulas de revolucin
96
La interpolacin de z' y z" puede expresarse formalmente de manera anloga:
Yx =
yx{x\)
= N
Vx
(5.10)
= N*Y*
vto)
yx(x2)
aunque, su derivacin es algo ms extensa. P a r a establecerla slo hay que tener en cuenta que
ambas funciones estn ligadas: la segunda debe ser efectivamente la derivada de la primera dentro
del elemento.
I n t e r p o l a c i n d e la curva g e n e r a t r i z
Denominando z' = y y z" = yx "y utilizando una interpolacin de tercer grado para y:
y = a + bu + cu2 + du3
dy
yu = -7=- = b + 2cu + 3du
du
o en forma matricial:
Yu =
1 u u2
0 1 2u
y
Vu
a
b
c
d
u3 "
2>u2
= PCe
(5.11)
donde C e representa los coeficientes de la interpolacin para cada elemento particular; su clculo se realiza
imponiendo que Y u sea igual en los nodos a los valores prescritos. Para ello hay que calcular previamente
la relacin entre yu e yx:
dy
dy dx
Vu
du
J/lÛ
dx du
o en forma matricial:
1
0
Yu
0
xu
y
yx
= T
* x \*-x*u)
* UJ
y por tanto:
(5.12)
La condicin para el clculo de C e puede expresarse ahora como:

Ye =
Y=_!
Yu=1
Pu=-1
peCe
p=l
y por tanto:
C
p e - l
pe-l
Txû
0
0
TT_U
p e 1 rpe
(5.13)
Ntese que la matriz P* es idntica para todos los elementos de manera que su inversin slo ha de realizarse
una vez; de hecho, puesto que la posicin de los nodos es fija el producto P - 1 T | _ u es constante para cada
elemento.' Ahora puede calcularse el valor de las funciones en cualquier punto interior del elemento con
(5.12), (5.11) y (5.13):
*x
\*~x*u)
* u.
==
(.-*-x *u)
* u ^
==
(,J-x*u)
*u*u
^-xu*x
Con la notacin habitual las funciones de forma en coordenadas naturales son:
N^p^pr1
con valor constante para cada u con independencia del elemento considerado. Y en las coordenadas oiiginales:
N y = T - 1 TMyTe
x ,
xU U
X*u
constante para cada elemento y cada valor de u, es decir, para cada a;. Esto define el significado de la ,
cxpicsin (5 10).
5.
Cpulas de revolucin
5.2.2
97
Evaluacin de integrales
El clculo de las integrales necesarias puede acometerse ahora con u n a cuadratura de Gauss de n
puntos, con la forma general:
fX2
/ f{e,x,y,yx)dx=
/*+1
dx
I f{e,x,y,yx)du
x-*
= 22f(et,xl,(y,yx)l)Pl
dx
(5.14)
donde Pt denota el 'peso1 correspondiente a cada punto de la cuadratura.

Este modelo convencional tiene algunas caractersticas que merece la pena destacar:
1. La evaluacin del volumen V como la de la carga parcial en un paralelo Qz o de z si su valor
es necesario puede realizarse elemento a elemento, lo que puede aprovecharse con ventaja
durante el recocido. El valor de las integrales, por tanto, slo est disponible en los nodos.
2. Por lo mismo, la comprobacin de resistencia (5.5) puede realizarse en los nodos nicamente,
puesto que Qz est all definida como la suma correspondiente a todos los elementos 'por
encima' del nodo: la comprobacin de la resistencia es tanto ms exigente cuanto mayor el
nmero de elementos, E.
5.2.3
La clave d l a cpula
Si z'(0) = 0, los esfuerzos son indeterminados segn (5.2) y (5.4). En estas condiciones la comprobacin de la resistencia requiere un anlisis ms fino (Cervera, 1990:4) que habitualmente se ha
resuelto con el clculo del lmite de Nv cuando x 0, lo que conduce a:
*=N9=2h)
six=0
(5 15)
Si z'(0) = 0 y el tamao de los elementos muy pequeo, pueden existir problemas de precisin no
slo en la clave, tambin en el siguiente nodo ms prximo a ella. .Para evitarlos pueden unificarse
los clculos para x < e, sustituyendo todas las funciones de x por sus correspondientes desarrollos
de MacLaurin, en los que se retienen nicamente los trminos de primer orden, considerando
tambin que en ese entorno la generatriz puede aproximarse mediante una parbola, z" = z"(0) y
z' = z'(0) +xz"(0) (Vzquez, 1994). Procediendo as se tiene:
Vi + z'2 Jl + z'l +
1
J
xz' = ^ i + Bxxz'
y/l + z'l
z'
7
l2^xz' ~ A 2 + B2xz'
Q2(x = e) * 2 ^ Q = 2* {pe ( f + ^
+,, ( f + ^
+ \s]
(5.16)
^ 1 + ( 4 + ez)*
No
(p - Qe^-Jj)
Esta enojosa expresin tiene la ventaja de compartir el lmite (5.15) en x,z' > 0, adems de ser
bastante 'robusta' en trminos numricos, salvo en el caso trivial z'(0) = z"(0) 0, en,el que sera
necesario ictenei tciminos de segundo orden, y que, por lo dems, es una solucin inaceptable
Para e se tom el valor5 0, OOOli?.
s
A n n q u o V/izquc/i (1994) critic ese valor, p r o p o n i e n d o 0,01R
5.
Cpulas de revolucin
5.2.4
98
Superelemento
Los requisitos pueden entenderse como una frontera que deja fuera del espacio de bsqueda la
solucin mnima trivial. Si la cpula ha de tener tensiones menores que la segura en todos los
puntos de su superficie, la frontera es infraqueable. Pero dado que no puede comprobarse un
infinito nmero de puntos, en general la frontera tendr agujeros,, a travs de los cuales puede
llegarse a configuraciones seguras en los puntos que se comprueban, pero no en otros. La habilidad
del recocido simulado para encontrar tales agujeros (cf. anejo A7), permite sospechar que si la
comprobacin de la resistencia slo se efecta en los nodos, pueda encontrar los valores 'apropiados'
de z" en ellos para satisfacer la ligadura, aunque no se cumpla en el interior de los elementos (lo que
puede verificarse con un modelado ms fino). De hecho, si se levanta la exigencia de continuidad
para z", y a la vista de que su variacin no afecta ni a V ni a Qz, con la sola definicin de z'
podra de (5.5) obtenerse el valor de Ng para cumplir estrictamente con la condicin en cada punto
comprobado, y de (5.4) obtener el valor de z" adecuado al nodo.
Estas consideraciones y otras que podran hacerse, sugieren la conveniencia de comprobar la
resistencia en puntos intermedios entre los nodos donde se definen las funciones. Basta para ello
considerar que estos 'supernodos' especifican 'superelementos', en los cuales se interpola un nmero
convenido de nodos interiores, en los que el valor de las funciones se interpola con (5.8), (5.9) y
(5.10). En cada elemento de la malla fina as formada pueden evaluarse las integrales con (5.14), sin
ms que considerar ahora a u como la coordenada natural del elemento pequeo, vase la figura 5.5.
En todo caso un superelemento con ningn nodo interior restituye la formulacin original, de manera
que pueden compararse resultados entre diversos modelos.
Qz,a
Qz,a
Qz,a
Qz,a
Figura 5.5: Superelemento y sus elementos

En los nodos i y / se especifican los valores de las funciones, mientras que en el j y k simplemente se
interpolan La integracin se realiza en los elementos ij, jk, kl y la1 comprobacin de la resistencia en los
v
cuatro nodos. El superelemento sirve tan slo para la definicin funcional.
5.2.5
Clculos especiales
Si se desea emplear como funcin objetivo la expresin general (5.7) es necesario disponer de ^los
valores de z en un nmero suficiente de puntos como para calcular Vz con alguna aproximacin.
En principio, lo ms 'natural' consiste en aumentar la dimensin de x aadiendo los valores
de z en los nodos. La formulacin del elemento se realiza formalmente igual, salvo que ahora la
funcin, digamos principal, es y = z, mientras que z' = yx y z" = yxx.
Utilizando una interpolacin de quinto grado para y:
y = a + bu + cu2 + du3 + ew4 + fu5
yu = b + 2cu + Mu2 + Aeu3 + 5/u 4
yuu = 2c + 6du + I2eu2 + 20 fu3
de manera que en (5 11) P u es de la forma:
1 u u2
0 1 2u
0 0 2
u3
3u2
6u
u4
4u3
12u2
u5 ]
5u4
20u3
5.
C p u l a s de revolucin
99
mientras que, por su parte.

a
b
e
C = c
d
e
f
y por supuesto los vectores Y incluyen los tres valores z, z', zn en cada nodo. La relacin entre yuu e yxx se
calcula en forma anloga -
'
d
( dx \
Vuu
~
duyu~Vxx\duJ
donde debe notarse que d?x/ du2 = 0 por ser la interpolacin de x lineal. En forma matncial.
1 0
Yu =
Vu
di
.0
y
yx
=T
y xx
continuando el resto del desarrollo igual pero con matrices ms grandes. De este modo el clculo de V- se
realiza formalmente igual que el resto de las integrales.
Si, de todos modos, no se quiere renunciar al espacio ms 'reducido' de la formulacin y = z'
puede realizarse una integracin 'especial' para Vz. En esta formulacin z es una integral cuyo
valor est disponible en todos los-nodos, de manera que a los efectos de calcular Vz la generatriz
puede entenderse como una poligonal cuyo rea (y por tanto el volumen encerrado) es trivialmerite
calculable con la regla de los trapecios. Desde luego el grado de precisin resulta tericamente
menor que en el resto de las integrales. Cabe llevar la precisin ms all: para ello se necesita
disponer del valor de z no slo en los nodos, tambin en los mismos puntos de Gauss utilizados
para el clculo de V S. Puesto que z es tambin una integral, su valor dentro del elemento i] es:
z{x) - zt = Az =
ydx = xu
y du
donde xu sale fuera de la integral porque la interpolacin de x es lineal. Por tanto, la integral Az
puede calcularse explcitamente y puede derivarse una funcin de forma NAz para cada punto de
Gauss. Ahora, para el clculo de Vz basta darse cuenta de que:
fx3
[XJ
zxdx = /
J xx
J xt
fxJ
ztx dx +
Azxdx
J xx
siendo la primera integral trivial y la segunda calculable con la frmula general (5.14). Este ser
el mtodo usado aqu en la formulacin y = z'.
5.3
Recocido de cpulas
El problema consta en su definicin de las coordenadas de los 'supernodos', del nmero de superelementos E, del nmero de elementos ne en cada superelemento, del nmero de puntos de integracin
n p en cada elemento, de los tres parmetros de carga {p, v, s}, y de la tensin segura del material
f. Tambin es necesario indicar la versin que se elige para la funcin objetivo (>. Por ltimo, si la
cpula tiene una linterna hay que dar su peso P y la seccin del anillo superior Ai.
El problema tal y como ha sido* definido consta de dos tipos diferentes de grados de libertad:
de una parte, los espesores e en los que se incluye el rea del anillo superior Ai cuando exista,
y de la otra los parmetros de la generatriz, descritos en general por un conjunto de valores y, que,
en cada nodo, puede adoptar dos formas: y = {... ,{z',z")l, .v..} y = {... ,(z,z', z")u ...}. Cada
configuracin queda definida dando los valores de los g grados de libertad: x = {e, y}. La condicin
de que la configuracin es aceptable consiste en comprobar la resistencia en todos los nodos (y en
el anillo superior si existe); y si lo es, la funcin objetivo <> puede calcularse. De manera que lq_
nico que se necesita para el recocido es definir las transiciones.
5.
Cpulas de revolucin
5.3.1
100
R a n g o de los grados de libertad
Los tres tipos de grados de libertad son, en teora, nmeros reales, de manera que en esta ocasin
todos los espacios X son esencialmente homogneos. De todas formas resulta deseable y conveniente
imponer algunos lmites, distintos segn el tipo.
Desde luego los espesores no pueden ser negativos, y en ocasiones se desear poner un lmite
inferior, e min , mayor que cero De otro lado, las ecuaciones de equilibrio empleadas exigen espesores
muy pequeos comparados con el dimetro de la cpula, de manera que imponer, por ejemplo,
e < R/10 define un intervalo para los espesores ms que sobrado.
Si, como es el caso, la resistencia a traccin y a compresin son iguales, el problema tiene
siempre dos soluciones como poco: una y su simtrica respecto al eje x. Aqu, estamos interesados
en cascarones no en membranas, de manera que z > 0 puede entenderse como un requisito formal
que hay que sumar al de la resistencia.v En tal caso, la evacuacin de aguas exige tambin que
z' < 0 cuando x > 0, condicin que no slo define un lmite a los grados de libertad y, tambin
otro requisito que puede comprobarse en los nodos y puntos de Gauss definidos.
Respecto a z" no puede aventurarse ningn lmite ni superior ni inferior, pues no se sabe a
priori si formas acampanadas son buenas cpulas o no. De todos modos, si se desea obtener
cpulas convexas o cncavas puede imponerse la condicin z" < 0 o la contraria.
En la formulacin ms explcita, y = z, puede imponerse un lmite superior a z, lo que equivale
a circunscribir la bsqueda a un cilindro de cierta altura ntese que si y = z' la bsqueda est
limitada al cilindro de radio R pero con altura infinita.
En todo caso, en general, el rango de las variables (salvo en el caso de los espesores) carece de
una acotacin natural, al contrario, por ejemplo, que en el caso de los grados x,y en el anlisis
de losas, lo que representa una cierta novedad respecto a los espacios habitualmente explorados
mediante recocido simulado. En consecuencia, las transiciones debern acometer la tarea de elegir
al azar en intervalos en los que uno o ambos de los limites ser infinito.
Para cada uno de los valores de x, xg, cada caso del problema impondr lmites absolutos, de
z'
forma que xg [x min ,a; max ]. Lmites adicionales deben estudiarse para los casos xg = z, xg
xg = z", debido a que un cambio en cada una de estas variables induce cambios en las otras dos
a lo largo de los superelementos afectados que podran llevarlas fuera de sus propios lmites; esto
es una consecuencia de la interpolacin (5.10). En consecuencia, los lmites absolutos sobre, por
ejemplo, xg = z' xg = z", imponen lmites adicionales sobre xg = z.
En cada nodo se tendr y t = (yu,... ,ym) con v = 2 o v = 3 segn cul sea la descripcin adoptada. Los lmites absolutos en cualquier nodo para cada variable son [x min , max ) = \yv,mm,yv,mx]La condicin 'dentro de lmites', en un punto cualquiera, puede escribirse a partir de (5.10) como:
yn
2/l,mm
<N
Z/t>,min
Vvi
yij
Vvj i
vu
2/1, max
>N
2/v,max
Vvi
Vil
(5.17)
Vvj J
lo que debe cumplirse en todos los nodos y puntos de Gauss. De cada una de estas inecuaciones,
interpretadas como ecuaciones, y escritas para cada uno de los nodos y puntos de Gauss afectados
si se juega la variable v en el supernodo i, se obtienen lmites (inferiores o superiores segn el signo
de la funcin de forma) para cada ym, lmites impuestos por los valores actuales de las i estantes
variables y y por sus respectivos lmites absolutos. Estos lmites impuestos por el contexto se
denotarn en adelante [Lvltinm,LvltmSLX] e incluyen los lmites absolutos paia la vanablc en cuestin.
Y son, por tanto, los lmites admisibles dentro de los cuales debe,( actualmente, jugaisc ym, y
dependen de los valores del esto de vaiiables y en el supeinodo i y en los dos adyacentes.
5.
Cpulas de revolucin
5.3.2
101 *
Jugadas
Adoptando la estrategia habitual, cada jugada consistir en alterar al azar una variable dentro de
sus lmites. Sin embargo, puesto que alguno de stos o ambos puede ser infinito, el uso de
un factor moderador e reductor del intervalo no parece muy adecuado: a fin de cuentas la dcim"a
parte de un nmero muy grande sigue siendo un nmero muy grande, y no parece que de esta
forma pueda reducirse la violencia del cambio.
Como quiera que s existe una acotacin natural para los espesores, del tipo [e min , f/10], podra
en su caso adoptarse un factor moderador ee.
En la formulacin y = z, pueden imponerse para z lmites absolutos finitos sin prdida de
generalidad (es decir, una altura mxima para la cpula o una flecha mxima para la membrana),
y tambin podra adoptarse un factor ez. En tal caso, si el intervalo admisible es [Lihmin, Liitmax],
la eleccin se realizara uniformemente en el intervalo [Ln.mm, -^t.max] l~l \yn 6ez,yu + Sey], donde
Para los grados del tipo z' >y z" todava puede adoptarse un factor moderador con un cambio de
variable que, en el primer caso, no carece de naturalidad. En efecto, puesto que z' es esencialemente
la tangente de un ngulo, por qu no elegir uniformemente el ngulo? Si los lmites admisibles son
Kmin. .max]' l a eleccin del ngulo debe realizarse en [arctan z[ m i n , a r c t a n z'lmax] = [tplmin> <Pi,max],
y el factor de moderacin e^ se aplica a los lmites absolutos igualmente transformados, de manera
similar al caso de z. Una vez elegido un valor de <p, el nuevo valor de z' es tan tp. La misma estrategia
puede adoptarse para z" que, a fin de cuentas, es la tangente a z' en cada punto, de manera que
tambin se corresponde -con un ngulo. Mediante una sencilla transformacin de probabilidades
puede verse que, en consecuencia, la eleccin uniforme del ngulo se corresponde con una eleccin
sesgada de z'. De hecho, la probabilidad de que el valor elegido sea abs (z') < 1 es la misma que
para el suceso contrario. Podra pensarse que esto es un sesgo inadmisible, pues en apariencia
los valores 'pequeos' resultaran ms probables que los 'grandes', lo que quiz fuera cierto si se
manejaran nmeros reales. Sin embargo, en cualquier ordenador los llamados nmeros de "coma
flotante" son, n realidad, nmeros enteros o ristras de bits; de la ristra una parte se dedica a la
mantisa, un bit al signo del exponente y otra parte al exponente mismo. En consecuencia, es fcil
ver que existe, de hecho, la misma cantidad de nmeros con valor absoluto menor que 1 que de
la otra clase, de manera que el cambio de variable indicado realiza un eleccin uniforme entre los
nmeros de coma flotante realmente disponibles.
En resumen la eleccin de un nuevo valor para cada xg consta de los siguientes elementos:
1. Lmites absolutos comunes a todos los nodos y definidos previamente en cada caso del
p r o b l e m a : [ e m l n , e m a x j i 1-Zmin>'2maxji l^min'^maxli y l^mini ^maxr
2 Lmites admisibles en un nodo particular, [*,,,,, 2t,max], KminXmaxl y Kmin>2t',max]>

necesarios para que la nueva configuracin sea aceptable desde el punto de vista de los requisitos formales. Estos lmites slo afectan a grados del tipo z, z' o z" y se obtienen mediante
la resolucin de (5.17).
3. Moderacin definida mediante factores ee, ez, ev, e > : El intervalo mximo para la eleccin,
[x in f,x sup ], de amplitud 8 ^(x m a x min)> es la interseccin del intervalo absoluto y, en
su caso, el admisible. El factor moderador define un intervalo menor [x 6e,x + e], y
su interseccin con el mximo define el intervalo de eleccin, en el que la eleccin es con
probabilidad uniforme. En el caso de z' y z'\ antes de aplicar e, el intervalo mximo se
tranforma mediante <p = arctan x, y el nuevo ngulo obtenido en el intervalo transformado,
se tranforma finalmente con x = tan (p.
Puesto que esencialmente el rango de todos los grados es comparable, la eleccin del grado para
efectuar la jugada se realiza al azar sin importar su tipo, se calculan sus lmites (segn su tipo), se
genera un nuevo valor y se selecciona la configuracin resultante con un o aculo En esta ocasin,
la probabilidad a pmori es esencialmente unifoime como corresponde a la estiuctura homognea
del espacio de bsqueda.
5.
Cpulas de revolucin
5.3.3
102
R e t o q u e s de la funcin o b j e t i v o
La manera ms ingenua y simple de tratar con las configuraciones inaceptables (por inseguras) consiste en
atribuirles infinito volumen de material. Actuar as levanta una frontera infranqueable que separa ntidamente las soluciones aceptables del resto. Est frontera es muy fuerte: si por ejemplo una solucin cumple
conCT< f en todos los nodos salvo en uno en el que f/cr vale 0,99, la solucin es inaceptable. Esta frontera
puede suavizarse, sustituyendo la funcin objetivo original por:
'-()"
$' = </>(j ,
7Q = min{(f/cr)l}
i = l,...,ne,
a>\
cuando j a < 1. La cantidad 7a es, de hecho, la aceptabilidad de la solucin. Si' es menor que la unidad,
la solucin est infradimensionada y la ponderacin de <>/ es un modo grosero de anticipar el coste de una
solucin probablemente aceptable. El valor de a debe elegirse a la vista del caso que se resuelve: si no existe
peso, propio bastara con a = 1, pues se aumenta la resistencia sin aumentar la carga; si slo existe peso
propio ningn valor de a asegura una solucin aceptable pues la resistencia aumenta tanto como la carga
En este ltimo caso, lo mejor es mantener 'cerrada la barrera'.
Esta suerte de ponderacin puede matizarse todava ms definiendo una aceptabilidad mnima 7a,mm < 1;
en tal caso la funcin objetivo se define como:
/
00
<f>'=< 4>(y
(j)
5.3.4
Si Jd < 7d,min
si T d < 1
en otro caso
'(5.18)
T a m a o del p r o b l e m a y complejidad del algoritmo
El tamao del problema puede medirse con:

Cn = N + ne + np
prescindiendo de las operaciones numricas. La solucin, con una longitud s N est acotada
polinmicamente. La verificacin de cada solucin es un algoritmo 0(Nnenp),
de modo que es
polinmico. Cada transicin se genera en un nmero fijo de operaciones independiente de ri) P e r 0
como debe incluir una verificacin aguas abajo, el generador es tambin 0(Nnenp).
El recocido,
en consecuencia, es polinmico,
0((Nnenp)P).
5.4
Casos de prueba
Se han utilizado dos estrategias genricas, ambas incremntales, del tipo:

"7[400, 10, 1, r 0 , 0,9]
En la estrategia R l , TQ = 100, y se emple si la solucin no depende del tamao de la estructura,
es decir, en aquellos problemas que pueden resolverse adimensionalmente. La estrategia R2 es en
todo igual,- salvo que TQ = lOOifo, para forzar una escala de temperaturas en concordancia con el
tamao de la estructura pedida.
Aqu cabe investigar, adems del algoritmo, el modelo. En efecto, cul sea la mejor formulacin
(y = z o y = z') y la mejor malla (valores de n e y np) segn diversos criterios son cuestiones de
inters que, sin embargo, no se investigarn aqu. Por el contrario, en todos los casos se adoptar
una malla estndar de ocho superlementos, cada uno^ dividido en tres elementos que se integran
con tres puntos de Gauss. En total el numero mximo de grados- de libertad es del orden de 36.
La funcin objetivo puede representarse en la forma compacta $[fcm, ks, kv, A], expresin en
la que A valdr 0 1 segn se incluya o no el coste del anillo inferior (el anillo superior se incluye
siempre si lo exige la geometra, es,decir, si r ^ 0), mientras cada tipo problema como IT[/9, v, s, <f>]
(pero si hay anillo superior debe darse adems su carga P). Para las jugadas, el factor de moderacin
e fue \ para todos los grados de libertad.
Existen mltiples formas de representar cada solucin, derivadas del elemento usado (y = z
y = z'). Las reglas del mtodo de Monte Cario sugieren elegir y = z'. Adems puede investigarse,
5.
Cpulas de revolucin
103
en cada caso, el espacio reducido z'(0) = 0. En general, se utilizarn cuatro espacios de bsqueda
distintos:
Espacio
X$
X$
X7
Xs
5.4.1
Elemento
y= z
y = z'
y= z
y = z'
Clave
cualquiera
cualquiera
z'(0) = 0
z'(0) = 0
Grados
g = 4N
g = 3N
g=
4N-l
g=
3N-l
El caso original
El gnero de problemas afrontados por Cervera (1990) no incluan peso propio, de manera que la
forma ptima de la estructura no depende de su tamao, y adems siempre puede dimensionarse
estrictamente, de manera que las variables e pueden suprimirse de x. Si s = km = 1 y p =.u = ks =
kv = 0, y no se tiene en cuenta el coste del anillo inferior, se conjetur la existencia de mltiples
mnimos locales y el problema se recoci con un algoritmo menos general que el presentado ahora
(vase el anejo A, 1 y 7). Tiene inters volver a resolverlo con el nuevo algoritmo que parte
con una dificultad adicional: tener que dimensionar la cpula de modo ptimo ignorando que la
solucin es trivial, dimensionado estricto 6 .
Puesto que el dimensionado no depende del tamao puede operarse con f = R = 1-y los resultados son proporcionalmente correctos, salvo en factores de escala adecuados (cf Cervera, 1990.6)
La solucin inicial fue en todos los casos la representada en la figura 5.6.
Figura 5.6: Solucin inicial para II[0, 0, 1, $[1, 0, 0, 0]]

Se representa e, z' y z" a escala 1:4, mientras N^, y Ng estn a escala 2.1. La cantidad indicada es el valor
de <>. Esta presentacin ser utilizada en adelante.
El problema se recoci en los cuatro espacios con la estrategia Rl, la resistencia en la clave se
comprob con la expresin (5.16), los resultados pueden verse en la figura 5.7. Con independencia
del espacio de bsqueda, el recocido localiz la regin ptima, bien caracterizada por el ngulo
de arranque de la cpula y suv esbeltez (como predice la teora de diseo de estructuras, por otra
parte). Pero existen mltiples mnimos locales debido a que la forma de la clave apenas influye en
el coste. De hecho, ninguna de las cuatro soluciones es localmente ptima en el sentido corriente,
pues ninguna de ellas es estricta (ntese que 7, el coeficiente de sobredimensionado, es mayor que
la unidad'en o cerca de las cuatro claves). En todo caso, la similutud entre los valores permite
conjeturar que las cuatro soluciones son cuaszoptimas, en el sentido de que el mnimo absoluto no
Los resultados, sin embargo, slo son cualitativamente comparables debido a la presencia de un error en los
trabajos citados Si se compara la ecuacin de equilibrio local usada en cada caso Cervera, 1990 3 versus (5 3)
se observa una confusin entre las cargas p y q que afectan al valor obtenido para Ne El error depende de cosip >,
denominando N$CTI al valor errneo, puede afirmarse lo siguiente abs(Ar8,err) < abs(A'e) para todas las soluciones
Con el criterio de Von Mises, el dimensionado es localmente ptimo si a = abs {Ne) /abs (N v ) = 0 5 cuando ambos
esfuerzos son de compresin En consecuencia, en los puntos de una solucin en los que a < 0 5 se sobrestim el coste
mientras en los que o e r r > 0 5 se subestim, lo que habr desplazado la situacin del ptimo
5.
Cpulas de revolucin
104
puede andar muy lejos7. Obtener la misma solucin mediante la exploracin en cuatro espacios
diferentes puede entenderse como una autocomprobacin del algoritmo. La violenta variacin de z"
en la clave slo puede evitarse con una comprobacin ms rigurosa de la resistencia, aumentando
n e y disponiendo nodos ms cercanos entre s en el entorno de la clave.
Figura 5.7: Resultados para II[0, 0, 1, $[1, 0, 0, 1]]

La representacin sigue los mismos convenios grficos que en la figura 5 6, salvo las escalas 7 y 2' a escala
1.2, z" a escala 1.10, el resto en verdadera magnitud. De izquierda a dercha exploracin en X$ Xs
Cada serie de siete recocidos individuales puede resumirse dando los valores mximo y mnimo
de <j> y la mediana de la serie, vase la tabla 5.1. La mejor de todas las soluciones se encontr con
a = 320; el mayor error relativo de los recocidos rpidos (con a =-10) respecto a ella es algo menor
que un cinco por ciento. El peor valor de las soluciones mejores es casi un seis por ciento superior
al ptimo conjeturado. En consecuencia, puede decirse que, en este problema, un nico recocido
proporcionar informacin esencialmente correcta, probablemente.
Tabla 5.1: Resumen de las series
Espacio max{<ft(x{,)} mediana{(ft(xfe)} min{<ft(x,)}
X
2,009
1,93038
1,90159
X&
1,91813
1,90884
1,90303
X-t
2,00638
1,92314
1,90562
X8
1,9846
1,90671
1,89997
5.4.2
C p u l a s de t e n s i n c o n s t a n t e
Si la nica carga es el peso propio, puede obtenerse analticamente una caracterizacin de una forma
y espesor 'estrictos', imponiendo la condicin Nv = Ng y a = f (cf. Thimoshenko e WomowskyKrieger, 1959:477-480). El diseo es entonces estricto aunque no necesariamente ptimo pues con
criterios de resistencia corrientes existen varios dimensionados igualmente estrictos (Ng = 0 y
Nv = e es tambin estricto con el criteiio de Tresca; Ng = N^/2 y \Z3Nv/2 = ef es localmente
ptimo y estricto con el de Von Mises). En todo caso, puesto que todo el material alcanza la tensin
segura, no se desaprovecha nada, y la conjetura de que un diseo semejante es muy,bueno resulta
razonable. Se concluye tambin que hay infinitas soluciones de este tipo para cada valor de f' una
El valor 1,9 encontrado ahora.puede compararse con el valor encontrado en los primeros estudios, 2,07, vase
anejo A, con el matiz indicado en la nota 6
5.
Cpulas de revolucin
105
para cada valor del espesor en la clave (si el espesor es nulo, se recae en la solucin trivial de que
la cpula desaparezca y con ella el problema).
La caracterizacin del diseo es una ecuacin diferencial que puede integrarse numricamente
Un diseo para f = 1 kp/cm 2 , p = 2,4 Mp/m 3 , e(0) = 6 cm y R = 4,47 m se muestra en la
figura 5.8 (Arango, 1993). La solucin incluye los valores de e y z, de manera que puede calcularse
aproximadamente (f> mediante una poligonal, resultando <f> = 4,6599 m 3 . Pero puesto que aqu se
utiliza el criterio de Von Mises no debe descartarse la existencia de soluciones mejores. De hecho,
puede conjeturarse un valor mejor. Puesto que la ecuacin (5.5), interpretada como e = eiN^^Ng)
presenta un mnimo para abs (Ng/Nv) = 0,5 y en la solucin de Arango se asegura abs (N^/Ng) =
1, podra obtenerse un dimensionado mejor en cada paralelo para el mismo valor de Qz, a condicin
de que en alguna forma desconocida pudiera alterarse el valor de Ng sin afectar a la forma aguas
arriba. En tal caso, los espesores se reduciran como mucho en i/3/4 y con ellos el valor de ty De
este modo, una conjetura razonable es <f>opt > 4,0356m 3 , puesto que en la clave tal reduccin no es
posible.
Figura 5.8: Cpula de tensin constante sometida a su propio peso

Se ha representado la funcin e amplificada 20 veces
Se efectuaron dos series con la estrategia Rl, variando entre ellas nicamente la forma de
comprobar la resistencia en la clave, ecuacin (5.15) o (5.16). En ambas se impuso la condicin
e > 6 cm. La solucin mejor obtenida en ambas fue exactamente la misma, pues 7 es mayor
que la unidad en la clave, de manera que la tensin all no parece discriminar unas soluciones
de otras, vase la figura 5 9. El espesor es constante e igual al mnimo, al contrario que en la
solucin de tensin constante donde es mayor en el arranque. En esta solucin, de todas formas,
la tensin de comparacin es constante (salvo en la clave), de manera que el criterio de diseo de
esta solucin puede expresarse como "ajstese el valor Ng/Nv de manera que pueda disponerse el
espesor mnimo". El recocido rpido (a 10) condujo a una solucin peor con 1,0036 veces ms
volumen.
Figura 5.9: Resultados p a r a un problema de peso propio

Se representa la funcin e amplificada 20 veces, z', z" y N multiplicadas por dos, y el esto en \erdadera
magnitud
5.
Cpulas de revolucin
5.4.3
106
C p u l a s de v o l u m e n m n i m o
Un asunto interesante es la relacin entre forma y tamao. Este es eltema ms 'clsico' de la 'teora
de diseo', cuyo estudio comienza con la afirmacin de Galileo de que para cada forma existe un
tamao insuperable o de que la forma humana debe cambiar con el tamao, de manera que en caso
de existir gigantes no se nos pareceran en nada. *
Para cargas habituales (nieve v = 0,08 Mp/m 2 y sobrecarga p = 0,1 Mp/m 2 ) y hormign
armado (con una tensin segura f = 2 kp/cm y peso especfico p = 2,3 kp/m ), se investig
la solucin para dos objetivos distintos: volumen de la cpula (II[1, 0, 0, 0]) y lo mismo pero
incluyendo el volumen necesario en el anillo inferior (II[1, 0, 0, 1]); y para cuatro tamaos R =
10,20,50,100 m. Debido a la variacin de <f> con el tamao, se utiliz una serie de recocidos R2.
Se'impuso la condicin8 e > 4 cm, los resultados se muestran en las figuras 5.10 y 5.11.
3258 75
12 6574
r
/ "
"A
2'
F i g u r a 5.10: F o r m a y t a m a o : volumen de la c p u l a
De izquierda a derecha, la solucin mejor para tamaos R = 10,20,50,100 m. La generatriz de las cpulas
se dibujan a distintas escalas de manera que tengan el mismo tamao en el papel Para que, de todas
formas, puedan realizarse comparaciones, las funciones se representan en la misma escala vertical, la
correspondiente a R = 10. e amplificada 100 veces, N disminuidos a la mitad, z' y z" al doble, y 7 a
amplificado 5 veces
76 7374
718 377
6278 62
ei
x
F i g u r a 5.11: F o r m a y t a m a o : volumen de la cpula y del anillo inferior

Los convenios de la representacin son los mismos que en la figura 5 10
Se observa claramente tanto la importancia del tamao como de la inclusin del coste del anillo
inferior, lo que caba esperar pues su coste es de la misma magnitud que el de la piopia cpula.
8
Se trata del espesor utilizado por Candela en muchas de sus construcciones, el "mnimo constructn ament
aceptable" (1985 55)
5.
Cpulas de revolucin
107
Los diseos resultantes resultan 'intuitivamente' correctos. Para tamaos pequeos, en los que el
espesor es mnimo y constante, existe un 'criterio de diseo', que puede apreciarse en la similitud de
las grficas de esfuerzos. En los tamaos grandes, por el contrario, en los que es necesario aumentar
el espesor en el arranque, los 'criterios' varan con el tamao. Al incluir el coste del anillo, la forma
del arranque ha de variar respecto al caso contrario: es necesario buscar una solucin de compromiso
entre el criterio ptimo para V y el ptimo para Vt (que consiste simplemente en <p = TT/2 en el
arranque). La influencia de este conflicto en el contorno, disminuye en el recinto conforme se
asciende hacia la clave, en la que se recupera la misma forma de la cpula ptima sin anillo.
o
5.4.4
C o s t e y beneficio
La definicin general de cj> ($[A;m, ks, kv, A]) permite generar 'conflictos' entre objetivos dispares,
tales, como el provocado por la inclusin del anillo inferior en la seccin anterior. Para el tamao
R 10 m y las mismas cargas y material empleados all, se probaron cinco definiciones de <j>. En
los tres primeros casos los. distintos componentes eran siempre 'costosos' pero en los dos ltimos
incluy un 'beneficio'. En ninguno se consider el coste del anillo inferior (A= 0).
Con la cpula analizada en la seccin anterior ($[1, 0, 0, 0]) se comparan las que resultan de
incluir el coste de la superficie ($[1, 1, 0, 0]), el del volumen encerrado ($[1, 0, 1, 0]), y el coste
de la superficie junto al beneficio del volumen encerrado ($[1, 1,-0,1, 0]), vase la figura 5.12.
Por ltimo, se aument en diez veces el beneficio especfico del volumen encerrado ($[1, 1,-1, 0]),
vase la figura 5.13.
12 6574
329 076
110 42
307 051
Figura 5.12: Forma y coste

De izquierda a derecha: coste del material, del material y la superficie, del material y el volumen, y del
material y la superficie con beneficio por volumen. Como era razonable esperar, en el ltimo caso el
volumen encerrado aumenta, mientras en el tercero tal volumen, inicialmente exiguo, sigue disminuyendo.
La forma del primer y segundo caso es la misma en razn de que siendo el espesor mnimo, el coste del
volumen de material o el de la superficie slo se diferencian en la escala.
F i g u r a 5.13: Forma y beneficio

Si kv es suficientemente grande, puede compensar los costes ligados al material y a la superficie, de
manera que la altura de la cpula crecer tanto como sea posible. A la izquierda la solucin de partida, a
la derecha la mejor encontrada.
La estrategia empleada fue la R2, salvo en el ltimo caso en que se empleo Rl, debido a los
valores negativos de <f>. Las soluciones son 'sensatas' y el resumen de los recocidos de las series
5.
Cpulas de revolucin
108
puede verse en la tabla 5.2. Las soluciones mejores de los recocidos rpidos empeoran respecto a
las mejores obtenidas en un 28% (para la funcin $[1, 1, - 1 , 0]).
Tabla 5.2: Resumen de las series segn el coste
Para cada formulacin del coste (definida por los valores de los coeficientes k) se dan los valores extremos y
la mediana de la funcin objetivo en la serie de siete recocidos
Coste
max{0(x,)} mediana{0(xfc)} min{0(x(,)}
km = 1
km = 1; ks = 1
km = 1; kv = 1
km = 1; ks = 1; kv = -0,1
km = i;ks = 1; kv = -1
5.4.5
12,6994
329,309
130,556
307,134
-38.705,8
12,6588
329,1
111,447
307,057
-48.278
12,6774
329,076
. 110,079
307,05
-49.675,3
culos
Para el tamao R = 10 y cargas y material que se vienen empleando, se analizaron cpulas con
culos de dos dimetros distintos (r = 1 y r = 2 m), incluyendo slo el coste total del material,
vase la figura 5.14. El 'criterio de diseo' se mantiene, salvo en las cercanas del anillo inferior,
como caba esperar. Se emple la estrategia Rl. Las series de recocidos se resumen en la tabla 5.3.
Los recocidos rpidos (a = 10) empeoran las mejores soluciones obtenidas en 1,16% en el caso peor.
16 3958
^Pv
1
16 274
16 0054
>
^T
^ \
\
Figura 5.14: culos

Las tres cpulas tienen el mismo tamao (R = 10 m). El radio del culo es de un metro en el centro y de
dos a la derecha. En el anillo superior se considero una carga lineal de 0,2Mp/m (centro) o 0,4Mp/m
(derecha).
Tabla 5.3: Resumen de las series segn el culo '

Para cada dimetro r del culo se dan los valores extremos y la mediana de la funcin objetivo en la sene
de siete recocidos
max{<>(xi)} mediana{<>(x,)} min{$(x)}
0
1
2
5.5
16,5444
16,4621
16,1176
16,4649
16,2817
16,0368
16,3958
16,274
15,9996
Conclusin
Hay dos conclusiones generales que sealar. De una parte la robustez del recocido frente a los
diversos 'conflictos' que el problema de optimar cpulas presenta, a pesar de las restricciones
manejadas aqu: las soluciones obtenidas pueden calificarse de sensatas desde el punto de vista
del diseo, al menos para el problema terico. De otra, que un nico recocido estndar del tipo
5.
Cpulas de revolucin ,
109
7[400, 100, 1, To, 0,9] parece suficiente para obtener resultados slo ligeramente mejorables mediante exploraciones ms costosas, es decir, basta con un algoritmo 0(g) con coeficientes moderados.
Resumen
Para la optimacin de cpulas se ha utilizado la teora de membrana, examinada en la primera
secciiL en la que bastan las ecuaciones de equilibrio esttico para dar cuenta de las tensiones
predominantes en las estructuras de este tipo. Sin modelos ms complicados pueden representarse
con cierta verosimilud situaciones especiales en el contorno, tales como los anillos inferior y superior
(si hay una linterna); o expresiones generales del coste. Para el modelado del problema, se han
examinado en la segunda seccin, las tcnicas necesarias (formulacin del elemento finito y esquemas
de integracin). En la seccin tercera se han diseado las jugadas para el recocido, que presentan
la particularidad de tener que explorar espacios de dimensin infinita. Esta cuestin se ha resuelto
con argumentos basados en la naturaleza esencialmente finita de cualquier clculo numrico. En la
cuarta seccin se han examinado una amplia variedad de casos: lo esencial aqu es el conflicto entre
los criterios que hacen mnimo cada uno de los sumandos de la funcin objetivo, frente a los que
el recocido se muestra robusto, obteniendo soluciones que en trminos generales pueden calificarse
como 'sensatas'.
Captulo 6
Cerchas de peso mnimo

El problema de optimar el propio peso de una cercha sometida a un juego de fuerzas dado es, quizs,
uno de los problemas de optimacin de estructuras que guardan ms estrecha relacin con-la teora
de la NP-complecin. La razn de ello reside en que el problema incluye un espacio esencialmente
combinatorio-de soluciones candidatas. Adems debe considerarse, la simplicidad del enunciado
del problema y la dificultad de resolverlo a pesar de ser uno de los primeros problemas planteados
en los albores de la optimacin de estructuras, caractersticas que tambin lo emparentan con el
problema del viajante de comercio y otros problemas de la teora de grafos.
En la primera seccin se describe brevemente el problema, bien conocido. En la segunda se
construyen las jugadas necesarias para el recocido. En la seccin tercera se comprueba el algoritmo
mediante el planteo de problemas de Maxwell, en los que slo la resistencia terica es tenida
en cuenta, cuya solucin (o sus caractersticas) es conocida en forma de estructuras de Michell.
En la cuarta, se introduce algo de 'realidad' en el problema anterior: se considera el problema de
inestabilidad local en zonas comprimidas, as como la disponibilidad real de los materiales, limitada
a catlogos industriales; ahora las soluciones son desconocidas y las obtenidas podrn validarse slo
mediante argumentos heursticos y 'autocomprobacin'.
6.1
El problema y sus 'soluciones'
Una cercha'es una estructura plana formada por barras, recurdese la figura 1.1. En cada unin o
nudo puede actuar una fuerza (accin o reaccin). El modelo ms simple de anlisis considera que
cada barra slo puede estar solicitada por fuerzas paralelas a su eje, de traccin o compresin. El
problema del que aqu se tratar, puede enunciarse como sigue:*
Dados rif nudos con posicin en el plano bien determinada, en cada uno de los cuales
puede actuar una accin y existir una o dos bielas de sustentacin, encontrar la cercha isosttica de peso mnimo, capaz de resistir el conjunto de fuerzas que resulta de
equilibrar las acciones definidas, con el concurso de las 6 bielas de apoyo (3 < b < 2n/).
As enunciado se trata de una versin particular del problema ms general vde disear una
estructura (cf. Vanderplaats, 1984:91) en razn de que los condicionantes estructurales del diseo
son exclusivamente los derivados de la resistencia, sin incluirse aqu aquellos otros debidos a la
rigidez o a la estabilidad. Como quiera que, adems, la condicin de carga es nica, puede reducirse
el espacio de bsqueda de las posibles soluciones a las estructuras isostticas, lo que no sera posible
en una versin ms general (Dobbs et Felton, 1969:2.105; Sheu et Schmit, 1972:155-156). Proceder
as, tiene la ventaja de simplificar al mximo el problema a la vez que se retiene en su formulacin sus
mayores dificultades que, como se ver, provienen de la optimacin simultnea de la geometra y de
la topologa del esquema estructura] (puesto que la cercha es isosttica no tiene mucha dificultad la
optimacin del grosor que es precisamente el pioblema que ahora se soslaya, cf. Artek et ah, 1984).
La funcin objetivo 'clsica' en este pioblema es el peso de la cercha:
6.
111
donde A y L son el rea y longitud de cada barra, p el peso especfico del material, y la suma se
extiende a todas las barras., Si todas ellas son del mismo material (como .uele ocurrir), el peso
especfico es un factor comn y, entonces, un objetivo semejante es el volumen, V = P/p, como en
el captulo anterior.
La definicin de la condicin de resistencia es la habitual y no tiene mucha complicacin Todas
las barras son del mismo material, definido por su tensin segura, f, y su mdulo de Young, E
Para una pieza de rea A, radio de giro mnimo r y longitud L, solicitada por un esfuerzo normal
N, cuya seccin transversal se elije en un catlogo de S secciones, la resistencia se expresa con, , . ^ .,
i Al
,hs(N)<Nu
= \ M /
siiV>0
-0
s i j v
lo n ,
(6.1)
en donde, el coeficiente de pandeo LJ es de la forma

3
aunque podra usarse sin ninguna dificultad alguna otra frmula ms complicada de las que abundan
"en la normativa 1 . Como condicin de resistencia puede usarse tambin la simple expresin
t
abs(iV)<Af
(6.2)
si se desea una versin ms terica del problema, en la que se ignora la inestabilidad a compresin,
pero se mantiene todava la existencia de un catlogo. De hecho, ste puede sustituirse, mediante
un dimensionado estricto en la forma
&
A=
^1
(6.3)
lo que es til para comparar con soluciones 'clsicas'.
Con cualquiera de las tres frmulas para la resistencia, el volumen necesario es inversamente
proporcional a la capacidad resistente del material, cuantificado por su tensin segura, f. Para
mejor comparar soluciones de distintos materiales, puede emplearse como objetivo la cantidad
iV. Si para un mismo problema y dos materiales distintos resulta {V > f'V, entonces las otras
peculiaridades del material f (tales como la funcin 'de pandeo', u, o la distinta disponibilidad
industrial de formas para la seccin) son ms desfavorables, estructuralmente hablando, que las
del material f. La magnitud fV se denominar en lo sucesivo volumen estructural, W, dado que
se trata del volumen, pero medido con la escala de la resistencia de cada material. Siempre puede
volverse a magnitudes ms habituales, dividiendo por f se obtiene el volumen en unidades corrientes,
y multiplicando por el peso especfico p, el peso total; pero las tres magnitudes representan el mismo
objetivo a escalas distintas y, por tanto, el mismo ptimo.
El tamao del problema depende esencialmente del mximo nmero de nudos, N, que deba
considerarse en las soluciones y del nmero de secciones del catalogo 2 , S.
6.1.1
Caractersticas de la solucin
La solucin a cada caso del problema anterior consta de n nudos (n > n), conectados dos a dos
por e barras (e = 2n b, con b > 3). Puesto que la cercha es isosttica y su dimensionado tiivial,
las incgnitas de la solucin pertenecen a dos categoras: la posicin en el plano de los n n nudos
sin posicin fija (la geometra de la solucin), y los nudos que conecta cada una de las e bairas (la
topologa de la solucin). Ambos conjuntos de variables definen totalmente la forma de la cercha.
El tamao (algortmico) de la'solucin est polinmicamente acotado por el nnieio de sus
nudos, puesto que al ser la estructura isosttica el nmero de barras es lineal en n. Dada una
' E s t a frmula slo es adecuada para acero laminado corriente que es el que se emplear en lo sucesivo
Como quiera que el dimensionado puede siempre hacerse en tiempo polinmicamente acotado por el tamao del
catlogo basla con una ordenacin inicial por reas crecientes y una bsqueda secuencial paia cada baira que se
dimensiona, el indicador esencial del tamao del pioblema es el mximo nmero de nudos, N
2
6.
112
solucin particular de n nudos, esto es, valores de las variables geomtricas y topolgicas, el clculo
del volumen estructural implica lo siguiente:
1. Obtencin de las solicitaciones mediante la solucin de las ecuaciones de equilibrio3 (C(n 3 )).
Si no hay solucin para este sistema o si hay infinitas, la cercha es, tcnicamente, un mecanismo y no goza de las propiedades necesarias en las estructuras mecnicas, tal y como aqu
se entienden. Por tanto, la solucin es inaceptable y se le atribuye volumen infinito4.
, 2. Dimensionado de cada barra segn el catlogo elegido
(0(nS))
3. Clculo y suma del producto AL extendido a todas las barras
(0(n)).
En la revisin que efecta Vanderplaats (1984) d los mtodos numricos aplicables, se describen
tres frentes diversos en los que se atacan dos versiones particulares del diseo general de cerchas.
Por una parte el problema de la optimacion simultnea del grosor y la topologa; descrito como
"quizs la ms difcil de las tareas de optimacion estructural" (op. cit. p. 96), en razn de incluir
precisamente la topologa como incgnita. Por la otra, la optimacion simultnea del grosor y de la
geometra. De este modo, el problema que aqu se plantea abre, probablemente, un nuevo frente
hasta ahora inexplorado, el de la optimacion simultnea de la topologa y la geometra. Resulta clara
la esencia combinatoria de todas las topologas posibles, de manera que la presunta intratabilidad
del problema no necesita de mucha argumentacin. La intratabilidad puramente algortmica puede
tener en ocasiones interpretacin fsica o cuando menos matemtica, y algunas sugerencias de cierto
inters se han formulado para el problema de optimacion de cerchas hiperestticas con geometra
dada (Sheu et Schmit, 1972:157).
6.2
Recocido de cerchas
La definicin formal del problema incluye, adems de la geometra, cargas y vnculos de los n
nudos fijos, el mximo nmero de nudos, JV, de las soluciones. Por conveniencia se incluye tambin
un nmero mnimo de nudos, m > nf, as como un recinto en el que cada solucin debe quedar
inscrita. Para la evaluacin de la resistencia se incluyen tambin las caractersticas del material y
opcionalmente un catlogo de secciones, tal como se expuso.
Dado el nmero de nudos de la solucin, n [m, N], las e barras (e = 2n b) pueden escogerse
de las E \n{n 1) combinaciones posibles de dos nudos. La posicin de los n nj puntos
variables se escoge siempre dentro del recinto definido.
La solucin es aceptable si el esquema es isosttico, pues en tal caso siempre puede dimensionarse
cada una de las barras a los efectos de su resistencia (en algn caso con seccin infinita si no existe
seccin suficiente en el catlogo, y entonces tambin es infinito el volumen estructural de la solucin).
Los grados de libertad del problema son entonces:
1. El nmero de nudos de la solucin, n.
-,
2. Las 2{n n) coordenadas de los puntos variables agrupadas en una lista:

G = {(xnf+i,ynf+i),...
,(xn,yn)}
3
Dado que el nmero de reacciones y solicitaciones desconocidas iguala exactamente al nmero de desplazamientos
desconocidos, pueden emplearse como incgnitas o bien las fuerzas o bien los desplazamientos Se opt por lo primero,
dado que el sistema est mejor condicionado y el algoritmo de su resolucin es ms robusto fente a las insospechadas
situaciones que le plantear el recocido mientras la temperatura sea alta En el siguiente capitulo, dado que la
estructura es hiperesttica slo hay una opcin, los desplazamientos, lo que exigir tcnicas especiales (cf 2 4)
Ntese que estructuras habituales como la formada por una lmpara que cuelga de un cable sujeto al techo, son
un mecanismo, segn esta definicin Tambin son mecanismos las estructuras funiculares cujo estudio es bsico en
la teora de estructuras
6.
113
3. Las e barras elegidas entre las E posibles para el valor de n. Cada solucin particular define
una particin del conjunto E en dos: el conjunto de las e presentes en la solucin y aquel
otro de las e' no utilizadas. De este modo las variables topolgicas pueden concebirse como
e variables enteras con valores actualmente posibles en un subconjunto de { l , . . . , ^ } ; este
subconjunto vara para cada solucin considerada. Estas variables se agrupan en la listare.
En consecuencia, el nmero de grados de libertad g de'una configuracin, x = {*n, G, e}, es variable
a lo largo de la exploracin aunque siempre permanece acotado polinmicamente por el valor fijo
deiV.
Para transformar al azar una solucin inicial en otra distinta, he elegido tres tipos de jugadas
bsicas, directamente sugeridas por la estructura de x, a saber:
1. Cambio de la posicin de un punto variable.
2. Cambio de una barra (presente en la solucin) por otra (sin utilizar).
3. Cambio del nmero de nudos, por supresin o adicin de un nudo y de dos barras, siempre
dentro de los lmites definidos en el problema.
Cada transformacin se usa sobre un solo grado cada vez, de modo que la variacin de la cercha es
relativamente pequea y sigue bastante de cerca el algoritmo de Metrpolis estndar. En esencia
se asegura que en un nmero finito de jugadas exista una probabilidad no nula de que una cercha
pueda transformarse en cualquier otra (salvo ciertas excepciones, como se ver).
6.2.1
El espacio de b s q u e d a
El espacio, X, en donde debe buscarse cada solucin, x, est constituido por ocias las cerchas entre
m y N nudos, inscritas en el recinto, y con 2n b barras. Esto es necesariamente as, al carecer
de un algoritmo polinmico capaz de generar cualquiera de las cerchas isostticas y slo stas 5 . Es
decir, la condicin de isostatismo slo puede ser analizada una vez la solucin x ha sido elegida, lo
que obliga a desperdiciar tiempos del orden de 0(n3) en el anlisis de los mecanismos contenidos
en A"que son soluciones inaceptables. Pero pueden definirse otras condiciones de inaceptabilidad
que reducen ligeramente el espacio de las soluciones candidatas.
Nudo bien conectado
Puesto que tanto las cargas como los vnculos afectan exclusivamente a los nudos fijos, puede anticiparse que las cerchas isostticas de n + 1 nudos, con uno o varios de posicin variable conectados
slo a dos barras, son o bien soluciones idnticas o bien soluciones peores que aquellas otras de n
nudos que resultan de suprimir en las primeras un nudo variable con slo dos barras.
En efecto, puesto que en un nudo variable no existe fuerza exterior ni accin ni reaccin, si
a l acometen slo dos barras, la nica posibilidad de equilibrio es que ambas estn alineadas o que
su solicitacin sea nula. En el primer caso se trata de una forma crtica inestable (en el sentido de
Timoshenko et Young, 1965:100) y, en consecuencia, es una solucin inaceptable (W = oo); en el
segundo, el nudo y ambas barras pueden eliminarse obtenindose una cercha con un nudo menos
y con igual o menor volumen estructural (dependiendo del catlogo de secciones y de la forma de
dimensionar).
Esta propiedad conduce a definir, a los exclusivos efectos de este algoritmo, el concepto de nudo
bien conectado, con el propsito de reducir en avance el tamao de X. Para ello resulta til la
definicin de la conectividad, ct, de un nudo como la suma de barras, e t , y bielas, bt, que lo conectan
(un concepto de la teora de grafos, aunque all se denomina grado). En el caso de los nudos con
posicin variable, un nudo est bien conectado si ct > 3, por lo dicho. En el caso de los nudos fijos
es necesario, obviamente, que ct > 2 (lo que exige que et > 2 6t); adems, la necesidad de al
5
Algunas reglas bien conocidas permiten generar todas las cerchas isostticas simples en el sentido de, Tnimoshenko
et Young, 1950, pcio dejan fuera las cerchas compuestas y las complejas, que tambin son isostticas, op cit
6.
114
menos una sustentacin formada por tres bielas permite imponer, en este caso, restricciones ms
fuertes sobre el valor de et segn el nmero total de bielas de la cercha:
2 si 6 = 3
si 6 = 4
0 si 6 > 5
^min * 1
Esto recoge el hecho obvio de que si la sustentacin es hiperesttica puede prescindirse de parte
de ella (y de los nudos fijos correspondientes), pero no de toda. En conclusin, un nudo est
bien conectado si el nmero de sus barras es tres o ms cuando es variable, y si se cumple et >
max(2 6,,e rnin ) cuando es fijo. Resultar til definir el nudo isoconectado como aqul en que la
condicin se cumple estrictamente, sin que haya barras de ms. Anlogamente, si el nmero de
barras es estrictamente mayor el nudo se denominar hiperconectado, e hipoconectado cuando sea
menor.
Interseccin entre barras
'
Si dos barras de la solucin se intersectan fuera de un nudo, amn de ser una solucin constructivamente dudosa, difcilmente puede ser una solucin ptima (Michell, 1904). La condicin de no
interseccin entre barras define un subespacio X-, t C -X", con la ventaja de que el rechazo de nuevas
soluciones puede decidirse antes del anlisis con un algoritmo de complejidad 0(n2).
Nudos superfluos
La definicin dada para nudo bien conectado sugiere la conveniencia de calificar tambin como
inaceptables aquellas cerchas en las que exista un nudo variable 'sin solicitacin', es decir, aqul
en que el mximo valor absoluto de las solicitaciones de las barras que lo conectan sea nulo o muy
pequeo. Tales nudos se denominarn superfluos. El algoritmo que permite apreciar su existencia es
de complejidad 0(n) y, si bien no permite dejar de realizar el anlisis, permite desechar a posteriori
soluciones con poco sentido 6 . Queda definido as un nuevo subespacio X w / o del original.
Espacio reducido
En conclusin, el espacio terico original se reducir, mediante la oportuna eleccin de las transformaciones (vase ms adelante), a aquellas cerchas compuestas por nudos bien conectados, en el
que, por supuesto, las soluciones slo son aceptables si son isostticas y tal espacio reducido es el
que se denotar en adelante con X. Este espacio no incluye algunos esquemas isostticos simples.
En efecto, si todos los nudos deben estar bien conectados se impone un lmite inferior al nmero
de barras: cada barra representa dos conexiones y el nmero-de conexiones mnimo por nudo se
deduce de las reglas anteriores; entonces,
2e > n / e m m + 3(n - n)
pero como e puede escribirse en funcin de n la condicin impone un nmero mnimo de nudos a
las soluciones:
n > i/(e m i n - 3) + 26
Este lmite slo es significativo cuando n = 2 y 6 = 3, entonces debe ser n > 4 y las soluciones de
dos y tres nudos fijos quedan fuera de X (slo existen dos topologas en estas condiciones: la viga y
el tringulo). Aunque esta reduccin no'es imprescindible, resulta muy conveniente si se reflexiona
sobre la dificultad del problema que se intenta resolver. Opcionalmente, las soluciones candidatas
pueden limitarse a aqullas que pertenezcan a X-, t o a XN^Q o A la interseccin de ambos.
Esto es necesario si el dimensionado es estricto pues, en otro caso, los experimentos preliminares que no se
ilustrarn aqu muestran que las cerchas se comportan en el cero absoluto como vidrios de espines, cambiando
de configuracin de manera permanente pero no de volumen. La razn es que se cambian barras con solicitacin
nula por otias en la misma condicin. Lo mismo ocurre si se permite la existencia de nudos variables con c, = 2.
De no adoptaise el convenio 'bien conectado' el problema sera, casi con segundad, irresoluble con un algoritmo
convencional, vase la nota 6 en la pgina 32.
6.
6.2.2
115
C a m b i o de posicin
Las"coordenadas de los puntos variables, G, son esencialmente pares de coordenadas pertenecientes al recinto del problema, que define as el espacio comn a todas las variables geomtricas. El
cambio de valor de estas variables es con mucho la transformacin ms simple y sigue de cerca otras
transformaciones geomtricas vistas hasta aqu. El punto se elige al azar de entre los variables, y
su nueva posicin se elige al azar dentro de un cuadrado de lado egd, siendo d la menor dimensin
del menor rectngulo que circunscriba al recinto y eg una constante elegida de antemano entre 0
y 1, con las reglas ya vistas anteriormente (cf. el captulo 4). eg es el factor 'moderador' de la
amplitud del cambio. Puesto que el numero de operaciones es fijo, el tiempo para efectuar esta
transformacin est acotado por el necesario para el anlisis, 0 ( n 3 ) . Este generador se denotar
Gxy-, en adelante.
6.2.3
C a m b i o de barras '
Como queda dicho, para n nudos existen E posibles barras, de las cuales se eligen e mediante la
asignacin de valores a las variables . El tamao del espacio vara por tanto a lo largo del proceso
aunque por supuesto est acotado por el valor de E correspondiente al mximo valor de n, es decir,
N. Pero adems, el cambio de valor de una variable slo puede hacerse' eligiendo el nuevo en el
subconjunto de e' barras disponibles.
Para eliminar una barra de las e hay que escoger otra de las e'; como la solucin resultante
puede resultar inaceptable, en el.caso peor, por cada barra de la solucin hay que probar e' transformaciones posibles. Puede ocurrir que la barra elegida no pueda eliminarse (las e' transformaciones
conducen a soluciones inaceptables), lo que obliga a elegir otra barra. De este modo, el cambio de
al menos una barra de la solucin puede exigir en el peor de los casos ee' anlisis de complejidad
0(n3). Como e est acotado por 0(n) y e' por 0(n2), la complejidad de la transformacin 7 es
C(n 6 ).
Las elecciones de la barra a eliminar y de aquella candidata a sustituirla se hacen, por supuesto,
al azar entre aqullas que hasta el momento no han sido probadas. El cambio de barras se denotar
Qe, en adelante. Las reglas deben originar cambios dentro del espacio X y, por tanto, asegurar
que ningn nudo queda hipoconectado con el cambio. Se tienen entonces las siguientes tres reglas,
vase la figura 6.1:
1. Si una barra une dos nudos isoconectados no es eliminable y, en consecuencia, se retira
del conjunto de las elegibles. La razn es obvia: una vez retirada ambos nudos quedan
hipoconectados, y la nica barra que, de aadirse, les restituye una conexin suficiente es la
propia barra suprimida.
"
'
2. Si una barra tiene un nudo isoconectado, pero el otro es hiperconectado, slo son candidatas
a sustituirla aquellas barras de las e' que tengan tambin por extremo el primero. Si todas las
barras eliminables de una solucin fueran de esta clase, la complejidad de esta transformacin
sera un grado menor, 0(n5).
3. Si ambos extremos de la barra son nudos hiperconectados, cualquiera de las e' barras es una
sustitua aceptable. Este es el caso peor para el que se ha calculado la acotacin anterior.
Esta jugada es parsimoniosa en atencin de nuevo a la dificultad del problema Una jugada de 0(n ) se obtiene
sin ms que atribuir volumen infinito a la cercha resultante si no es aceptable al primer intento. El orculo la
rechaza con probabilidad 1 y se contina con la siguiente jugada. Los experimentos preliminares mostraron que la
velocidad de convergencia disminua drsticamente La jugada que se propone, por su parte, aumenta drsticamente
la complejidad del algoritmo, de manera que la eleccin entre una u otra slo podr hacerse con bases firmes una
vez se muestre que el pioblema puede trataise de alguna forma, que es el objetivo que aqu interesa Por supuesto,
existen posibilidades de complejidad intermedia. Ntese adems que puesto que la jugada propuesta es polinmica
'tambin lo sera un profela local, pero la complejidad entonces no sera 'caso peor', sino 'en cualquier caso'.
6.
Cerchas de peso mnimo -
116
Figura 6.1: Cambio de una barra por otra

La barra que se suprime es la ij. Segn el grado de conexin de los nudos, supuestos variables, se'
presentan tres casos. Arriba a la izquierda: ambos nudos isoconectados, abajo, en el centro, el j
hiperconectado; arriba, a la derecha, ambos hiperconectados. En cada caso, a la izquierda se muestra la
situacin antes de suprimir la barra, a la derecha, despus; se representa a trazos una de las posibles nuevas
barras que sustituye a la suprimida. En el primer caso slo hay una. ella misma.
6.2.4
C a m b i o del n m e r o de nudos
El nmero de nudos n es un grado de libertad con valores en el conjunto entero {m,

...,N}.
Un cambio al azar muy natural consistira en elegir otro valor cualquiera para n dentro de dicho
intervalo. Ello obligara a aadir o suprimir nudos y barras elegidos al azar para pasar de una
solucin aceptable con n nudos a otra con n'. Sin embargo, al igual que en el cambio de posicin no
es imprescindible que un punto pueda mudar a cualquier otra posicin en una sola jugada, tambin
aqu puede aceptarse que el valor de n slo cambie al azar en un subespacio menor que el espacio
completo 8 . La estrategia que se adoptar aqu ser suprimir o aadir un nudo cada vez. Esto
implica un factor moderador intrnseco, igual a 1/(N m), que disminuye conforme N aumenta,
de manera que se corre el peligro, en teora, de que la configuracin no cambie lo suficiente.
La supresin de un nudo (variable) debe ir acompaada por la supresin de dos barras a fin
de obtener un cercha presuntamente isosttica; en consecuencia, la supresin de un nudo se limita
a aquellos nudos variables con la menor conectividad: isoconectados a otros tres. La estrategia
general es suprimir las tres barras unidas al nudo candidato y aadir otra que asegure una nueva
cercha dentro del espacio X. Y segn el grado de conexin de los otros tres nudos se tienen los
siguientes casos, vase la figura 6.2:
1. Si los otros tres nudos estn isoconectados, el nudo elegido no puede suprimirse pues la
cercha resultante no sef aceptable. En efecto, cualquiera que sea la b.arra aadida despus
de suprimir las tres del nudo, al menos uno de los tres nudos queda hipoconectado.
2. Si, de los tres, slo un nudo est hiperconectado se tienen dos situaciones:
(a) Los otros dos nudos ya estn conectados entre s. Entonces el nudo candidato no es
suprimible por las mismas razones que en el caso anterior, pues para restablecer la
buena conexin de ambos tras suprimir las tres barras del candidato la nica solucin
sera aadir la barra que los une, lo que es imposible pues ya existe.
(b) Ambos nudos no estn unidos an, en cuyo caso la barra que hay que aadir es precisamente la que les una, lo que restituye el grado de conexin de ambos.
3. Si existen dos nudos hiperconectados, el candidato es en principio suprimible. Para obtener
una cercha que pertenezca a X basta con aadir una barra que una el tercer nudo (isoconecSi por ejemplo el nmero de nudos slo puede aumentar o disminuir en una unidad, la matriz estocstica correspondiente a los estados distinguibles por el valor de n es tndiagonal y por tanto la cadena de Marko\ definida es
irreducible.
6.
117
tado) con cualquier otro. Esta barra se va eligiendo al azar entre aquellas de las e' que unan
el nudo en cuestin, hasta encontrar una cercha aceptable.
4. Si los tres nudos estn hiperconectados, cualquier nueva barra de las e' puede servir en
principio. Como en el caso anterior se van eligiendo al azar hasta encontrar una solucin
aceptable.
2b
i)
A~
Figura 6.2: Supresin de un nudo
El nudo que se suprime es el i, micialmente conectado por barras a los jkl; todos ellos se suponen, por
simplicidad, variables. Se muestran los cinco casos bsicos, numerados segn el texto En cada caso, se
muestra, a la izquierda, la situacin antes de suprimir el nudo y las tres barras que confluyen en l, a la
derecha, despus, se representa a trazos una de las posibles nuevas barras que restituye la 'buena Conexin'
de la cercha. En los dos primeros casos (1 y 2a) no hay solucin
En todos los casos, el nudo candidato se elige al azar y si para l no se encuentra solucin
aceptable, se elige otro, igualmente al azar, de entre los restantes, hasta explorar todas las posibilidades. El ltimo caso es el peor en trminos de complejidad y define la complejidad mxima del
algoritmo de transformacin. El nmero de nudos candidatos es 0{n) y, en el caso peor, el nmero
de barras candidatas para aadir, tras suprimir las tres del candidato, es e' = 0 ( n 2 ) , y como paia
cada combinacin nudo y barra hay que efectuar el anlisis, la complejidad de la transformacin es
C(n 6 ).
La. estrategia de supresin de nudos no es nada general, pero permite conservar la complejidad
del algoritmo acotada por un polinomio de grado no muy elevado. La estrategia ms general para
eliminar un nudo i, conectado a otros et nudos, consistira en suprimir las et barras del nudo i para
aadir despus et 2 nuevas barras elegidas entre las e'. Esto puede hacerse de
e'
et-2
6.
Cerchis de peso mnimo
118
maneras distintas, lo que en general conducira, en el caso peor, a un algoritmo exponencial con
complejidad acotada por 0(nn).
Para aadir un nuevo nudo hay que conectarlo a la solucin inicial mediante dos nuevas barras,
para que, adems, el nuevo nudo est isoconectado, el nmero de barras debiera ser de tres, lo que
puede conseguirse suprimiendo primero una. La estrategia para la adicin consistir en elegir al
azar una barra que se suprime, quedando el nuevo nudo conectado a ambos extremos de la barra
suprimida y a un tercer nudo elegido al azar. Para el nuevo nudo hay que elegir adems una
posicin dentro del recinto. Para ello se elige al azar una posicin en la barra suprimida que se
altera tambin al azar con el procedimiento descrito en el cambio de posicin, aunque con un factor
moderador, en general distinto, en, vase la figura 6.3
Figura 6.3: Adicin de un nudo

Se elige al azar la barra ij y una posicin P, segn se observa a la izquierda La barra se suprime, y la
posicin del nuevo nudo se cambia al azar (P') El nuevo nudo k se une a los y y a un tercer nudo, elegido
tambin al azar.
La cercha resultante puede no ser aceptable, lo que obligara a repetir el procedimiento. En
el peor de los casos por cada barra de la solucin inicial, 0(n) posibilidades, puede elegirse como
tercer nudo 0(n) candidatos, y para cada posibilidad hay que realizar el anlisis, de manera que la
complejidad de la transformacin es 0(n5) Las transformacin para aumentar el nmero de nudos
implica que la cercha original tiene que tener tres nudos cuando menos9.
La supresin de nudos no resulta comparable en complejidad con el aumento de los mismos, lo
que sugiere separar ambas jugadas a los efectos de asignar probabilidad a priori. En consecuencia,
Q- denotar la supresin, mientras G+ el aumento
6.2.5
E l generador
Una vez ms, el espacio X es el producto cartesiano de espacios no homogneos y, adems, vara
su tamao segn la solucin aceptada en cada jugada (cf. 4). De nuevo, no parece haber reglas \
consistentes para fijar la probabilidad de a pnori para cada una de las jugadas.
La regla ms ingenua consistir en elegir el tipo de grado en proporcin al nmero de grados de
cada tipo presentes en la solucin sobre la que se efecta la transicin. De este modo, la eleccin
de cambiar n, la posicin de un punto, o una barra se realizar en proporcin a 1, 2(n - n) y
a 2n b. A fin de dejar el camino abierto a la experimentacin, esta proporcin puede alterarse
mediante intensidades, /_, i+, Ig Ie, definidas en cada caso. De manera que la probabilidad a
pnori para cada jugada es proporcional a la intensidad I y al nmero de grados de x que puede
alterar. Esta solucin, a pesar de su apariencia formal, no es del todo satisfactoria- a fin de cuentas
cada cambio d valor de n 'abre' la bsqueda a un nuevo subespacio de posibilidades dentro de X,
y exponencialmente grande en trminos de n 1. Por su parte, cada cambio de valor en las listas
G e conducen a subespacios esencialmente menores. Adems, algunas regiones del espacio X
9
En consecuencia la clsica viga apoyada-articulada no es transformable Esto no implica una cadena de Markov
reducible porque, de todos modos, esta 'cercha' tampoco pertenece aPespacio de las soluciones ambos nudos estn
htpoconectados segn la definicin dada Desafortunadamente, queda fuera del alcance del algoritmo un caso con
cierto inters la bsqueda de la mejor solucin a un soporte comprimido, eligiendo entre la solucin simple de una
sola pieza y aquellas otras compuestas de varias Ciertamente podra renunciarse al convenio 'bien conectado' por
este caso, pero la cantidad de clculos que hay que realizar a mano el de la solucin simple es insignificante
como para que merezca la pena Aunque no se tratar de ello aqu, puede demostrarse que estas complicaciones
desaparecen cuando se plantea un problema en apariencia ms difcil el de la cercha hiperesthca de peso mnimo
6.
119
slo pueden alcanzarse mediante jugadas sucesivas en n y en e. Todo ello lleva a considerar que,
por ejemplo, probabilidades iguales para cada jugada tampoco sera un disparate. En consecuencia
tambin he considerado la posibilidad de definirlas de modo absoluto (sin referencia alguna al
nmero de grados de libertad que alteran), mediante un juego de cuatro probabilidades a prion
definidas de antemano, 7rX!/,7re,7r_,7r+.
La probabilidad de transicin de cada transformacin queda completamente determinada al
multiplicar la probabilidad o priori de cada configuracin por la de seleccin suministrada por el
orculo elegido.
El generador de configuraciones es una mezcla de jugadas con probabilidad a priori determinada,
as que ampliando la notacin de 4.3, puede especificarse como una lista de pares ordenados (J,p)
donde J es una jugada del conjunto de las posibles:
c
{Gxyi^x)
Ge G-
G+{en)}
y p se interpreta como una intensidad I si es positivo, o como una probabilidad ir = p si es

negativo para la jugada 7. Desde luego no es necesario incluir todos los tipos de jugadas, as por
ejemplo, el generador G = {(Gxy(x),p)} permite tratar el problema de optimar la geometra de
una topologa dada, lo que otorga de manera natural flexibilidad para recocer subproblemas del
problema general.
6.3
Problemas de Michell
La labor pionera de Maxwell y Michell (1904) e la formulacin y solucin del problema de optimacin de cerchas ha sido recogida en forma sucinta y elegante por Cervera (1989) entre otros,
de quien tomo parte de la terminologa10.
6.3.1
P r o b l e m a s d e M a x w e l l y soluciones de Michell
Un problema de Maxwell consiste en definir una estructura que materializa el equilibrio de las
fuerzas de un conjunto cuya resultante vectorial es nula, de manera que tanto la posicin como
magnitud de todas las fuerzas exteriores estn definidas previamente (Cervera, 1989:58). Las soluciones, mltiples, son en consecuencia estructur-as isostticas externamente (en el caso de las cerchas,
con exactamente tres bielas), nico caso en que puede>anticiparse el valor de las reacciones a partir
de las acciones antes de conocer la estructura 11 .
- Una estructura de Maxwell resuelve un problema de Maxwell particular y, adems, "est constituida por elementos que trabajan uniaxialmente" (ibidem), caso de las cerchas. Una estructura
de Maxwell se dice estricta si "en todo punto de la estructura el dimensionado es estricto [es decir,
que] si la estructura est realizada con un material dado, en todas las secciones de la misma, el
material se halla sometido a la mxima tensin compatible con la seguridad", en el caso de las
cerchas, dimensionado segn la ecuacin 6.3. Ntese que-, segn esto, las cpulas de 5.4.2, ni son
estructuras de-Maxwell, ni resuelven un problema de Maxwell, pues la accin exterior es el peso
propio, que no puede definirse de antemano.
Se define la cantidad,de estructura, W, como "la integral extendida a toda la estructura de los
productos abs (N) ds, siendo N el esfuerzo de la 'seccin' y ds el elemento longitudinal de pieza
10
Merece la pena resaltar que estas aportaciones se inscriben plenamente en la caracterizacin analtica de la
solucin ptima al problema, en el marco del anlisis matemtico estndar. Las soluciones as caracterizadas, como
se ver, son en ocasiones inconstruibles desde la ptica de la teora de la NP-complecin y del anlisis matemtico
no estndar en el que se exige, entre otras cosas, no slo la definicin formal de un objeto, sino la descripcin de
un procedimiento de construccin del mismo en un nmero finito de pasos, lo que de paso asegura su construccin
como objeto real, cf. Davis et Hersh, 1988; este hecho permite hablar de 'frustracin' en el mismo sentido utilizado
en el contexto de los vidrios de espines: la solucin a un problema puede ser caracterizada de un modo venficable (se
puede verificar si una solucin cumple o no un criterio de optimtdad) aunque, sin embargo, pueden construirse sin
dificultad casos del problema en que resulta imposible construir la solucin ptima.
Ntese que el problema que se trata aqu no es, en general, un problema de Maxwell, pues se trata de cerchas* "
isostticas internamente, pero ambos problemas coinciden cuando la sustentacin es tambin isosttica (6 ^'S)'.^'
6.
120
en el punto considerado" (ibidem). En el caso de las cerchas, se trata de la suma de los productos
de la solicitacin por la longitud de cada barra, W abs (N) L. Esta no es la definicin dada
anteriormente para el volumen estructural, salvo que la cercha sea de Maxwell y estricta, en cuyo
caso W = W. Si la cercha no es estricta pero es de Maxwell resulta obvio deducir que W < W.
La cantidad de estructura caracteriza a los diversos problemas de Maxwell en un sentido preciso,
expresado en forma de teorema por Maxwell (Cervera, 1989:59), uno de cuyos corolarios permite
afirmar que la diferencia, M, entre la cantidad de estructura en traccin, W+,,y la cantidad de
estructura en compresin, VV_, es constante para todas las estructuras de Maxwell que resuelven un
mismo problema de Maxwell. Esa diferencia caracteriza, por tanto, al propio problema. En virtud
de los valores d e M y W pueden caracterizarse algunos problemas como 'puros'. As, si M = W,
la cantidad de estructura a compresin es necesariamente nula y el problema es de traccin pura;
si M = W se trata de compresin pura por "las mismas razones; si M = 0 nos encontramos con
casos de flexin pura, abs (M) es tambin un lmite inferior a la mnima cantidad de estructura con
que puede resolverse un problema. En efecto, si para un problema y una estructura de. Maxwell
dados se tiene W = W+ + W_ y M = W+ W_ > 0, se sabe de antemano que cualquier mejora
de la estructura dejar invariable el valor de M y, por tanto, en cualquier otra estructura mejor
W* > W+ > M, y por tanto tambin en la ptima; de hecho, tambin se concluye que W* > M
si se trata de una cercha. En flexin pura, cuando M 0, este lmite es trivial y no aporta nada
nuevo 12 .
Michell, aparte de formular un teorema de caracterizacin de la cantidad de estructura mnima
para resolver un problema de Maxwell13, adivin algunas soluciones para problemas de flexin
pura (los problemas de traccin y compresin pura suelen tener soluciones bastante triviales y de
menor inters). Ntese que no existe aqu, en realidad, un mtodo de solucin para el problema de
optimacin; simplemente se acierta con una solucin que resulta ser ptima no necesariamente
nica, lo que se verifica por el teorema citado. Se trata de un claro ejemplo de como las mquinas
adivinadoras del captulo 2 son esencialmente ms potentes que las mquinas deterministas (aunque
aqu el problema no es de decisin, sino directamente de optimacin).
Si para un problema de Maxwell se conoce el valor ptimo de W, para cualquier otro diseo
puede definirse la penahzacin como la razn W/Wopt- Esta penalizacin, que implica mayor
consumo de material, puede ser debida a la mala calidad del diseo tanto como a condicionantes
del proyecto, que impiden alcanzar el ptimo terico.
12
Ambcis magnitudes, M y W,, figuran en los trabajos de Maxwell y Michel. La denominada aqu cantidad de
estructura fue objeto de estudio, entre otros, por Miguel (1974) quien la denomin 'trabajo estructural', pero la
expresin no prosper. Aroca y Cervera (1989 y 1993) la denominaron, finalmente, 'cantidad de estructura'. Sin
embargo, recientemente, Aroca (1994) est empleando en sus clases 'volumen estructural' para W. Por mi parte
propongo, provisionalmente, conservar 'cantidad de estructura' para la suma de abs (N) L y volumen estructural
para fV que es la que se emplea en el texto. La cantidad de estructura W es idnticamente igual al volumen
estructural W si el dimensionado es estricto, artificio, este ltimo, de la 'teora de diseo' extremadamente til. En
consecuencia, cuando el contexto despeje cualquier confusin, W podra tarftbin denominarse 'volumen estricto' y W
'volumen', simplemente. El primero es siempre una cota inferior significativa del segundo. Por ello el planteamiento
de Michell ha sido comparado al de Sadi Carnot para la mquina de vapor: ambos dibujan un lmite insuperable
para la eficacia de los artefactos correspondientes, vase Navarrina, 1987, p. II4, tomo I.
13
E1 teorema no es breve y es muy sutil. En una redaccin debida a Cervera (1989), dice as: "Una estructura
estricta alcanza el lmite de economa (es estructura mnima) si el espacio en el que est situada puede ser sometido
a una deformacin (virtual), tal que los alargamientos o acortamientos unitarios se incrementa igualmente en todas
las piezas (con el mismo valor y en el signo original), y en valor no menor que el cambio unitario de longitud de
cualquier elemento del espacio considerado. Si el espacio considerado se extiende al infinito, en todas las direcciones, el
volumen de tal estructura es mnimo con relacin a todos los posibles diseos, y en caso contrario mnimo en relacin
a los diseos que pueden considerarse incluidos en el mismo contorno finito". Ntese que se trata de un teorema de
'suficiencia' pero no de 'necesidad'. Si ante un problema dado no existe un diseo con la condicin antedicha, existir,
de todos modos, un mnimo caracterizado por alguna otra propiedad o por ninguna. Una 'casualidad' notable (quizs
propia de la poca) es que Michell, en su versin, adopta un punto de vista similar al de Gibbs. "Sea un espacio con
un contorno dado, que encierra un cierto nmero de distintas cerchas [...]", etc. (el subrayado es mo) La idea de
'recinto' utilizada en el recocido, por otra parte, es hija directa de este contorno.
6.
6.3.2
121
Tres p r o b l e m a s de flexin pura
En la figura 6.4 se observan tres problemas de Maxwell de flexin pura, que representan bien al
problema general de flexin de vigas. Para el primero de ellos, Michell aport una solucin que,
apoyndose en la geometra indicada en la figura, no es construible, por cuanto exige unir el centro
de la figura con ambos arcos de crculo mediante infinitas barras. Con todo, y respetando el trazado
generador, puede construirse una serie de soluciones de Michell finitas, cuya cantidad de estructura
se acerca asintticamente al valor ptimo terico que, cuando la tensin segura tiene el mismo valor
absoluto a traccin que a compresin, es FL(\ + f ) , aproximadamente 1,2854FL, vase la tabla
6.1. FL es una medida del tamao (estructural) del problema, sin ninguna influencia en la solucin
mientras no intervengan en el dimensionado catlogos discretos o criterios de rigidez o estabilidad
de las piezas, es decir, mientras sea posible un dimensionado estricto.
La 'teora de diseo' permite calcular una estimacin significativa de la cantidad de estructura
cuando la carga F se distribuye uniformemente a lo largo del vano L (situacin a la que 'tiende'
la serie de problemas MI, M2, M4,...). El valor en cuestin es 0,815FL (Cervera, 1993:104)
Respecto a l puede afirmarse que la cantidad ptima de estructura ser igual o menor.
F/Z
V
F/Z
V
I
A
F/Z
F/Z
F/Z
F/4
F/4
F/4
F/A
A 4
A
F/Z
F i g u r a 6.4: Tres problemas de flexin pura

Se trata de problemas de Maxwell, denominados, de izquierda a derecha, MI, M2 y M4 En el problema de
la izquierda la solucin ptima sigue el trazado generador indicado para construirla hay que dibujar
infinitos radios desde el punto de aplicacin de la accin F hasta los dos arcos de crculo. "
Tabla 6.1: Serie de Michell p a r a u n a viga con carga c e n t r a d a

Cantidad de estructura para el problema Mi, de la serie de soluciones de Michell con nmero finito de
nudos y valor ptimo para una solucin infinita
9
n -= 7
11
13
15
oo
W
=1,50 1,33 1,30 1,30 1,29 1,29
FL'
Resulta fcil imaginar en qu consiste la 'frustracin' en este problema: ligeros cambios en la
geometra de cada solucin de la serie de Michell podran propiciar disminuciones de la cantidad
de estructura, dando lugar a soluciones mejores, ninguna de ellas ptima, pero todas cercanas al
valor mnimo tericamente posible. En consecuencia, cabe esperar una multitud de soluciones casi
ptimas para el problema real con nmero finito de nudos. La frustracin es tambin histrica:
Michell propuso soluciones apoyndose en la venficabilidad de la solucin, iniciando la exploracin
de tales problemas, pero "a pesar de un prolongado esfuerzo internacional de investigacin, slo se
han determinado las formas de Michell para unas pocas condiciones de carga" (Rozvany, 1984).
Para recocer estos problemas y puesto que el diseo es estricto dimensionando con (6.3),
puede emplearse cualquier tensin segura y cualquier tamao. Se emple el siguiente generador:
o.-{(&,>,, 4 ) (..-!) (-.-!) (<wo,,-!)}.
6.
122
Como recocido se emple una serie incremental, 77[400, 10, 1, 100, 0,9], por los mismos argumentos de 5.4.1.' Finalmente, el espacio de bsqueda fue X-, t U X^,n/v/o> pues el teorema de
Michell permite conjeturar que la solucin ptima no se encuentra fuera de l. Para una sola carga
se efectu una serie para TV = 15; para dos cargas sendas series^con N = 15 y N = 30; finalmente,
para cuatro cargas tres series con N = 15, TV = 30 y N = 45 respectivamente.
129126
0 933375
0 821029
0 927545
0 814416
0 818566
Figura 6.5: Soluciones estrictas en flexin pura

De arriba abajo, soluciones iniciales basadas en el 'cuchillo espaol'; soluciones mejores de las series
M = 15, M = 30 (slo para dos y cuatro cargas) y M = 45 (slo para cuatro cargas). De izquierda a
derecha: problemas Mi, M2 y M4. En el caso de una carga se dibuja a trazos el trazado de la serie de
Michell. El volumen estructural, que figura al lado de cada diseo, es adimensional, y debe multiplicarse
por FL. El espesor de las barras es proporcional al valor absoluto de la solicitacin que soportan
Las mejores soluciones de cada serie pueden verse en la figura 6.5. Para el problema Mi, la
solucin es tipolgicamente michelliana pero pueden apreciarse diferencias geomtricas de detalle.
En el problema M2, el carcter michelliano es evidente y adems parece que puede demostrarse
que igual ^topologa con una geometra ms regular es ptima (Cervera, 1994). Ntese que las
soluciones originales de Michell son mecanismos (o, si se prefiere, estructuras funiculares), mientras
que aqu aparecen diagonales sin esfuerzo para asegurar el isostatismo, pero como el dimensionado
es estricto no contribuyen (casi) al volumen estrutural. En el problema M4, aunque se aprecian
detalles michellianos y las lneas generales del diseo, no se consigue igual definicin; en lenguaje
corriente: la forma general es 'satisfactoria', pero abundan las imperfecciones locales, pero las
soluciones difcilmente pueden ponerse en cuestin, dado que la mejor solucin para M4 rebaja la
estimacin ya bastante afinada de la 'teora de diseo'. Esta situacin, que-pudo obseivarse tambin
en el captulo 4, es bien conocida en la pioduccin de acero (Calvo, 1963) o en la 'pioduccin' de
6.
123
soluciones para el problema del viajante de comercio (Grefenstette, 1987): el recocido simulado,
tanto como el algoritmo gentico, identifican con precisin suficiente la regin del ptimo, pero
no el propio ptimo 14 . En los tres problemas las soluciones se caracterizan por nopt TV, lo que
indica que de aumentarse TV podran encontrarse ms soluciones casi ptimas. Esto, sin embargo,
est reido con la construccin corriente que, frente a tantos nudos, preferira formas ms simples
(que tendrn mayor volumen); este 'objetivo' no se captura con el volumen estructural, tampoco
se pretenda. En todo caso, recurdese esta observacin para enjuiciar con el mismo rasero las
soluciones que se obtengan para los siguientes problemas.
De utilizarse un nico recocido rpido con a = 10, las soluciones hubieran empeorado en el caso
peor (problema M4) algo menos que un siete por ciento. La solucin mejor para MI es un 0,45%
superior que el valor terico de la cantidad mnima de estructura.
6.4
Problemas con catlogo discontinuo
Los tres problemas tericos resueltos en 6.3 pueden servir para mostrar el dramtico efecto de
incluir algo de realidad en la formulacin del problema. Bastar incluir un catlogo de secciones
reales y la comprobacin de la estabilidad de cada pieza como requisito de resistencia lo que desde
luego no incluye ni la estabilidad lateral de la propia cercha ni el volumen estructural necesario para
ello.
La primera consecuencia fcilmente predecible es que el tamao (estructural) del problema,
FL, pasa a ser una caracterstica importante. Para F constante, la variacin de L afectar sobre
manera a la esbeltez de las piezas para un mismo dimensionado, lo que permite anticipar variaciones
importantes en el esquema ptimo para cada tamao 15 . En consecuencia merece la pena estudiar
distintos tamaos y observar los resultados. Se ha considerado los casos L = 200 cm y L = 1.600 cm
para una carga total de 10 Mp. La cantidad mnima de estructura para el problema MI es 2.571, y
20.566 Mp-cm, respectivamente. Si, para los problemas M2 y M4, se aceptan los menores volmenes
de la figura 6.5 como valores casi ptimos de la cantidad de estructura, entonces para L =200 cm,
se tendr 1.855 Mp-cm y 1.629 Mp-cm, respectivamente; mientras para L = 1.600 cm, 14.841 y
13.030 Mp-cm.
Por la misma argumentacin, la importancia del catlogo ser igualmente crucial. Para investigar su efecto, se estudiarn dos catlogos: uno realista formado por los tubos redondos huecos
del prontuario Ensidesa, y uno disparatado formado por tres series de secciones redondas macizas,
cuya efectividad en trminos de resistencia a compresin ser mucho menor que en el anterior 16 ,
vase tablas 6.2 y 6.3.Como material se ha elegido un acero corriente en nuestro pas con una tensin segura f =
1,73 Mp/cm 2 y el mdulo de Young habitual (2.100 Mp/cm 2 ). La importancia del catlogo tiene
otro aspecto, una vez elegido el material: la 'penalizacin' por elemento mnimo. El menor de los
tubos huecos, con este acero, es capaz de resistir con seguridad una traccin de unos 4,13 Mp, del
mismo orden de magnitud que la carga total, 10 Mp; en el problema M4, las cargas individuales son
menores, 2,5 Mp. En consecuencia, con este catlogo es imposible acercarse a la cantidad mnima
de estructura terica. Por su parte, la menor de las barras macizas en realidad un alambre
resiste con seguridad 0,01 Mp, y en consecuencia no hay 'elemento mnimo' a traccin. Sin embargo,
la resistencia a compresin de estas barras es tan 'desfavorable' que penalizar, previsiblemente,
las soluciones (de un modo u otro).-En el catlogo de barras macizas hay otro problema adicional,
conocido como 'salto del catlogo': mientras que la seccin n- 9 resiste a traccin 1,36 Mp, la
siguiente pasa a 5,44 Mp, de manera eme existen muy pocas 'opciones' en la banda ms pievisible
Aunque la tcnica no se ilustrar aqu, algunos de los defectos geomtricos pueden corregirse mediante el simplex
de Nelder et Mead, cf 3 5, aplicado a la solucin obtenida por el recocido
5
No debe olvidarse aqu que, si existe libertad de diseo de la seccin, el pioblema de inestabilidad de cada baria
puede reducirse casi a voluntad, vase, por ejemplo, Aroca, 1993 Aqu el catlogo determina la forma de la seccin>
y, segn sea sta, el problema ser ms o menos importante
6
La efectividad puede medirse por la razn r/A.
6.
ndice
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
,19
20
21
22
ndice
0
1
2
3
4
5
6
7
8
9
10
11
12
13
124
Tabla 6.2: Tubos redondos huecos

Denominacin A (cm2) r (cm)
ndice Denominacin /l(cm 2 )
23
075x4
8,198
040x2
2,386
1,345
040x3
3,485
1,312
24
080x2
4,898
040x4
4,522
1,281
25
080x3
7,253
045x2
1,522
2,7
26
080x4
9,546
045x3
3,956
1,489
27
8,195
090x3
045x4
5,15
1,456
28
090x4 ,
10,802
3,014
1,699
29
050x2
090x5
13,345
050x3
4,427
1,665
30
0100x3
9,137
050x4
5,778
1,632
31
0100x4
12,058
055x2
3,328
1,875
32
0100x5
14,915
055x3
4,898
1,842
33
0100x6
17,71
055x4
6,406
1,809
34
0125x4
15,198
3,642
2,052
35
0125x5
18,84
060x2
060x3
5,369
2,018
36
22,42
0125x6
060x4
7,034
1,985
37
0155x5
23,55
065x2
3,956
2,229
38
0155x6
28,072
065x3
,5,84
2,195
39
0155x8
"36,926
065x4 c
7,662
2,161
40
0175x5
26,69
4,27
31,84
070x2
2,405
41
0175x6
42
0175x8
41,95
070x3
6,311
2,371
070x4
8,29
2,338
43
30,615
0200x5
4,584
2,582
44
0200x6
36,55
075x2
075x3
6,782
2,548
45
0200x8
48,23
Denominacin
01
02
03
04
05
06
07
08
09
010
020
030
040
050
Tabla 6.3: B a r r a s macizas

A (cm ) r (cm)
ndice Denominacin
0,007854 0,025
14
060
0,031416 0,05
15
070
0,070686 0,075
16
080
17
090
0,125664 0,1
0,19635
0,125
18
0100
0,282744 0,15
19
0200
20
0300
0,384846 0,175
0,502656 0,2
21
0400
22
0,636174 0,225
0500
0,7854
0,25
23
0600
3,1416
0,5
24
0700
7,0686
0,75
25
0800
12,5664
1
26
0900
19,635
1,25
27
01.000
2
A (cm2)
28,2744
38,4846
50,2656
63,6174
78,54
314,16
706,86
1256,64
1963,5
2827,44
3848,46
5026,56
6361,74
r(cm)
2,514
2,759
2,724
2,691
3,078
3,044
3,010
3,431
3,397
3,363
3,33
4,28
4,246
4,213
5,306
5,272
5,205
6,013
5,979
5,911
6,897
6,862
6,794
r (cm)
1,5
1,75
2
2,25
2,5
5
7,5
10
12,5
15
17,5
20
22,5
6.
125
de solicitaciones, a pesar del nmero de secciones disponibles .

Como recocido se emple una serie incremental:
ft7[400, 10, 1, 1000o, 0,9]
con el mismo generador anterior. El espacio de bsqueda fue X-, t es decir, se permiten los nudos superfluos, pues ahora la firmeza terica de la argumentacin que se hizo anteriormente se desvanece.
A fin de cuentas, los nudos y barras superfluos pueden contribuir a disminuir la esbeltez de las
piezas fuertemente comprimidas, y es difcil de predecir si el volumen estructural en aqullas se
ver compensado por su disminucin en stas. El lector debe recordar que la estabilidad lateral
no se comprueba, al igual que en los problemas tericos anteriores. Tambin, que el objetivo es
exclusivamente minimar dicho volumen.
6.4.1
Cerchas de t u b o hueco
Para L = 200 cm se exploraron los mismos valores de N que en la seccin anterior, vase la
figura 6.6. La penalizacin por elemento mnimo tiene consecuencias evidentes: el nmero de barras
es pequeo; en ocasiones, para conseguir convertir el mecanismo terico en una cercha isosttica es
preferible una subestructura 'rgida' a una diagonal (lo que ocurre en ambas soluciones para M2,
diagonal AB en la figura); la penalizacin es tanto peor cuanto ms subdividida est la carga total
(as M3 exige ms volumen que M2, al revs que en el caso terico); salvo en las soluciones a MI,
toda referencia visual a -las soluciones michellianas desaparece. Resulta notable el hecho de que,
ahora, parece existir un mnimo absoluto para M3, al revs que en el caso terico. Por el contrario,
el espacio de M2 contiene al menos dos mnimos cuastptimos. La penalizacin (entre pandeo y
elemento mnimo) respecto a la cantidad de estructura terica se sita entre 1,34 y 2,13.
Para L = 1.600 cm, se exploraron slo cerchas con N igual que 15 para MI, 30 para M2 y
45 para M3, vase la figura 6.7. Puesto que se trata se cerchas ocho veces ms grandes que las
anteriores, la esbeltez aumenta en ocho para cada barra si las soluciones aumentan simplemente
de tamao; esto desplaza totalmente el ptimo, de manera que el aspecto visual no rememora el
michelliano ni el de las soluciones pequeas. La forma de los diseos puede explicarse sin dificultad:
el cordn superior (comprimido) se subdivide por varios tirantes traccionados que distribuyen la
carga a la vez que reducen su longitud de pandeo (MI y M2). El cordn inferior (traccionado)
puede ser tan largo como sea preciso.
En la solucin MI, para asegurar el isostatismo de la cercha, se prefiere una subestructura
'rgida' frente a la simple triangulacin de alguno de los cuadrilteros inferiores. En la prctica
corriente, este amasijo de pequeas piezas se sustituir por una pieza, tal y como un perfil IPE de
los utilizados como vigas; de esta manera, la solucin sugiere que el espacio de bsqueda quizs
debe ampliarse a las estructuras hiperestticas en las que los nudos se modelan como 'rgidos'
y no como articulaciones. Este es tambin el caso en la solucin a M3, aunque aqu las dos
formas (subestructura rgida o triangulacin) estn presentes de forma simultnea, una en la mitad
izquierda y la otra en la derecha. Diseando manualmente y procediendo por simetra, no se
consigui un diseo 'homogneo' que fuera mejor; la situacin es, tal parece, como si ambas mitades
se 'ayudaran' mutuamente a fin de ajustarse mejor al catlogo. La penalizacin (entre pandeo y
elemento mnimo) respecto a la cantidad de estructura terica se sita entre 2 y 3.
v
Otra conclusin que resulta ahora obvia se refiere a la simetra. Desde que se abandona el
universo terico del dimensionado sin catlogo, las reglas del tipo "si las cargas son simtricas, las
soluciones deben serlo" no son de aplicabilidad general. Esto se debe a la asimtrica barra que, en
la solucin de Michell, debe disponerse para asegurar el isostatismo. Puesto que el dimensionado
no es estricto, en esa barra (o en la parte de la cercha con idntica funcin) hay que gastar un
mnimo de material debida al catlogo discreto. Si esa cantidad es importante, lo mejor es, al
parecer, variar la forma para que al menos no se desperdicie intilmente ese material.
1
El catlogo lid. sido diseado precisamente con el objetivo de hacer muy difcil la optimacin, compiese con las
varillas de acero comnmente empleadas en hormign armado
6.
5967 56
126
6023 87
6146 8
r
3441 82
3354 39
3478 78
\nzv ^ y ^
3348 51
3476 65
^Z^
3479 62
Figura 6.6: Soluciones para L = 200 cm y tubo hueco

La ordenacin de los diseos es la misma que en la figura 6.5, pero ahora el grueso de las barras es el rea
del perfil, medido en la misma escala pero en centmetros cuadrados. Por su parte, el volumen estructural
figura en Mp-cm
En todo caso resulta palpable que el volumen estructural no siempre captura las propiedades
que se aprecian en los diseos viables (y realmente construidos) considerados como mejores 18 .
Los resultados de las distintas series de recocidos se resumen en la tabla 6.4. Aunque los
recocidos rpidos cometen errores todava moderados (no mayores que un 15%), son ms imprecisos
que en los problemas de los captulos precedentes. Adems, con una frecuencia significativa, el
recocido no acaba con la solucin mejor, siendo la final ligeramente peor. Esto indica que no
se alcanz el cero absoluto, vase 3.4.3, y que debieran usarse recocidos an ms lentos (lo que
resultaba prohibitivo para los computadores de que dispona)
6.4.2
Cerchas d e barra maciza
Para ambas luces, la exploracin se efectu imponiendo N =? 45 en todos los casos. Los resultados
se muestran en las figuras 6.8 y 6.9.
Desde luego, los diseos son inconstruibles, pero por la misma razn que es vnconstruible la
solucin de Michell. Tampoco tienen, desde un punto de vista esttico, una apariencia convencionalmente deseable.
Respecto al objetivo planteado las soluciones son 'buenas', si es que no son ptimas, a pesar de
las apariencias. A favor de esta afirmacin pueden considerarse los siguientes hechos.
Ntese aqu que, al menos en nuestro pas y sin entrar en mucho detalle, el volumen estructural es la medida
usada en la prctica corriente para los diseos en acero laminado, esto es debido a que el precio de tales estructuras
se tasa mediante un precio por unidad de masa, siendo sta, de nuevo, proporcional al peso, al volumen, o al volumen
estructural En consecuencia, en este caso, el precio resultar tan 'ingenuo' como pueda serlo el \olumen, >, al revs,
cualquier correccin menor que se introduzca en aquel puede aplicarse a ste
6.
114580
127
115030
116014
37448 4
43556 1
37460
F i g u r a 6.7: S o l u c i o n e s para L = 1.600 c m y t u b o h u e c o

Las soluciones, aunque dibujadas al mismo tamao en el papel, son ocho veces ms grandes que las
anteriores. Arriba: soluciones iniciales. Centro- soluciones mejores. Abajo. Detalle a tamao doble de las
zonas que aseguran el isostatismo de las soluciones para MI y M4. Los convenios son los mismos que en la
figura anterior.
Caso
MI,
M2,
M2,
M3,
M3,
M3,
MI,
M2,
M4,
JV =
N =
N =
N =
N =
N =
JV =
JV =
iV =
15, L =
15, L =
30, L =
15, L =
30, L =
45, L =
45, L =
45, L45, L =
3760 19
T a b l a 6.4: R e s u m e n d e las series c o n t u b o h u e c o

max{<(x 0} mediana'{0(x,)} mm{<p(xb)} {0(X6 )/min{0(x 6 )}
,
para el recocido
rpido, a = 10
200cm
3.521
3.461
3.442
1,96%
200 cm 3.482
3.381
3.354
3,79%
3.395
3.388
0,53%
200 cm
3.449
3.656
3.490
3.479
5,10%
200 cm
2,42%
3.561
3.498
3.477
200 cm
3.493
2,35%
3.575
3 476
200 cm
67.426
47.221
43556
14,5%
1.600 cm
37.640
5,07%
1.600 cm 42.973
39853
37.448
1 600 cm 40.921
39.204
4,69%
3184 2
2719 49
F i g u r a 6.8: S o l u c i o n e s p a r a L = 2 0 0 c m y b a r r a m a c i z a
Se muestran las soluciones mejores obtenidas para los problemas MI, M2 y M4, de izquierda a deiecha
Los convenios son los mismos que en la figura anterior.
6.
'.
128
Figura 6.9: Soluciones* para L = 1.600 cm y barra maciza

Las soluciones, aunque dibujadas al mismo tamao en el papel, son ocho veces ms grandes que las
anteriores. Los convenios son los mismos que en la figura anterior.
1. Para el objetivo propuesto, la solucin para el problema M2 y Ivl4 con barra maciza y 200
cm de luz es ms barata que la de tubo hueco (no hay misterio: sta ltima est fuertemente
penalizada por el elemento mnimo del catlogo en ambos problemas).
2. Las soluciones pueden 'explicarse': se trata de arcos de piezas de calibres intermedios, estabilizadas por una tela de araa formada por alambres que, a pesar de su gran longitud, tienen
^
un coste despreciable dada su pequesima seccin.
3. Otras exploraciones menos 'automticas' no han revelado nada esencialmente mejor se
detallan ms adelante.
Sin embargo, no parece que sean tampoco ciasiptimas. Los argumentos a favor ahora derivan
de la 'inestabilidad estadstica' de los resultados, vase la tabla 6.5. Con ms frecuencia que para
el catlogo anterior cada recocido individual no acaba con la mejor solucin que encontr, sino
con una algo peor. Adems los recocidos rpidos llegan a cometer errores intolerables, de ms del
100% para M4 y 16 m de luz. Con este motivo, se realizaron nuevas series (que no se ilustran aqu)
imponiendo la condicin de que las soluciones no contaran con nudos superfluos. Slo en un caso
se encontr una solucin que mejorara las anetriores (reducindose el volumen un 6%), vase la
-figura 6.10.
Caso
MI,
M2,
M4,
MI,
M2,
M4,
N =
N =
N =
A" =
Ar =
A" =
Tabla 6.5: Resumen de las series con barra maciza

max{0(x,)} mediana{^(x,)} min{0(x,)}
45, L =
45, L =
45, L =
45, L=
45,<L =
45, L =
200 cm
200 cm
200 cm
1.600 cm
1.600 cm
1.600 cm
5.667
4.178
3.009
93.124
81.093
94.796
3.829
3.512
2.893
87.548
79.870
68.127
3.760
3.184
2.719
71.786
62.934
45.716
0(x,)/min {0(xb)}
para el recocido
rpido, a = 10
21,1%
31,2%
10,7%
28,2%
28,9%
107%
Algunas de las caractersticas ya comentadas se reproducen aqu, con ms vivacidad: en particular, los defectos locales de los diseos son muy evidentes casi.podra decirse que ingenuos. El
espacio para este catlogo parece estar plagado de formas cuaszptimas, debido al coste despreciable
de la tela de araa que, por ello, se configura al azar, sin ningn orden 19 .
19
Estos son los ejemplos que se prometieron al lector curioso en la nota 8 de la pgina 33 Todas estas formas
corresponden prcticamente a la mxima disminucin posible de la entropa (o de la incertidumbre, al gusto del lector)
en las condiciones enunciadas, pero existir un razonable acuerdo en que no son ordenadas aunque pueda reconocerse
cierta 'estructura'. La razn es la comentada- el objetivo propuesto no determina la forma de la tela de araa que
es, esencialmente, aleatoria (incluso a bajas temperaturas) Cabe hacerse la'siguiente pregunta "existir una forma
de la tela de araa que adems de conducir a una cercha ptima sea en s misma 'ordenada' 7 ", La conjetura ms
plausible es que la respuesta apropiada sea "s". Se tratar de una ms entre un nmero exponencialmente grande
de otias formas, todas ellas cuasiptimas Para nosotros, tal forma tiene 'algo especial', pero ese algo no puede
reconocerse a travs de la funcin objetivo La situacin es clsica en la teora de las cadenas de Markov si se
tiene una baraja ordenada por palos y nmeros, la situacin nos esulta 'especial'. Sin embargo, se trata de una
6.
62933 6
Figura 6.10: Solucin mejor para M4 y 16 m de luz.

Arriba, solucin con nudos superfluos, abajo, sin ellos Esta ltima es mejor y de mejor apariencia
Debido a su apariencia formal tena que asegurarme, en lo que respecta a estas soluciones,
que ni el algoritmo ni yo mismo estbamos cometiendo ningn error de bulto Efectu un anlisis
detallado de la solucin para M4 con 1.600 cm de luz con dos objetivos complementarios: verificar
que la solucin mejor encontrada era una cercha isosttica capaz de resistir las cargas dadas en las
condiciones planteadas y comprobar que no exista ninguna solucin obviamente mejor
Para el primer objetivo bastaba con un anlisis elstico corriente, vase la figura 6.11, arriba.
La deformada es un tanto rara (debido a los plegamientos del 'pico' superior) pero perfectamente
estable 20 .
Para el segundo se hicieron diversas exploraciones, partiendo de topologas dadas (sugeridas
por las distintas soluciones mejores de cada recocido individual) y recociendo nicamente la geometra (generador GXy), vase la figura 6.11, abajo. Se muestran la mejor alternativa encontrada
tiene mejor 'apariencia' que la solucin mejor pero es un 17% ms costosa. Las topologas elegidas
proscriben la tela de araa y el resultado sugiere que esta condicin implica que el ptimo sea inalcanzable. En consecuencia, la inclusin en el diseo de la tela de araa parece ser la caracterizacin
del mnimo para este catlogo que, recurdese, es disparatado. Este gnero de exploracin es, desde
luego, intratable pues el nmero de topologas es fuertemente exponencial y slo se han probado
unas pocas; en consecuencia, no es imposible que alguien adivine una mejor. Por ello, merece la
pena explorar con la mira apuntando a la conjetura contraria: "el recocido falla en este problema"
Si asi fuera, los generadores 'topolgicos' deberan someterse a una severa revisin El mtodo es
simple: basta con mostrar un diseo seguro (en las condiciones enunciadas) cuyo volumen estrucpermutacin con igual probabilidad que cualquier otro orden arbitrario De hecho la probabilidad de obtener uno
particular (cualquiera que sea) es 'exponeocialmente' pequea Pero como nosotros esperaramos el orden 'especial',
la probabilidad de vernos defraudados por un eleccin al azar es fantsticamente grande, y normalmente es lo que
ocurre Del mismo modo, el recocido podra ofrecernos esa -tela de araa 'especial' que probablemente exista, sin
embargo es mucho ms probable que obtengamos cualquiera de las otras que, como las que se muestran, resulta
insatisfactona Una conjetura es que el reconocimiento 'esttico' sea imposible en el plano cientfico la idea pulula
en la obra de Candela (1985 11,24-25,30,42-43,109,154) y ha sido puesta nuevamente sobre la mesa por Deleuze y
Guattan, 1991 "se trata de una pregunta que nos hacemos con moderada inquietud, a medianoche, cuando j a no
queda nada por preguntar", su conclusin es que arte, ciencia y filosofa se encontraran ntimamente entrelazados,
pero definitivamente separados, en distintos planos
Las ecuaciones de equilibrio con desplazamientos estn perfectamente 'condicionadas', no resultando ninguna
ambigedad de su resolucin
6.
130
tural mejore significativamente el mejor valor encontrado por el recocido 'todo automtico'. Yo no
lo he conseguido, aunque la exploracin, por mi parte, contina.
Figura 6.11: Anlisis de la solucin para M4 con barras macizas y 16 m de luz

De arriba hacia abajo: la solucin mejor encontrada para el problema; geometra inicial (trazo fino) y
deformada elstica (trazo grueso) los desplazamientos estn amplificados por 10 (la posicin antes y
despus del punto de aplicacin de las cargas se seala con pequeas circunferencias finas y gruesas,
respectivamente); solucin inicial con topologa fija; solucin mejor partiendo de la anterior. Los convenios
de la representacin como en las figuras anteriores, salvo en la deformada que no incluye el grosor de las
barras.
{3.5
Conclusin
Para resumir el panorama se incluye una tabla con los mejores volmenes estructurales para cada
problema segn las diversas condiciones impuestas, vase la tabla 6 6. Los resultados son explicables
hasta cierto punto, a pesar de lo asombroso de las soluciones con barra maciza y pequea luz, menos
6.
131
costosas en dos de los problemas que las obtenidas con tubo.hueco (intrnsecamente una seccin
mejor): la penalizacin de los diseos es tanto mayor cuanto mayor influencia tiene la menor seccin
del catlogo empleado o la ineficacia relativa de la forma de la seccin en la estabilidad de la barra
Tabla 6.6: Resumen de los resultados
Para cada caso, figura el volumen estructural referido al tamao del problema y la penalizacin, para el
clculo de sta se utiliz la cantidad de estructura ptima, cuando se conoce, o el mejor valor obtenido
mediante recocido en otro caso
Problema
MI
M2
M4
Condiciones
W/FL
w/wopt W/FL W/WoPt W/FL W7W0pt
diseo estricto
1,29
1
0,928
0,814
1?
1?
1,72
1,67
1,80
tubo hueco, L = 200 cm
1;33
1,74
2,14
1,88
1,46 '' 1,59
1,72
1,67
barra maciza, L = 200 cm
1,36
2,72
2,11
2,34
2,52*
2,34
tubo hueco, L = 1.600 cm
2,86
3,73
4,02
barra maciza, L = 1.600 cm
4,49
3,48
2,86
3,51
La utilidad del recocido en el estudio de este gnero de problemas 'reside en los siguientes
aspectos.
1. Permite estimar con bastante grado de fiabilidad la cantidad de estructura ptima para cada
problema. Esto sugiere, adems, la extensin del concepto a problemas que no son de Maxwell,
tales como las cerchas internamente isostticas, aunque para ello una formulacin terica que
mantenga las propiedades principales de W ser necesaria.
2. Permite estimar (aunque con menor fiabilidad) el volumen estructural en problemas que, por
su naturaleza, no permiten alcanzar la cantidad d estructura ptima.
3. Permitir verificar la adecuacin de funciones 'objetivo' menos 'ingenuas' para representar
los criterios que discriminan las soluciones viables de las tericas, en los problemas prcticos
de proyecto.
Resumen
El problema estudiado, el de las cerchas de peso mnimo, es simple y con tradicin. A pesar de
ello, y tras aos de investigacin, las soluciones a muchos casos siguen siendo desconocidas. De
hecho, quizs es sta la primera vez que su resolucin se aborda de forma enteramente automtica.
Se ha puesto de manifiesto la naturaleza combinatoria del problema y una de sus peculiaridades,
el tamao (algortmico) variable de la solucin.
En justa correspondencia, las jugadas necesarias para el recocido son las ms complejas (en
trminos algortmicos) que figuran en este trabajo. El algoritmo resultante es polinmico, aunque
de grado elevado y, en consecuencia, el ms lento de los construidos.
El algoritmo resuelve satisfactoriamente el problema clsico y terico de encontrar soluciones
de Michell para problemas de Maxwell.
La dificultad aadida al introducir condiciones algo ms realistas en el problema, tales como la
consideracin del pandeo de piezas comprimidas o el dimensionado segn catlogos industriales, no
impide que el algoritmo siga explorando con 'comodidad' el espacio y alcanzando legiones probablemente cercanas al ptimo absoluto. Esto es cieito si el espacio de bsqueda es 'sensato', aunque
espacios ms complejos (artificalmente diflcs han supuesto serias dificultades para el algoiitmo Las
soluciones ponen de relieve, salvo que puedan ponerse significativamente en duda (y se especifica
como hacerlo), la 'ingenuidad' de la funcin objetivo (el peso) para captmar las piopiedadcs apieciadas en los diseos viables en la prctica. Algunas soluciones, adems, sugieren que cicitos aspectos
de la 'teora de diseo' pueden gcneralizaise, lo que supone un beneficio aadido incspeado.
Captulo 7
Dimensionado ptimo de cerchas

hiperestticas
El problema planteado y aproximadamente resuelto en el captulo anterior queda muy lejos de los
problemas reales en el diseo de estructuras. Una versin algo ms realista del problema debera
incluir algunas cosas ms. De una parte, para el anlisis de cada solucin, se tiene: combinacin
simultnea de diversas acciones peso propio entre ellas, requisitos de rigidez, acciones variables
con la forma de la solucin, estabilidad lateral, etc. De otra, en la funcin objetivo quizs deben
considerarse otros costes referidos a cada unin y al montaje de piezas, as como beneficios derivados
de 'economas de escala', deriyados de la repeticin de piezas, dimensiones o ngulos.
Sin abandonar el reducido universo de las estructuras planas articuladas, la inclusin de algunas
o de todas las caractersticas anteriores en la formulacin del problema aumenta el espacio de
bsqueda a las cerchas hiperestticas, pues por razones bastante obvias ya no es posible hablar, en
general, de dimensionado estricto y, por tanto, que la solucin ptima sea o no isosttica depende del
caso particular que se acomete. Es precisamente el dimensionado de los elementos de la estructura
el nuevo ingrediente que aparece en cualquier formulacin general, ya que ahora cada solucin debe
estar dimensionada antes de que pueda analizarse. Precisamente sobre el dimensionado versar
este captulo.
En la primera seccin se plantea el problema, se argumenta a favor de su presunta intratabilidad
y, finalmente, se explicitan los detalles del anlisis que se emplearn durante el recocido. En
la segunda seccin se establece el generador aleatorio de soluciones (las tcnicas previstas pero
finalmente no empleadas van en letra pequea). En las tres siguientes secciones se analizan diversos
casos: una viga isosttica cuyo dimensionado ptimo es trivial sirve como comprobacin; una viga
ligeramente hiperesttica sirve para comparar la eficacia del recocido con un algoritmo basado en un
criterio de optimidad; finalmente, un prtico usado como banco de pruebas desde hace una dcada
sirve para comparar el recocido con un algoritmo gentico. Se incluyen tambin comparaciones con
las soluciones o 'estimas' resultantes de reglas de la 'teora de diseo', en caso de estar disponibles.
7.1
El problema del dimensionado ptimo
La definicin del problema puede hacerse en este caso formalizando de un modo general las caractersticas de su solucin. Esta consiste en una cercha de N nudos y E barras con E < \N{N\)
, cantidades fijadas de antemano. Cada nudo, n G [1,-N], tendr una posicin definida (xn,yn) en
el plano; mientras cada barra, e [1,E] estar dimensionada con alguna seccin s(e) de las S
secciones de un catlogo de perfiles, C = { 1 , . . . , 5}. Si el problema es exclusivamente el dimensionado, son conocidos a prwri la pioporcin, el tamao y el esquema de la cstiuctura, de manera
que cada solucin consta, como mucho, de E grados de libertad: las secciones de las bairas. La
solucin se expresa como una lista s = {s(l),. ., s(E)}.
7. Dimensionado ptimo de cerchas hiperestticas
133
La funcin objetivo es de nueva el volumen estructural, definida como:

E
e=l
donde f es la tensin segura del material, A(i) es el rea de la seccin i del catlogo y L(e) es la
longitud de la barra.
Los requisitos que debe cumplir la solucin consisten en resistir con seguridad y rigidez suficiente
una serie de hiptesis de carga mientras los desplazamientos de algunos de sus nudos se encuentran
impedidos debido a la sustentacin de la estructura.
Por conveniencia, el espacio de bsqueda puede restringirse por eliminacin de algunos de los
grados de libertad, obligando a que un cierto subconjunto de barras compartan el mismo dimensionado. En general por tanto, g < E. Este espacio es finito y alberga un total de S9 soluciones
posibles, parte de las cuales sern aceptables, es decir, seguras y rgidas, y entre ellas se encontrar
una o varias soluciones ptimas, de volumen mnimo.
Esencialmente el tamao del problema puede medirse por cualquier polinomio en j , S y N,
considerando que el nmero de hiptesis, cargas, y dems parmetros adicionales son constantes
fijas en el problema que se analiza. Un algoritmo capaz de encontrar siempre la solucin ptima en
cualquier caso consiste en la simple bsqueda exhaustiva entre todas las configuraciones posibles, S9,
pero se trata de un algoritmo exponencial. Merece la pena cuantificar en qu medida: considerando
el catlogo de tubos huecos utilizado en el captulo anterior (5 = 46, vase la tabla 6.2), se
muestra, en la tabla 7.1, el tamao de X y el tiempo de clculo del algoritmo de bsqueda segn
el valor de g. Sin embargo, conviene recordar que, como se vio en aquel captulo, existen casos
de dimensionado que pueden resolverse trivialmente en un tiempo acotado polinmicamente por el
tamao del catlogo, como es el de las cerchas internamente isostticas y a condicin de que no se
exija ningn requisito sobre la rigidez. Entre un extremo y otro, cabe preguntarse si existir algn
algoritmo polinmico general o si, por el contrario, existe algn argumento a favor de la presunta
intratabilidad del problema.
Tabla 7.1: Tiempo de clculo para el algoritmo de bsqueda
Los clculos se efectuaron para un catlogo de 46 perfiles (los tubos redondos huecos espaoles) y
considerando que cada solucin podr ser analizada y evaluada en una billonsima de segundo, una marca
francamente optimista Ntese que g es el nmero de secciones distintas empleadas en la cercha, no el
nmero de barras.
g Tamao de X Tiempo de clculo
8
9
10
11
12
13
7.1.1
2
9
4
2
9
4
x
x
x
x
x
x
1013
1014
1016
1018
1019
1021
20 segundos
15 minutos
12 horas
22 das
3 aos
1 siglo
C o m p l e j i d a d del d i m e n s i o n a d o p t i m o
Si la cercha es isosttica internamente, las solicitaciones de las barras no dependen de su dimensionado. En consecuencia, pueden calcularse en avance una sola vez y dimensionar despus. Incluso
con una catlogo discreto, el dimensionado de una barra no influye en la resistencia del resto, de
manera que la bsqueda secuencial de la seccin para cada barra S operaciones"peimite encontrar su dimensionado ptimo, y el algoritmo, en conjunto, es (D(SgN3), lineal en el catlogo y en el
nmero de secciones y cbico en el de nudos. Esto es igualmente cierto si existen varias, hiptesis
de carga, pues basta clcgii para cada b a n a la hiptesis psima, esto es, la que exige mayor seccin
(cf. Hernndez, 1990.41-42).
7.
Dimensionado ptimo de cerchas hiperestticas
134
El panorama cambia drsticamente con slo incluir el requisito de rigidez en las cerchas isostticas. Para evitar complicaciones innecesarias, supngase que el dimensionado mnimo por resistencia
(obtenido pohnmicamente, como se indic y estricto si no hay catlogo) slo incumple el requisito
de rigidez debido al valor de un nico desplazamiento, 6 > 0, de una sola de las hiptesis, al
ser mayor que el lmite superior impuesto, i,m > 0 Por aplicacin del principio de los trabajos
virtuales, puede obtenerse una sencilla expresin para 6 (cf Timoshenko et Young, 1965.265)-
t=l
i=l
t=l
en donde E es el mdulo de Young, Nt es la solicitacin en la hiptesis en cuestin, n, es la

solicitacin virtual en la barra cuando sobre la cercha acta una nica fuerza adimensional en
el mismo punto, direccin y sentido que 6; Ax es el rea mnima de la barra para la seguridad,
C, = n t iVi/E es una constante del problema, y <5, es la contribucin de cada barra al desplazamiento
6. El problema 1 ahora es encontrar variaciones Bt de las reas A, tales que:
1. no reduzcan la seguridad de la estructura, -
2. reduzcan el desplazamiento al valor i,m, e

3 incrementen mnimamente la cantidad de material.
La variacin Bt en la barra i contribuye a la variacin total de 6 en una cantidad at:
GtL/t
%1 ~A7~~
l + Bl
Gil->i
AA
x
Cj.Lt
~JOt
~~A:r~^~
At Al + Bl
~~ "i
c
=
l
<V
Al
+ Bl
o bien, para que la barra i contribuya a la variacin total de 6 con una variacin cvt, la variacin
de su seccin debe ser:
La variacin del volumen de material debido a la variacin de seccin de una combinacin c de
barras (que no necesariamente ha de incluir a todas) es:
> = B , L ,
(7.3)
y para que sea localmente mnima'
dB
d<P = Y,L*-Q-Lda* =
(74)
Pero las variaciones de seccin deben ajustarse de manera que la variacin de flecha sea la deseada,
es decir:
Yla
i>n> ~ S
(7 5)
El problema puede resolverse utilizando el mtodo de los multiplicadores de Lagrange como en 3.1.
'Ntese que el problema se plantea debido a que el esquema y proporcin de la estructura son fijos, de otro modo
podra imponerse la condicin de dimensionado estricto o mnimo y variar el esquema y la proporcin tal y como
se hizo en el captulo anterior Si la solucin ptima resultante no es suficientemente rgida no queda ms solucin
que sobredimensionar de manera uniforme, pues segn el teorema de Michell, la solucin ptima tambin es la ms
rgida que puede obtenerse Ello sugiere la regla habitual de 'sobredimensionado uniforme' de una solucin resistente
cuando es intolerablemente flexible y su esquema y la propoicin son 'lo mejor' que los condicionantes del proyecto
permiten Esto tambin se deduce en la ecuacin (7 1), pues N,/EA, es constante cuando el dimensionado es estricto
(justamente la deformacin segura o admisible del material) y la suma Y^,n*L< restante, depende exclusivamente del
esquema y proporcin de la solucin (Miguel, 1994)
7.
D i m e n s i o n a d b p t i m o d e cerchas h i p e r e s t t i c a s
O b t e n c i n del 'criterio d e o p t i m i d a d '
135
A partir de las ecuaciones (7.3) y (7.5) se forma una nueva funcin 3> incluyendo el multiplicador A:
$ = Y> + - H ^ a , - b m + )
ec
La condicin de mnimo, o 'criterio de optimidad', se obtiene diferenciando e igualando a cero:
g(4& + A ) * , = 0
expresin en la que ambas condiciones del problema estn incluidas. Para que el incremento de volumen
sea ocalmente mnimo, esta ltima ecuacin debe cumplirse para variaciones arbitrarias de los a,, lo que
permite escribir el criterio de optimidad como una ecuacin por cada barra de la combinacin, en la forma:
, ^ + A= 0
da.
Derivando (7.2):
dB,
dat
CXLX
( a , + 6,)2
(7.6)
y sustituyendo, la variacin a, queda determinada en cada barra de la combinacin:

at = L , y ^ - - 6 t
(7.7)
Para determinar A se sustituye esta expresin en (7.5):
iC
^ A tC
tC
de donde:
7= = lim ~ 6 + X
Sl
C
sustituyendo este resultado en (7.7) y denominando Se a \/A, se obtiene finalmente:

Lxy/[
x
a, = j
,
c lo que determina la variacin de seccin necesaria en cada barra de la combinacin sin ms que sustituir
este valor de a, en (7.2); y tambin el incremento en el volumen de material sustituyndolo en la ecuacin
(7.3>.
C a r a c t e r s t i c a s d e la 'solucin'
El resultado final se expresa en funcin de una magnitud, Sc, propia de cada combinacin c considerada:
5 c -
- ^
iec
que debe ser real para que la combinacin sea, efectivamente, una solucin. En tal caso, la variacin
de rea en cada barra i viene dada por:
Bl
5c
~ l)
= Sc
^~l
Al
7.
136
debiendo ser todas positivas (de lo contrario se reduce la seguridad). El incremento de volumen,
localmente mnimo, es:
^Sc^L^-E^
(7.8)
tec
iec
Aunque el anlisis podra llevarse ms all, puede resumirse el significado de la expresin de <>,
para lo que aqu interesa, sealando que cada combma'cin de barras conduce a una variacin del
volumen de material, localmente mnima, de manera que, en general, existirn 29 1 soluciones
candidatas, una o varias de las cuales sern la solucin ptima al conciso problema planteado. Esto
es debido a que Sc es una aplicacin del espacio de combinaciones de barras sobre los nmeros
complejos, es decir, ua funcin de una variable combinatoria. En general, el nmero de soluciones
crece exponencialmente con el tamao del problema y como, en principio, hay que explorarlas
todas para encontrar el mnimo absoluto, el algoritmo resultante es tambin exponencial2. Si no
hay catlogo el algoritmo resuelve el problema, en otro caso se trata de una aproximacin.
Si la cercha no es isosttica, la ecuacin (7.1) sigue siendo correcta, pero ahora las cantidades
Ct no son constantes del problema, pues tanto nt como TV, dependen de las secciones de todas las
barras, y por tanto la solucin deducida no es ya vlida 3 . De hecho, en el mejor de los casos podra
ocurrir que las derivadas parciales de Nt y n% respecto a cada uno de los a3 fueran nulas (o muy
pequeas), y en tal caso, en general, seguiran existiendo 2 9 1 soluciones localmente mnimas (o
aproximaciones). Pero en el caso peor lo ms probable es que el nmero de soluciones mnimas se
multiplique con el hiperestatismo. El hiperestatismo produce el mismo efecto sobre el requisito de resistencia, como tambin el hecho de que el catlogo no sea continuo sino discreto, con el agravante
ahora de que toda nocin de continuidad en Bx se desvanece (vase un ejemplo de lo mismo, pero
para el caso de nudos rgidos, en el anejo A3). '
Tcnicas basadas en criterios de optimidad (muy semejantes a la empleada aqu) permiten
construir algoritmos de aproximacin (vase por ejemplo Khot et Berke, 1984; Hernndez, 1990:4953) cuya complejidad temporal no es conocida4. En ocasiones, tales algoritmos convergen hacia
el dimensionado ptimo en muy pocas iteraciones (y con independencia del nmero de grados de
libertad, lo que resulta notable), mientras en otras se necesita un elevado nmero y no se garantiza
la obtencin del ptimo (Khot et Berke, ibidem); los casos de prueba habituales incluyen requisitos
de rigidez y de resistencia (sin pandeo), pero el dimensionado es continuo (sin catlogo). Aqu se
levantarn estas restricciones y se aproximarn soluciones al dimensionado con catlogo, adems
de considerar la estabilidad de las barras comprimidas segn distintas formulaciones.
7.1.2
Anlisis d e cada solucin
Cada caso de carga q consiste en un juego de N fuerzas aplicadas en los nudos y definidas por sus
componentes cartesianos (Uqn,Vqtn) Fq2n-i,Fqt2n- El conjunto completo de Q acciones o casos
de carga es tambin una lista o una matriz de Q x 2N componentes, Q. Cada hiptesis de carga
es un juego de N fuerzas que resultan de combinar linealmente las N fuerzas de cada una de las Q
acciones. Cada hiptesis h se define mediante una Q-terna (Ch,i, > CK,Q) de nmeros, de manera
que el clculo de las fuerzas que actan sobre los nudos en la hiptesis h consiste en:
Q
ftÊÂ.
z = l,...,2JV
Bajo las fuerzas resultantes para cada hiptesis, los nudos experimentan desplazamientos de componentes (uhtn, w/i,n)i que pueden representarse tambin como un vector o lista a = [ a i , . . . , 02jv], y
La estructura de las distintas expresiones sugiere diversas conjeturas acerca de la combinacin ptima escoger
todas las barras, escoger la barra con mayor rendimiento, a,/B,, escoger todas las barras con contubucin positiva
a la flecha Pueden plantearse sin dificultad casos que demuestran que todas son en general falsas, aunque algunas
sean tiles en multitud de casos prcticos
.,
3
En este caso la ecuacin (7 5) debe rescribirse como inecuacin
4
El carcter combinatorio del problema queda oculto en estos algoritmos bajo la clasificacin en 'activo' o 'pasivo'
de los diversos requisitos y grados de libertad
137 i
de stos hay tantos como'hiptesis, H, de manera que se tendrn en total H x 2JV desplazamientos
agrupados como una lista o una matriz, A. Algunos de los desplazamientos estarn impedidos por
las condiciones de apoyo, que se definen como a lo sumo 2N ecuaciones de la forma a t = 0 con
i [1,2JV]. Esta definicin no es del todo general pero resulta convencional. Como de costumbre
es necesario que existan al menos tres vnculos.
El anlisis elstico corriente permite obtener, para cada hiptesis, aproximaciones a los desplazamientos nodales as como a las solicitaciones A ^ e en cada barra. El requisito de resistencia
se expresa entonces segn la ecuacin (6.1) del captulo anterior o cualquier otra formulacin convencional. En particular y por conveniencia, se usar como alternativa la formulacin del American
Instute of Steel Construction (AISC, cf. Bowles, 1980) resumida a continuacin. Para un lmite
elstico del material, ft, y un coeficiente de seguridad bsico, 7, la tensin segura es f = ffc/7,
entonces, el requisito de resistencia en una barra se expresa como:
, "/-ATN
abs iV )<NU
en donde u;AISC se define como:
1
AISC
Q ( A / A AAIISC)
S C 7 ~ 4Q(A/A
40
+ 44Q(VA
A ISC)
T T T LT T T A
^2
" '
siiV > 0
={
.
1 A/uMSC
. .
?> -
7.9
.
AISC
'""-'
1 2(A/AAIsC)
2(A/A
AISC)
20 s
._,
. v si N < 0
. , ,
/27T2E
siendo AA,sc = J - j
01C11UU /\AISC
si A > AAisc
y donde A es la esbeltez 'mecnica de la barra, razn entre su longitud y su radio de giro, L/r.
Por otra parte, el requisito de rigidez (para el que no existe un acuerdo general) puede expresarse
con alguna generalidad mediante cuatro lmites absolutos, de manera que debe cumplirse:
,nf < h,n < usup
p arai
= l>...,N, h =
l,...,H
El anlisis y comprobacin de cada solucin es esencialmente un algoritmo con complejidad

0(gN3) dejando aparte el nmero de hiptesis de carga.
1
7.2
Recocido del dimensionado
En contraste con la complejidad del problema, su recocido es bastante simple debido a la finitud y
homogeneidad de X: si se desea continuar con el algoritmo de Metrpolis, slo se tiene aqu una
jugada: el cambio de seccin en una barra. Para ello se elige al azar una barra y una de las S 1
secciones distintas de la actualmente empleada, y se selecciona la configuracin resultante con un
orculo.
La complejidad de cada jugada es la del anlisis y comprobacin de la solucin, 0(gN3). Con
un recocido lineal en g, como los que se vienen probando (7?J[400, 10, 1, 100<o> 0,9]) el algoritmo
resultante, de funcionar, sera 0(g2N3), no dependiendo del tamao del catlogo.
Ntese que si la configuracin es inaceptable, por insegura o flexible, se le atribuye un volumen infinito, lo que ocasiona siempre su descarte. De todos modos pueden introducirse ciertos
refinamientos adicionales.
7.2.1
J u g a d a s c o n el orculo
Si la primera seccin elegida del catlogo, para sustituir a la actual seccin de una barra, conduce a
una configuracin inaceptable, podra elegirse otra de las restantes, y continuar as hasta encontrar
una solucin aceptable o agotar las posibilidades, en cuyo caso la configuracin es actualmente
inmodificablc en lo que se refiere al dimensionado de la barra elegida. Esta sencilla opci acin
conduce a jugadas con complejidad 0(SgN3) en el caso peor, y el recocido lineal en g esultante
se compoitai como un algoiitmo 0(Sg2N3). Esta versin parece ms natural, pues el tamao del
catlogo aumenta, sin lugar a dudas, la complejidad del problema. Se denominar Qs.
7.
D i m e n s i o n a d o p t i m o d e cerchas h i p e r e s t t i c a s
7.2.2
138
Profeta local
Lo anterior sugiere la posibilidad de construir un profeta local Vs para cada jugada, de manera que la
complejidad permanece igual que en el caso peor del orculo. Para ello, hay que calcular una funcin de
particin en el espacio correspondiente a una barra, es decir, en su catlogo, lo que requiere la evaluacin de
las 5 configuraciones posibles, y despus elegir conforme a la distribucin de Boltzmann resultante vase
las ecuaciones (3.26) y (3.27). La diferencia entre el algoritmo de Metrpolis y el profeta local es sutil pero
significativa: la funcin de tiempo del primero est acotada como C < SO(g2N3) mientras en el caso del
segundo puede asegurarse que C = SO(g2N3), pues en el profeta local, cada jugada siempre requiere S
anlisis, evento que slo ocurre con el orculo en el improbable caso de que la configuracin actual no pueda
jugarse en la barra elegida.
7.2.3
Aceptabilidad 'continua'
Una configuracin es inaceptable bien por insegura, bien por flexible. En el primer caso, puede definirse
un grado de segundad gs como la razn entre la tensin admisible y el valor absoluto de la tensin, a. La
tensin admisible, <7adm e s el resultadode dividir la resistencia de la barra, Nu, por su rea. Este valor es
la tensin segura para las barras traicionadas, pero vara con cada hiptesis y cada barra en el caso de la
compresin, como es siempre el caso de la tensin a\ formalmente:
Cadm,e,/i 1
abs(o-e,h) J
Si gs < 1, la cercha es insegura, pero lo es tanto ms cuanto menor el valor de gs. De anloga manera puede
definirse un grado de rigidez para cada configuracin:
( uinf
Usup\
fvm{
'Usup^l
gr = min < max I

, - , max I
,- >
"> l
\Un,h V > /
\vn,h Vn,hJ)
Si gr < 1, la cercha es intolerablemente flexible, pero lo es tanto ms cuanto menor el valor de gT. En funcin
del grado de seguridad y rigidez, el volumen estructural puede ponderarse (como se hizo en el caso de las
cpulas, vase 5.3.3), afinde rebajar el listn en lo que se refiere a la aceptabilidad, pero asegurando en
cierta medida que la funcin objetivo no cambia de ptimo por ello. Definiendo o prion tres constantes
Ss.miniST-.minjfl, la funcin objetivo ponderada es:
, , _ oo
'
\ (j> (mm{gSgr,l})~a
si gs < g,tmm o si gT < gr,min

en otro caso
/-,
1Q N
Es claro que tanto g 3 , min como 5r,m>n definen grados mnimos para la aceptabilidad, mientras que con el valor
de a se pretende asegurar que las configuraciones realmente inaceptables aumenten su volumen en medida
suficiente como para que puedan serlo, de manera que el factor exponencial representa un sobredimensionado
uniforme, en franca contradiccin con la existencia del catlogo discreto. Si el dimensionado fuera continuo,
para obtener una solucin aceptable, bastara en general con dividir a <j> por el factor min{l,g s ,5 r } puesto
que tanto las tensiones como los desplazamientos varan linealmente con el rea de las secciones. Pero todo
depende del catlogo y de la posicin en l de la configuracin, de manera que aunque para a resultan
recomendables los valores 2 3, pueden resultar insuficientes para un catlogo particular. Podra definirse
de forma precisa el factor de sobredimensionado mnimo del catlogo, y mejorar con ello la robustez de (7.10),
pero no se incluir aqu esta complicacin adicional, ya que nada aade a la cuestin fundamental: en caso
de duda, lo mejor es definir grados mnimos iguales a la unidad (sta ser la estrategia usada en adelante).
7.3
Dimensionado 'isosttico'
Con cerchas internamente isostticas y slo el requisito de resistencia, puede obtenerse polinmicamente el dimensionado ptimo. De esta forma, puede comprobarse que el recocido simulado
aunque en ms tiempo conduce a la misma solucin. En la figura 7.1 se muestra el problema
elegido que no tiene nada de particular: una viga de cordones paralelos simplemente apoyada, con
carga uniforme en los nudos. El material elegido es u n acero corriente, con f/. =2,6 M p / c m 2 , el
mdulo de Young habitual y el coefiente de seguridad 7 igual a 1,5. El catlogo es el de tubos
redondos huecos, vase la tabla 6.2. La comprobacin de estabilidad, la del captulo anterior,
ecuacin (6.1).
7.
139
1000 cm
Figura 7.1: Viga apoyada de canto constante

Los nmeros en itlica son los ndices de nudo, mientras que en negrilla se trata de los de barra
Resistencia
El dimensionado polinmico conduce a un volumen estructural de 59.918 Mpcm, el mismo resultado

que con una serie de dos recocidos (a igual a 10 y 20). vase la figura 7.2. Si se emplea un temple,
72.(400, 10, 1, 100, 0,1], la solucin no empeora mucho, un 0,0007% (el temple slo emple 10 ciclos
de los 400 previstos). La 'teora de'diseo' permite estimar con facilidad la cantidad de estructura
mnima: en' los cordones se requiere un mnimo de 41.563 Mp-cm, y en la celosa, 8.500 Mp-cm;
50.063 Mp-cm en total 5 . Este resultado permite estimar la penahzacin global (por catlogo y
pandeo) en 1,20 para este problema.
k > k >
k^
59917 6
59981
117321
109920
Figura 7.2: Dimensionados para la viga apoyada

De arriba abajo dimensionado por resistencia segn un algoritmo polinmico o un recocido estndar con
a 20; lo mismo pero con un temple, d = 0,1, dimensionado por resistencia y rigidez segn un algoritmo
exponencial en g; lo mismo resuelto por una serie incremental de recocidos El grueso de las barras es igual
a su rea (en la misma escala pero en centmetros cuadrados) El volumen estructural figura en Mp cm
Estos convenios se usarn en las siguientes figuras
Las expresiones son WM = 1,33M,A para la cantidad de estructura en los cordones, siendo M, el momento
isosttico de las caigas y A la proporcin, y W r = 4M,/sin20 para la cantidad de estructura en diagonales,-siendo
0 su ngulo con la horizontal, vase por ejemplo Cervera, 1993 108-109.
* \ ~* "
7. Dimensionado p t i m o de cerchas hiperestticas
140
Resistencia y rigidez
La mxima flecha para el dimensionado por resistencia es la del nudo 5, un descenso de 3,73 cm.
Un requisito de rigidez convencional exigira aqu flechas no mayores de 2 cm. La regla estndar
para un diseo rgido es sobredimensionar por un factor 3,73/2 el diseo seguro, lo que permite
estimar el volumen mnimo por rigidez en 59.918x3,73/2 = 111.998 Mp-cm. Naturalmente hay
que 'encajar' las reas as obtenidas en el catlogo, lo que podra exigir algn volumen adicional
(pero no mucho puesto que se parte de un diseo seguro ya penalizado). Como g = 19 no es muy
elevado, una aproximacin a la solucin ptima puede calcularse, pero sin catlogo, con el algoritmo
exponencial de aproximacin descrito en 7.1.1 (lo que es posible gracias al lento crecimiento de 29
en comparacin con S9). Partiendo de la solucin segura con catlogo ya obtenida, resulta entonces
otra estimacin del ptimo, que se sita en 109.213 Mp-cm, slo algo mejor que la regla estndar
(pero despus de analizar 524.287 combinaciones de las cuales 307.333 eran soluciones con todos
los Bl estrictamente positivos y, por tanto, localmente ptimas!). Encajando esta solucin en el
catlogo 6 el volumen sube hasta 117.321 Mp cm. Con un recocido estndar (a = 10) se obtiene
de inmediato una solucin con un volumen de 111.488 Mp-cm, algo mejor que la prediccin de la
regla estndar, pero al quinto recocido (a = 160) de una serie incremental de siete se encontr
algo un poco mejor an: 109.920 Mp cm. En este caso, todo est a favor de la regla estndar
por su sencillez bien puede 'pagarse' un incremento del 7% en volumen7. El ejemplo sirve como
confirmacin de la dificultad algortmica: el recocido rpido encontr algo mejor que el algoritmo
exponencial tras unas 20.000 evaluaciones, vase la figura 7.2. Tambin de la facilidad con que
la 'teora de diseo' resuelve el problema: tras un simple cambio de escala del diseo seguro la
solucin se sita ya muy cerca de la mejor encontrada. Ntese igualmente que de imponerse como
condicin la simetra del dimensionado, las diferencias entre las soluciones del recocido (que utiliza
la asimetra para lograr mejor ajuste) y de la 'teora de diseo' se reduciran.
7.4
Dimensionado 'hiperesttico'
Puede partirse del caso anterior, aadiendo una barra, un nudo y dos vnculos, de manera que el
problema es 'poco' hiperesttico de hecho una viga apoyada empotrada, vase la figura 7.3. El
material, catlogo y forma de comprobacin de la resistencia son los mismos que en el caso anterior.
-a|
1000 cm
3Mp
3Mp
3Mp
V
'
3Mp"
3Mp
F i g u r a 7.3: Viga apoyada e m p o t r a d a de canto c o n s t a n t e

Se trata de 'casi' la misma viga que en la figura 7.1, y son iguales los convenios de la representacin
Resistencia
La 'teora de diseo' permite, igual que antes, estimar la mnima- cantidad de estructura necesaria
para cada valor del momento de empotramiento, Me. Para valores comprendidos entre el momento
6
De forma polinmica, es decir, escogiendo para cada barra una seccin con rea superior a A, + B, e igual o
superior radio de giro que en el dimensionado inicial por resistencia, otras formas de encajar un dimensionado en un
catlogo pueden conducir a volmenes algo menores pero de nuevo se recae en un algoritmo 0(2g)
Sobre todo si se tiene en cuenta que la sola aceptacin del esquema representa ya un sobrecoste del 300% respecto
a la mnima cantidad de estructuia cuando existe total libertad en el diseo, como en el captulo anterior
141
isosttico de las cargas y 1,30 veces ese mismo valor, puede deducirse que la cantidad de estructura
oscila alrededor de 33.000 Mp-cm, situndose el ptimo terico (sin pandeo î catlogo) para 1,15
veces el isosttico 8 .
Para este problema, el temple ofrece en seguida una solucin con un volumen estructural de
43.000 Mp-cm, mientras que un recocido incremental ofrece algo ligeramente mejor: 40.823 Mp-cm
(con a = 20), vase la figura 7.4. La penalizacin global por pandeo y catlogo resulta ser de 1,24
respecto a la estimacin terica del mnimo, concordante en lo esencial con la obtenida en el caso'
isosttico. El momento flectof en el empotramiento es aproximadamente p2/6,8, sensiblemente
superior al de empotramiento perfecto 'clsico'; resulta muy notable la 'casualidad' de que este
valor coincida con el predicho por la 'teora' 9 .
43795 1
40823.4
59859.4
54010.8
Figura 7.4: Soluciones para la viga apoyada empotrada

De arriba hacia abajo: dimensionado por resistencia mediante temple rpido; lo mismo mediante un
recocido incremental, dimensionado por resistencia y rigidez mediante el algoritmo exponencial; lo mismo
mediante recocido incremental.
Resistencia y rigidez .
La flecha del mejor diseo por resistencia es de 2,74 cm en el nudo 4. La flecha admisible sigue siendo
2 cm, de manera que una estimacin del ptimo puede obtenerse mediante sobredimensionado uniforme: 40.823x 2,74/2?s55.900 Mp-cm. Como en el caso anterior puede emplearse la aproximacin
exponencial para, partiendo del mejor dimensionado seguro, obtener otra estimacin del ptimo
en 53.800 (tras 262.143 soluciones evaluadas, de las que 250.019 resultaron ser ptimos locales).
8
Esto plantea una dificultad, pues el diseo obtenido para cada Mc supuesto, puede conducir o no a ese valor
de M c tras el anlisis, puesto que se deduce como si la estructura fuera isosttica As, por ejemplo, para que el
momento de empotramiento sea M'c = p 2 /8, los cordones deben ser uniformes y no considerarse la deformacin de
la celosa (inercia constante de la viga), condiciones que no se satisfacen en el clculo de la cantidad de estructura
mnima.
Este siglo parece estar plagado de estas 'casualidades'. As, uno de los ms aventajados discpulos de Boltzmann,
Svante Arrhenius, calcul con lpiz y papel en el siglo pasado que, de seguir como entonces el creciente consumo de
energa 'fsil', la temperatuia media del planeta habra de aumentar a largo plazo ms de cuatro grados A idntica
conclusin llegaron los estudios propiciados por la administracin de los EEUU (programas de la NASA y de la KSF),
pero necesitando para ello decenas de cientficos y unas cuantas supercomputadoras, cf Atkins, 1984 124.
7.
142
Encajando polinmicamente esta solucin en el catlogo, se obtiene un diseo con un volumen estructural de 59.859 Mp-cm. Un recocido incremental ofrece un diseo mejor de 54.011 Mp-cm (tras
2.329.60Q evaluaciones, aunque en el recocido rpido a = 10 la solucin encontrada era slo un
4% peor 56.225 Mp-cm y 'cost' 27.000 evaluaciones, siendo de todos modos mejor que la del
algoritmo exponencial). Una vez ms el recocido muestra mejor aproximacin y eficacia, mientras
que la regla estndar de sobredimensionado uniforme introduce una penalizacin adicional del 3%
en el diseo. El momento de empotramiento ptimo se situ en pi2/6,9.
7.5
U n caso histrico
La solucin del dimensionado de cerchas hiperestticas ha sido objeto de atencin en varias ocasiones (cf. Khot et Berke, 1984; Galante et Cerrolaza,' 1993). Los algoritmos de aproximacin han
conseguido resolver casos con dimensionado continuo y con requisitos de seguridad ms simples que
los considerados aqu del tipo de la ecuacin (6.2). Los derivados de criterios de optimidad
son sospechosos de complejidad temporal exponencial (mientras no se demuestre lo contrario), aun
cuando sean rapidsimos en numerosos casos de prueba.
Con un algoritmo gentico (Galante et Cerrolaza, 1993) se han obtenido buenas soluciones con
catlogo discreto y dimensionado con pandeo ecuacin (7.9). En todos los casos, la estructura
de la figura 7.5, fue tomada como referencia. En todos los casos se impone la condicin de que el
dimensionado sea simtrico, lo que reduce los grados de libertad g a 25 desde el mximo terico de
49.
En el trabajo citado, adems de obtener soluciones con dimensionado continuo, se efectuaron
pruebas con un total de 64 "perfiles tubulares fabricados por altos hornos de Vizcaya" (sic). Desafortunadamente tales perfiles no estn documentados y su nmero total no me ha permitido
identificarlos. En lo que sigue se usarn tres catlogos 'base' distintos, el de tubos redondos ya
utilizado (tabla 6.2), uno de tubos cuadrados (tabla 7.2) y otro de tubos formados mediante la
unin de dos perfiles UPN (tabla 7.3), segn los datos del manual de ENSIDESA 10 .
Resistencia
Aunque sera posible aplicar aqu la 'teora de diseo' para estimar la cantidad de estructura
ptima por resistencia, es innecesario pues se cuenta con conjeturas obtenidas mediante otros
algoritmos, vase la tabla 7.4. La conjetura ms plausible11 es la 1, con un peso de 1.234,87
lbs, es decir, un volumen estructural de 265.783 Mp-cm cuando el dimensionado es continuo. Para
estimar la influencia del catlogo de tubos redondos se encaj est solucin mediante procedimientos
'manuales', obtenindose un diseo12 de tubos con un volumen estructural de 381.800 Mp-cm.
El procedimiento es como sigue:
1. Para cada grado de libertad, se transforma el rea del diseo inicial en una compresin, multiplicando
por ffc;y se busca secuencialmente en el catlogo la seccin segura de rea mnima.
2. El diseo de tubos resultante se analiza: si resulta seguro se trata del diseo buscado que debe ser
'bueno' pero no necesariamente ptimo. Si no es seguro, se procede con el siguiente paso:
3. Se busca la barra con mayor tensin absoluta y se redimensiona mediante una bsqueda secuencial en
el catlogo. Se procede con el paso anterior.
10
Manual para clculo de estructuras metlicas Madrid Empresa Nacional Siderrgica, 1982.
El diseo 2, obtenido mediante un algoritmo gentico, es a mi entender inseguro: mientras que el diseo 1 presenta
deformaciones absolutas menoresque el 0,17%, en el diseo 2 se alcanza en alguna barra deformaciones del orden de
0,184% que corresponden a tensiorfes de 3,86 Mp/cm muy superiores al lmite elstico En ese algoritmo se utilizaron
tcnicas de 'penalizacin' (como las descritas en 7 2 3), con un exponente o igual a la unidad, y quiz a ello se deba
que el diseo resultante sea inseguro. La solucin 1, por otra parte, fue comprobada de manera independiente por
Adeli et Kamal, 1991.
^Significativamente mejor que el proporcionado-por el algoritmo gentico (diseo 4 en la tabla 7 4), aunque puesto
que no se sabe cul fue el catlogo utilizado en este ltimo caso, la comparacin puede no tener sentido
11
7.
TI*- 127cm-j|
>0
-Jf
254cm
j|
254cm
12
j|
14-
1016cm
143
254cm
af- 127cm-3J
(6
j-
Figura 7.5: Prtico hiperesttico

Se reproduce la figura tal y como aparece en la literatura, pero traduciendo las unidades y ajustando la
representacin a los convenios utilizados con anterioridad. La estructura se analiza bajo tres hiptesis de
carga: la hiptesis 0 incluye las cargas verticales (15 kips cada una); la 1, las horizontales (11 kips cada
una); y la 2, es'tas ltimas cambiadas de signo. El material empleado es un acero con E =2.100Mp/cm2
(30xl0 6 psi) y ffc = 3,52Mp/cm2 (50.000 psi) con un peso especfico de 7,42 p/cm3 (0,268 lb/in3) El
coeficiente de seguridad bsico 7 es la unidad (se trata por tanto de un ejemplo terico, no representativo
de situaciones de proyecto). Se exige que el dimensionado sea simtrico.
El procedimiento es totalmente heurstico y como en cada redimensionado se aumenta el volumen estructural, acaba por obtenerse un diseo aceptable en un impredecible nmero de pasos, aunque en este caso
slo se produjeron ocho diseos intermedios incluyendo el ltimo y definitivo.
Mediante recocido incremental se investigaron seis catlogos distintos: tubos redondos, cuadrados y 2UPN en cajn, ms los tres que resultan de aadir una seccin de rea nula a estos tres, lo
que permite reducir el nmero de barras efectivas y, en consecuencia, el grado de hiperestaticidad
de la estructura, vase la figura 7.6. La mejor solucin (la 5 en la tabla 7.4)'corresponde al catlogo
de tubos redondos (un hecho bien conocido en la 'teora de diseo') cuando, adems, se eliminan
dos barras y la hiperestaticidad se reduce (esto estaba sugerido en el diseo 1, en el que la seccin
3 tena el rea mnima permitida en el clculo) con un volumen estructural de 366.028 Mp-cm. La
penalizacin global (pandeo y catlogo) puede estimarse en 366.028/265.783=1,38. La educcin
obtenida respecto al diseo 'manual' es de un 4%, mientras que la eleccin del catlogo puede
significar un aumento del 90% (2UPN versus tubo redondo).
7.
D i m e n s i o n a d o p t i m o d e cerchas h i p e r e s t t i c a s
368092
144
/ s
377761
/iwwvyK
r^fc
/
767335
696766
F i g u r a 7.6: D i m e n s i o n a d o d e un p r t i c o r e s i s t e n t e
De arriba hacia abajo: soluciones mejores para los catlogos de tubo redondo (tabla 6.2), de tubo, cuadrado
(tabla 7.2), y de 2UPN en cajn (tabla 7.3). A la izquierda, sin considerar la supresin de barras; a la
*
derecha, considerndola.
7.
145
Tabla 7.2: Tubos cuadrados huecos

ndice
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Denominacin A (cm2,)
# 40x2
2,90
#40x3
4,13
#40x4
5,21
#45x2
3,30
#45x3
4,73
# 45x4
6,01
# 50x2
3,70
# 50x3
5,33
# 50x4
6,81
# 55x2
4,10
# 55x3
5,93
# 55x4
7,61
# 60x2
4,50
' 6,53
# 60x3
#60x4
8,41
#60x5
10,14
# 70x2
5,30
#' 70x3
7,73
# 70x4
10,01
# 70x5
12,14 ,
# 80x3
8,93,
#80x4
11,61
r (cm)
1,53
1,48
1,42
1,74
1,68
1,63
1,94
1,89
1,83
2,14
2,09
2,04
2,35
2,30
2,24
2,19
2,76
2,71
2,65
2,60
3,11
3,06
ndice Denominacin
, 22
#80x5
23
#80x6
24
#90x3
25
# 90x4
26
#90x5
27
# 90x6
28
# 100x3
29
# 100x4
30
# 100x5
31
# 100x6
32
# 120x4
33
# 120x5
34
# 120x6
35
# 140x5
36
# 140x6
37
# 140x8
38
# 160x5
39
# 160x6
40
# 160x8
41 . # 170x5
42
# 170x6
43
# 170x8
A (cm2) r (cm)
14,14
3,01
16,52
2,95
10,13
3,52
13,21
3,47
16,14
3,42
18,92
3,36
11,33
3,93
14,81
3,88
18,14
3,83
21,32
. 3,77
18,01
4,70
22,14
4,64
26,12
4,59
26,14
5,46
30,92
5,41
40,04
5,30
30,14
6,28
35,72
6,23
46,44
6,12
32,14
6,69
38,12
6,64
49,64
6,53
Tabla 7.3: Dos perfiles U P N soldados en cajn

ndice
Denominacin
2UPN80
2UPN100
2UPN120
2UPN140
2UPN160
2UPN180
A (cm2)
22,0
27,0
34,0
40,8
48,0
56,0
r (cm)
3,10
3,75
4,21
4,59
5,03
5,47
ndice
6
7
8
9
10
11
Denominacin
2UPN200
2UPN220
2UPN240
2UPN260
2UPN280
2UPN300
A (cm2)
64,4
74,8
84,6
96,6
107
118
r (cm)
5,89
6,29
6,72
7,12
7,49
7,86
Resistencia y rigidez
Un requisito convencional de rigidez exige desplazamientos horizontales menores que 2,03 cm y
flechas no mayores que 1,52 cm en el dintel. El mejor diseo seguro (con tubo redondo) presentaba
desplazamientos horizontales de 9,64 cm bajo la accin de las cargas horizontales. La regla de redimensionado estndar 13 estima el volumen estructural necesario por rigidez en 366.028x9,64/2,03
1.740.000 Mp-cm. Desde luego es necesario ampliar el catlogo, pues las secciones necesarias
superan ampliamente la del mayor tubo redondo. El recocido incremental se realiz con un catlogo combinado de tubos cuadrados *y 2UPN en cajn y con este mismo catlogo ampliado con una
seccin de rea nula, vase la figura 7.7. La mejor solucin (la 6 en la tabla 7.4) corresponde al
ltimo catlogo, y se suprimen dos.barras (pero la posicin de las 'articulaciones' cambia respecto
al mejor diseo seguro). Tiene un volumen de 1 750.050 Mp-cm, un 1% superior a la estimacin
Aqu ya no os posible utilizar el algoritmo exponencial pues aunque el nmero de giados de libeitad es slo
ligeramente superior al de los casos anteriores (25 versus 20), con la mejor mquina do que dispona hubiera tenido
que esperar algo ms de un ao para ver los rebultados.
7.
146
Tabla 7.4: Soluciones para el prtico hiperesttico

La solucin 1 la citan Khot et Berke, 1984. La solucin 2, obtenida mediante un algoritmo gentico, se
debe a Galante et Cerrolaza, 1993. En ambas no se considera ni catlogo ni pandeo. La solucin 3 se
obtuvo 'manualmente' partiendo de 1 e incluye pandeo y catlogo de tubos redondos, al igual que las
siguientes. La solucin 4 se debe tambin a Galante et Cerrolaza, 1993; la transcribo literalmente ya que
no he sido capaz de interpretarla. Finalmente, la 5 y la 6 se obtuvieron mediante recocido, tal y como se
"explica en el texto. El ndice g de cada grado de libertad puede interpretarse tambin como ndice de
barra, siendo el dimensionado, para las barras que no aparecen, igual al de sus simtricas.
Solucin
1
2
3
' 4
5
6
A (cm2) A (cm2) A (cm2) r (cm) Perfil (mms.) A (cm2) r (cm) A (cm2) r (cm)
9= 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23,
24
P (lbs.)
W (Mp-cm)
33,4657 29,6064
19,2722 18,8709
6,6064
7,9174
1,4877
0,6452
24,2774 21,4709
9,8774
11,5032
2,2864
2,1445
6,8000
5,529
5,529
6,0290
10,0387
11,04
8,4193
9,0329
10,1806
9,0329
8,3355
7,0251
6,8000
7,0251
4,6832 ,
5,0181
5,0181 ' 5,1787
6,2761
6,5355
5,8645
6,5161
5,7050
6,5161
2,0923
2,4671
2,7645
3,0361
3,3955
3,8245
3,6613
4,1058
2,1026
1,9548
1,9548
2,1710
1234,87
1199
265.783
36,55
23,55
12,058
6,406
30,615
15,198
4,898
7,253
7,253
14,915
12,058
12,058
9,137
9,137
7,253
7,253
8,195
8,195
8,195
4,584
6,782
8,915
6,311
3,956
3,642
6,862
5,306
3,397
1,809
6,897
4,28
2,759
2,724
2,724
3,363
3,397
3,397
3,431
3,431
2,724
2,724
3,078
3,078
3,078
2,582
2,548
3,078
2,371
2,229
2,052
381.800
419x3.6
298.5x3.2
133x2.9
108x2.3
323.9x3.6
168.3x3.2
88.9x2.3
168.3x3.2
168.3x3.2
139.7x3.2
152.4x3.2
193.7x3.2
139.7x3.2
139.7x3.2
133x2.3
114.3x2.3
159x3.2
152.4x3.2
139.7x3.2
108x2.3
133x2.6
114.3x2.3
88.9x2.3
108x2.3
82.5x2.3
2282
491.000
36,55
26,69
14,915
6,862
6,013
3,363
118
118
48
11,33
118
74,8
30,615 6,897
18,84
4,246
4,898
2,759
6,311
2,371
6,311
2,371
14,915 . 3,363
12,058 3,397
12,058 3,397
9,137
3,431
9,137
3,431
2,724
7,253
2,724
7,253
2,724
7,253
2,724
7,253
2,724
7,253
4,27
2,405
2,759
4,898
8,195
3,078
4,27
2,405
3,328
1,875
1,875
3,328
366.028
0
56
49,64
64,4
64,4
64,4
56
49,64
38,12
40,04
64,4
64,4
64,4
18,01
38,12
8,93
27
26,12
32,14
7,86
7,86
5,03
3,93
7,86
6,29
0
5,47
6,53
5,89
5,89
5,89
5,47
6,53
6,64
5,3
5,89
5,89
5,89
4,7
6,64
3,11
3,75
4,59
6,69
1.750.050
anterior
7.6
Conclusin
A pesar de la dificultad del problema de dimensionado (que puede medirse tanto por la estructura
combinatoria'del problema, como por el esfuerzo investigador que se leba dedicado), se "trata de un
problema 'fcil' desde el punto de vista del recocido: considerando, por ejemplo, el caso del prtico,
de 10 casos del problema analizados en detalle, en 4 el recocido rpido de la serie (a = 10) dio con
la solucin mejor; y en todos menos.uno, la primera solucin mejor slo superaba a la mejor de la
serie en menos de un 3%; en el caso anmalo el error fue de un 11%.
Este problema no parece aadir 'dificultad' al problema de cerchas isostticas, de manera que,
cabe esperar, el de cerchas hiperestticas pueda ser resuelto mediante este algoritmo utilizando las
tcnicas desarrolladas en ste y en el anterior captulo.
4
En Khot et Berkc, 1984:73 se encuentra otra solucin con dimensionado continuo sin pandeo y con un requisito de
rigidez menos exigente, un lmite de 6,61 cm para todos los desplazamientos El peso es de 2 390 Ib, es decir, 514 000
Mp cm. A partir de este diseo terico se obtiene otra estimacin para el caso aqu analizado de 1.700 000 Mp cm,
en todo concordante con la anterior y la solucin encontrada.
7.
Dimensionado ptimo de cerchas hipefestticas
147
F i g u r a 7.7: Dimensionado de un prtico resistente y rgido

Se emple el catlogo que resulta de aadir a los tubos cuadrados (tabla 7.2) los tubos formados con perfiles
UPN (tabla 7 3) En la solucin derecha se permiti la supresin2 de barras, al contrario que en la izquierda
El espesor de las barras es, medido en la misma escala y en cm -, la mitad del rea de la seccin necesaria
Resumen
El problema admite una descripcin bastante simple, pero se ha mostrado su intrnseco carcter
combinatorio lo que juega a favor de su presunta intratabilidad. Ello no es bice para que diversos
algoritmos esencialmente exponenciales muestren un comportamiento eficaz en una importante
porcin de los problemas de prueba, aunque en condiciones muy simples (dimensionado continuo
sin pandeo).
El recocido del dimensionado es, en correspondencia al planteamiento del problema, el ms
simple de los examinados: una nica jugada (el cambio al azar en la seccin de una barra) da
cuenta por s sola de la exploracin del espacio. El algoritmo genrico hace el resto.
Los problemas planteados exigen resistencia (incluyendo estabilidad de barras comprimidas),
rigidez y dimensionado segn catlogo, de manera que se acercan en cierta medida a la prctica
profesional corriente.
En el diseo de vigas y cuando el dimensionado es isosttico y slo se exige resistencia, el recocido
suministra la solucin correcta (que puede obtenerse polinmicamente). Si se exige adems rigidez,
el recocido encuentra soluciones mejores que la aproximacin mediante un criterio de optimidad y
que la 'teora de diseo'. Si la viga es hiperesttica la conclusin es esencialmente la misma, aunque
ahora se desconoce la solucin ptima.
Para problemas de mayor tamao algortmico y mayor complejidad estructural, el recocido
iguala en calidad el diseo 'manual' a partir de una solucin terica (por criterio de optimidad),
poniendo de relieve hechos bien conocidos en la 'teora de diseo', como la importancia de una
correcta eleccin del catlogo para cada caso de un problema.
Todos los problemas planteados tienen un carcter terico indudable: en casos prcticos el
nmero de grados de libertad tiende de un modo natural a reducirse, pues en general se exigirn
barras que compartan el mismo dimensionado, en vez de que cada una tenga el propio De esta
forma, los problemas planteados aqu son 'caso peor' para el recocido lo que permite concluir
que su eficacia no se ver comprometida sino aumentada en casos de la vida real, a la vez que,
presumiblemente, las diferencias entre los resultados del algoritmo y de aquellos otros sugeridos
por la 'teora de diseo1 disminuirn.
/";
^ - - , " J. n -r r
Captulo 8
Conclusin
La esperanza de que la expansin del podero material y espiritual del hombre haya de constituir siempre un progreso, se ve constreida por. limitaciones
ciertas [... ] y los riesgos crecen en la medida en que la ola de optimismo, impulsada por la fe en el progreso, se obstina en combatir contra aquellos lmites
[... ] La expansin [...] de su podero material, ha colocado a la humanidad en
el predicamento de un capitn cuyo buque est construido con tanta abundancia de acero y hierro que la aguja de su comps apunta slo a la masa frrea del
propio buque, y no al Norte. Con un barco semejante no hay modo de poner
proa hacia ninguna meta; navegar en crculo, entregado a vientos y corrientes.
Pero [... ] el riesgo subsiste slo en tanto que el capitn ignore que su comps
ha perdido la sensibilidad para la fuerza magntica de la Tierra En el instante
en que este hecho se pone al descubierto, una buena mitad del nesgo se esfuma,
ya que el capitn que no quiere dar vueltas al azar, sino alcanzar [una meta],
podr adoptar otra forma ms moderna de comps, insensible a la masa del
buque, o podr orientarse por las estrellas, como en antiguas pocas.
Werner Heisenberg
Comprese la teora elstica finamente trabajada, cristalina pero carente de colorido, de las conferencias de Kirchhoff, con la teora realista dada por Thomson
en el tercer volumen de sus Ensayos matemticos y fsicos, que no trata de cuerpos ideales elsticos, sino de acero, caucho, cola, o con el lenguaje, a menudo
infantil e ingenuo, de Maxwell, que mediante frmula da un mtodo efectivo
para limpiar manchas de grasa.
Ludwig Boltzmann
A lo largo de las pginas anteriores, se ha puesto a prueba la conjetura enunciada al principio

de esta tesis:
El recocido simulado es un algoritmo automtico que permite calcular respuestas muy
cercanas a las correctas para preguntas acerca de valores ptimos de las estructuras.
P a r a ello, se fij en el captulo 1 el significado y alcance de los conceptos corrientes de la teora
de estructuras. En particular, se examinaron los distintos tipos de problemas que, respecto al
proyecto de una estructura mecnica,,la teora pretende resolver. En conclusin, todos ellos pueden
esolverse si existe un mtodo de solucin para el problema, ms general, de optimacin d una
funcin real de variables 'formales', sobre las que no se impone a priori ninguna restriccin, salvo
la condicin de que su estructura y procesamiento numrico puedan ser precisados con exactitud.
Optimar significa, en general, minimar el 'coste' o maximar la 'calidad' de la solucin (el negativo
del 'coste'). Pero para este problema general no existe tal mtodo de solucin, tan slo mtodos
8.
Conclusin
149
que permiten aproximaciones de menor 'calidad' respecto a la solucin 'ptima' que es, en general,
desconocida.
La 'teora de diseo'
En ese mismo captulo se subray el significado de la 'teora de diseo' como parte de la teora
general, en tanto que, consciente del carcter intrnsecamente aproximado de los clculos, pone el
acento en la imagen geomtrica del problema y de sus soluciones lo que le permite, cuando tiene
xito, no apartarse en exceso de la naturaleza 'real' del problema de construir objetos; aunque
ella misma slo trata con el problema, en apariencia ms simple, de proyectarlos imaginariamente.
Debe entenderse bien que, aunque la 'teora' no est formalizada y es, por tanto, difcil definirla, se
trata de una disciplina especfica, distinta del anlisis o de la optimacin de estructuras; como dijo
Cross (1936): "Existe a menudo confusin en como debe usarse el anlisis en el diseo estructural.
El diseador comprende pronto que la precisin es intil en algunos casos e importante en otros; y
el diseador experimentado [del mismo modo] comprende claramente que el anlisis convencional
es una gua pobre para alcanzar proporciones adecuadas..."
Resolucin de problemas
La resolucin de un problema tiene tambin un 'coste' o, si se prefiere, puede medirse tambin la
'calidad' o 'eficacia' de cada mtodo de resolucin. En el captulo 2 se examin superficialmente
la teora de la NP-complecin, cuyo objetivo es establecer medidas formales de cualquiera de las
dos magnitudes. Aunque la teora permanece 'abierta' en un buen puado de asuntos, la 'eficacia'
de los algoritmos que resuelven problemas puede medirse con bastante generalidad observando
la complejidad funcional del 'tiempo' que tardan en resolverlos en relacin al 'tamao' del caso
resuelto. Esta medida, la complejidad temporal, permite clasificar tanto los algoritmos como los
problemas. En particular, se examin con algn detalle el'problema del viajante de comercio,
ejemplo paradigmtico del problema general de optimacin enunciado en el captulo anterior. Este
problema puede resolverse, pero con un coste prohibitivo, de manera que, en la prctica, slo
se aspira a aproximarse a la solucin ptima, mediante algoritmos de aproximacin cuya eficacia
sea mayor (o su complejidad temporal esencialmente menor) que el algoritmo de resolucin. Este
ltimo, la bsqueda exhaustiva, es un algoritmo muy simple y universal, y representa el mnimo de
eficacia que debe requerirse a cualquier otro algoritmo de resolucin, adems de ser una referencia
que debe significativamente mejorarse por cualquier otro algoritmo, de aproximacin, pues si as
ocurre, la peor calidad de las aproximaciones se compensa con la menor complejidad para obtenerlas.
El algoritmo de recocido cumple este 'mnimo', y slo en virtud de ello merece lacena investigarlo.
Recocido simulado
Puesto que el recocido simulado de problemas nace como una analoga basada en las ecuaciones
de la termodinmica estadstica, en el capitulo 3 se examin de forma bastante prolija todas las
tcnicas relacionadas. En particular, se puso nfasis en el hecho'de que el problema general de
la termodinmica es un problema de maximacin y, por tanto, de optimacin; aunque se trata de
un problema ms arduo que el examinado en el captulo anterior (por ello, mejor es denominarlo
problema de distribucin). Se resuelve, sobre el papel, mediante el mtodo de los multiplicadores
de Lagrange, adquiriendo uno de los multiplicadores el significado de 'temperatura'. De este modo,
la temperatura (ms all de su significado corriente) adquiere, a su vez, la funcin de indicador
estadstico de la 'profundidad' alcanzable en la exploracin del espacio de las soluciones para el
problema, ms simple, de minimar la energa. Si la temperatura es alta, todo el espacio es accesible.
Por el contrario, si es baja, slo lo son las regiones cercanas a aquellos lugares en que la energa es"
mnima. A la vista de ello, es posible imaginar que la temperatura, y las ecuaciones fundamentales
de la termodinmica, pueden ser tiles para resolver problemas de minimacin genricos. Las
tcnicas para ello toman por modelo las de la propia termodinmica estadstica: mtodo de Monte
8.
Conclusin
150,
Cario, algoritmo de Metrpolis, procesos de Markov, etc. El objetivo, en esencia, consiste en simular
dos 'tensiones' contrapuestas a lo largo de la exploracin:
1. La segunda ley, o ley de la entropa, asegura que cualquier sistema aislado del resto del
universo, mantenido a temperatura constante y libre para evolucionar al azar, acaba por
llegar a un estado de equilibrio en el que se puede alcanzar Cualquier estado con una cierta
probabilidad regida por la temperatura. Esto significa que, si el valor de esta ltima lo
permite, cualquier estado de energa ocalmente ptima (y, en particular, el estado absoluto
de mnima energa o estado ptimo) ser abandonado. Esta tendencia asegura la 'exploracin'
de la totalidad del espacio si la temperatura es suficientemente alta.
2. Si el sistema se enfra, esto es, si se extrae de l energa, y adems tal enfriamiento es
suficientemente lento, el sistema acabar por situarse cerca o en el estado ptimo, de energa
mnima.
Para mantener la primera tendencia se detallaron las tcnicas necesarias: algoritmo de Metrpolis y
transformacin de distribuciones de probabilidad. Para la segunda, se especific una interpretacin
general de la temperatura o funcin caracterstica, as como las condiciones de su disminucin que,
al menos empricamente, aseguran su descenso sin entrar en conflicto con la primera tendencia.
Slo despus de todo ello es posible definir de manera formal la forma concreta del algoritmo que
se emplear seguidamente (de manera informal ya fue descrito al principio del trabajo).
Hasta aqu (salvo algn asunto de menor importancia), el material es 'ciencia consolidada' y
nada hay de original en ello. La tesis propiamente dicha comienza en el captulo 4 y sigue hasta el
final.
Entre los captulos 4 y 7, se han abordado distintos problemas de optimacin en teora de
estructuras que, en conjunto, abarcan un amplio espectro. Aunque todas las funciones son reales
y escalares, la variable independiente o 'configuracin' adopta variopintas formas: funciones reales
(captulo 5); variables enteras con rango finito (captulos 4, 6 y 7); variables combinatorias y
variables cuyo 'tamao' es, a su vez, variable (captulo 6); o una mezcla de las anteriores categoras.
De la misma forma, las restricciones sobre la configuracin incluyen situaciones diversas: lmites
extremos, restricciones variables para cada configuracin (captulos 4 y 6), o los requisitos clsicos
de resistencia y rigidez. La funcin a minimar es siempre una suma (lo que no supone una restriccin
de importancia, habida cuenta de que una gran "variedad de funciones pueden reducirse a sumas
mediante transformaciones convenientes), pero en general los distintos sumandos pueden agruparse,
de tal manera que el criterio de optimidad para cada grupo puede derivarse sin dificultad. Tales
criterios son conflictivos entre s, de manera que su conocimiento no sirve para predecir la situacin
del ptimo global, caracterizado por ser una solucin de compromiso entre ellos. Tales conflictos
son especialmente evidentes en los captulos 4 y 5.
^ Para el recocido de los diversos problemas se ha mostrado como construir el algoritmo de
Metrpolis (o un algoritmo equivalente), lo que proporciona una variedad de tcnicas acorde con
la variedad de definiciones funcionales (incluyendo el uso alternativo de orculos o profetas y muy
diversas transformaciones de probabilidades). Adems, se ha visto que para la disminucin de la
temperatura puede adoptarse un formato muy general, con independencia del problema considerado
y sin comprometer la utilidad de los resultados.
En definitiva, para los diversos problemas planteados, la conclusin siempre ha sido que:
1. Es posible construir el algoritmo de manera que su complejidad temporal sea polinmica; con
tal propsito, adems, puede partirse de la formulacin 'natural' del problema, sin que sea
necesario transformarlo.
2. En aquellos casos en que se conoca una solucin o apioximacin, se ha comprobado la excelente 'calidad' de las soluciones 'encontiadas' por el algoritmo. En aquellos otros en los que
no se conoca una solucin, las obtenidas ahoia pueden 'explicaise' mediante aigumcntos de
8.
Conclusin
151
la 'teora de diseo'; esto, junto a la 'estabilidad estadstica' de los resultados, permite conjeturar que las nuevas soluciones son bastante buenas, si es que no son ct;'astp*timas (salvo las
excepciones sealadas en el captulo 6).
En consecuencia, la conjetura inicial puede adoptarse como hiptesis a partir de ahora, con lo que
se remata este trabajo en lo que se refiere a su objetivo principal: en adelante, el recocido simulado
podr incluirse en el repertorio de mtodos de la optimacin de estructuras, con, esencialmente,
igual grado de Habilidad.
Cabe, de todos modos, hacer un sucinto balance de las caractersticas 'crticas' del algoritmo,
as como enunciar otras conjeturas sugeridas por los resultados de la investigacin.
C o n c l u s i o n e s laterales'
Puesto que el algoritmo es 'universal', polinmico y 'robusto', siempre es de aplicacin a cualquier
nuevo problema que se aborde, y las soluciones obtenidas sern buenos indicadores de la regin
ptima. Sin embargo, muchas de sus realizaciones prcticas, actualmente, sern consideradas 'culturalmente' como lentas o impracticables, tal es el caso de las del captulo 6, dado el elevado grado
del polinomio que acota la complejidad temporal. An en tales casos el algoritmo ser til, si se
considera la resolucin del problema real.
Para ver esto, volvamos, por un momento, al principio, al lenguaje del captulo 1. Los problemas
reales 'tienen' soluciones reales, pero aqu estamos interesados en resolverlos imaginariamente y con
anticipacin, en 'proyectar' las soluciones. Para ello, y a la vista de la complejidad de la tarea, el
uso de mquinas automticas es coyunturalmente una 'necesidad'. Esto plantea un problemas ms
amplio o, mejor, un metaproblema: cmo formular matemticamente los problemas reales que ni
siquiera estn completamente formalizados en el lenguaje corriente? De nuevo, no se cuenta con
mucho ms que la prueba y el error. Una funcin objetivo es, en cierta forma, la metasolucin
por la que se apuesta para el metaproblema. Pero no resulta fcil predecir todas las consecuencias
de tal funcin, sobre todo a medida que la complejidad del espacio de bsqueda aumenta, (tal y
como se vio en el captulo 6, en lo que respecta al volumen estructural con catlogos disparatados).
La 'relativa' robustez del recocido, a pesar de su 'cultural' lentitud, permite poner a prueba cada
eleccin de la funcin objetivo (considerada como metasolucin), mediante el expediente simple de
observar si las soluciones 'mejores' resultantes gozan de las mismas propiedades que las soluciones
reales. Si no es as, el metaproblema es an encontrar una funcin objetivo que capture lo esencial
del problema real. De esta forma, la tcnica puede ser de mucha ayuda en aquella parte de la teora
de estructuras interesada en dar forma algebraica al problema de proyectarlas. Una vez pueda
convenirse una funcin objetivo para cada problema real, otras tcnicas podrn quizs conducir a
algoritmos an ms eficaces para la aproximacin del problema.
La forma algebraica no es la nica alternativa. Por el contrario, la 'teora de diseo' pone el
nfasis en la naturaleza geomtrica de los problemas. Y como se ha visto, en aquellos casos en que
la funcin objetivo no est en duda, tal y como ocurre en los problemas abordados en los captulos 4
7, por poner dos ejemplos, la concordancia de los resultados de la 'teora' con los del recocido es
excelente. Esto merece una explicacin, que es adems bastante simple. Recurdese que el origen es
un problema real que tiene que ver con construcciones reales, mientras que el metaobjetwo consiste
en conseguir una imagen que capture las propiedades que apreciamos en las construcciones mediante
un objetivo verificable. Pues bien, el gran acierto de la 'teora de diseo' reside en comprender que
los esquemas estructurales 'mejores'-pueden incluirse directamente en la solucin imaginada, pues en
muchos casos, son bien conocidos o no pueden elegirse. De este modo, se incorporan propiedades
cuya definicin matemtica parece., hoy por hoy, imposible. Operando as, las variables quedan
reducidas notablemente y tan slo dos de ellas, la proporcin y el tamao geomtrico, dan cuenta
de una parte sustancial de la solucin. Queda el dimensionado, en realidad un conjunto grande de
variables. Pero aqu, una vez ms, la 'teora' consigue icducirlas a unas pocas (mediante conceptos
como el de dimensionado estiieto, etc.). Para tan pocas variables, objetivos algebraicos simples
permiten capturar las propiedades de inters y la solucin al problema eal 'proyectarse' con una
, <=.
8.
Conclusin
152
excelente calidad. La objecin, obvia, es la falta de formalidad y precisin de la 'teora'; pero

tales carencias, al menos a la vista de los resultados incluidos aqu, no impiden alcanzar resultados
tan 'buenos' como los del recocido u otros algoritmos. Hay una ventaja adicional: ahora muchas
operaciones para la bsqueda de soluciones son geomtricas y se 'conectan' con mayor naturalidad
al problema real. El recocido puede ser de ayuda a la 'teora de diseo', si se desea contrastar las
conclusiones de esta ltima con objetivos algebraicos ms complejos que alcancen a capturar lo
esencial de cada problema real, supuesto que la idoneidad de stos ha sido ya comprobada, tal y
como se coment.
Son los problemas de optimacin de estructuras intratables? Se han dado en estas pginas
variados argumentos acerca de la imposibilidad de encontrar algoritmos' polinmicos para su solucin, al menos mientras tales algoritmos no se encuentren para otro tipo de problemas ms simples
y abstractos, como el del viajante de comercio. Aunque los argumentos no constituyen ninguna
demostracin formal, la conjetura merece cierto crdito. Se ha visto que, en casi todos los casos,
sus soluciones son verificables en tiempo polinmico, de manera'que no sern ms difciles que
aqullos que, como el problema del viajante, son calificados como probablemente intratables. Pero
la creencia ms extendida es que estos ltimos son verdaderamente intratables, es decir, pueden ser
resueltos (mediante la simple bsqueda exhaustiva universal, tal y como se explic en el captulo 2)
pero la obtencin de la solucin requerir, en general, una cantidad de tiempo tan grande, que su
solucin queda fuera de nuestro alcance. En tal caso, slo queda obtener aproximaciones.
De hecho, hay una cierta 'inflacin' de mtodos de aproximacin (y esta tesis y el recocido
simulado contribuyen, sin duda, todava ms a ella). Quizs navegamos en crculo alrededor de un
problema, el de aproximar, bastante alejado del original, construir del mejor modo posible. Por
el camino, parece que hubiramos perdido la nocin de qu es lo mejor. La 'teora de diseo', de
antiguo uso, permite en cierto modo 'orientarse por las estrellas'. Para idear un 'nuevo comps'
har falta convenir unos cuantos algoritmos para 'aproximar', de manera que la atencin pueda
volver al problema original que, en disciplinas como la arquitectura y la ingeniera, es siempre el
proyecto y la construccin de objetos, y en las que el resto de saberes se entienden mejor como
herramientas para dicho objetivo, sin que por ello se los minimice de ningn modo 1 .
Cabos sueltos
Como se ha visto, la incertidumbre acerca del mundo que nos rodea aumenta incesantemente.
Tambin esta investigacin habr contribuido a ese aumento, pues si bien podr haber ilustrado la
respuesta a algunas preguntas, plantear, probablemente, muchas otras, nuevas. Puesto que no es
posible 'atar todos los cabos', convendr, al menos, sealar los que estn sueltos y son ms gruesos.
El algoritmo de recocido visto hasta aqu, es una versin ingenua que no pretende tocar todos los
resortes de la teora, algunos de los cuales se han sugerido en el captulo 3. Existen temperaturas
crticas en los problemas estudiados, es decir, temperaturas alrededor de las cuales el sistema estudiado cambia de una fase de 'configuraciones' aleatorias a otra de configuraciones 'estructuradas',
muy cercanas a la ptima? Si as fuera, el recocido de 'fuerza bruta' aqu empleado podra sustituirse par dos enfriamientos muy rpidos (hasta tal temperatura crtica y desde ella) entre los que
se intercala una larga exploracin a temperatura constante (aunque no se ha ilustrado aqu, tal
temperatura crtica parece existir en forma de intervalo muy preciso y razonablemente pequeo en
el problema de anlisis de losas). La ventaja que, razonablemente, cabe esperar de este esquema es
la mejora en la 'precisin' con que sita la configuracin ptima, resultando configuraciones menos
'defectuosas* (tal es tambin el caso en la fabricacin de acero laminado). Ya se ha sugerido otra
tcnica para ello, el revenido, aunque la nueva propuesta, basada en el concepto de 'cambio de
fase', debera ser menos costosa en tiempo que el propio recocido, a condicin de que un estudio
previo pueda sealar tal temperatura crtica para todos los casos del problema. Ntese que, de
1
La ltima nota al pie quizs debiera concluir tambin todos los argumentos transversales que se iniciaron en la
primera Pero, al tratarse de temas esencialmente 'abiertos', puede que lo mejor sea, por el contrario, abandonar en
silencio el escenario antes de que acabe la funcin...
8.
Conclusin
153
todos modos, lo que se pretende mejorar con ello no es la velocidad sino la precisin (para ms
velocidad y dado que el algoritmo es polinmico, cmbiese de modelo de ordenador).
Lo anterior tiene conexin directa con otro problema que slo ha sido sugerido en el captulo 2, el de cuantificar la 'calidad' de los algoritmos de aproximacin, incluyendo a la vez su
complejidad temporal y la 'calidad' de la propia aproximacin. El mtodo heurstico proviene de la
estadstica, aunque existen tcnicas formales desarrolladas por la teora de la NP-complecin. En
ambos casos, considero ms conveniente el concurso de especialistas de otras disciplinas, quedando
para el proyectista el planteo del problema y las lneas maestras de su resolucin. De cualquier
modo, sin una medida de 'calidad' consistente, la resolucin de problemas mediante algoritmos de
aproximacin ser una tarea inacabable en sentido literal, pues virtualmente, el nmero de tales
- , algoritmos (incluso si son polinmicos) es infinito, tal y como son infinitas las versiones del recocido que pueden llevarse a la prctica y, en consecuencia, ser imposible decidirse por alguno,
continuando indefinidamente la navegacin en crculo.
La investigacin y uso del recocido simulado (y del algoritmo gentico) en arquitectura e ingeniera tienen, a mi entender, inters especial. Para ambos algoritmos tan slo se requiere analizar
en detalle los modos de transformar una solucin genrica y de construirla a partir de una 'codificacin' compacta. Tales temas tienen inters por s mismos, en la medida en que el proyectista, aun
intuitivamente, se aprovecha de manejarlos con soltura en su prctica diaria. Ambos algoritmos,
seguirn siendo 'lentos' en una civilizacin tan marcada por la 'velocidad' como la nuestra; pero
mientras sigan existiendo ordenadores inactivos durante las noches y energa para alimentarlos (una
porcin de la cual, en todo caso, se disipara intilmente en las lneas de alto voltaje), su uso no es
ocioso y quizs reporte resultados insospechados, o apenas entrevistos en la imaginacin de algn
heterodoxo como Ludwig Boltzmann.
Anejos
/
V.
'
Anejo A
Ttulo de la tesis
Se incluye aqu un facsmil del ttulo de la tesis, tal y como se present a la Comisin de Doctorado
del DEE (pero tras corregir las erratas evidentes): La razn es doble. Por una parte, el lector
podr enjuiciar por s mismo, en q\ie medida mis esperanzas en aquella fecha eran fundadas y
cuales de los objetivos perseguidos han sido alcanzados. Por la otra, es a mi juicio un buen texto
introductorio para los especialistas en teora de estructuras y como tal incluye material al que se
hace referencia en la tesis propiamente dicha. Se ha conservado tanto la numeracin original, como
la correspondiente al texto principal, as como sus propias referencias.
A. Ttulo de la tesis
156
RECOCIDO SIMULADO
UN NUEVO ALGORITMO PARA LA OPTIMACIN DE ESTRUCTURAS
TITULO DE TESIS
QUE PRESENTA
MARIANO VZQUEZ ESPI

BAJO LA DIRECCIN DE
JAIME CERVERA BRAVO

MADRID, 1992.
"En el Departamento de Estructuras de Edificacin de la ETSAM se mantiene desde hace

aos una lnea de investigacin orientada al establecimiento de una teora del diseo de estructuras
de edificacin capaz de integrarse de forma natural en las tareas del diseo arquitectnico.
Dicha lnea que participa en el desarrollo de la teora que [Farkas 1985] denomina sntesis
estructural, se apoya en los mtodos de anlisis de estructuras para extraer conclusiones y mtodos
de diseo estructural. En tal tarea, la determinacin de ptimos es una parte importante: plantear
como objetivo la obtencin del diseo ptimo para un problema y unas condiciones dadas permite:
1) orientar la filosofa y las operaciones concretas del diseo a la obtencin de buenos diseos, y
2) eliminar la indeterminacin de variables correspondiente al problema de diseo propuesto, que
en general tendr muchas soluciones aceptables" (Cervera, 1990:1).
. El presente proyecto de tesis doctoral se enmarca en el campo general de determinacin de
ptimos o, en general, de la minimizacin de funciones denominadas en adelante funciones
objetivo, y presentar la aplicacin del mtodo de recocido simulado, ya conocido en otras reas
(vase Kirkpatrick et alii, 1983), a problemas de optimacin de estructuras. La funcin objetivo
se elige en general para representar lo msfielmenteposible el coste de las soluciones aceptables
lo que, en muchos casos, no es una tarea trivial. Sin embargo, la atencin se centrar aqu en la
obtencin del ptimo, para una funcin objetivo previamente establecida.
Como s ver, ciertos problemas de optimacin de estructuras no pueden ser en general
resueltos con ninguno de los mtodos habituales, entre los que se incluyen los analticos derivados
del calculo diferencial, y los numricos tales como el SIMPLEX de Nelder erMead (1965), o
cualquiera de las versiones del mtodo de Newton-Raphson. Incluso cuando ciertos problemas
pueden ser resueltos con los mtodos anteriores, es a condicin de que se respeten ciertas hiptesis
de partida, normalmente relacionadas con la continuidad de la funcin objetivo y/o de sus
derivadas. Por todo ello, algunas de las soluciones que actualmente pueden obtenerse son tericas,
y slo pueden aplicarse en problemas tcnicos concretos en las contadas ocasiones en que coinciden
las condiciones tericas con las reales.
La tesis pretende demostrar que el recocido simulado es aplicable a problemas de optimacin >
de estructuras pese a lo que pudiera hacer pensar la historia de su uso, y qu&, precisamente,
es capaz de optimar funciones objetivo en aquellos casos en que los mtodos l uso no lo son. En
157
consecuencia, la tesis mostrar que dicho mtodo puede convertirse en una herramienta
extremadamente poderosa para el diseo de estructuras.
En lo'que sigue se mostrarn tres problemas de optimacin de estructuras sencillos en los
que la obtencin de la solucin ptima no resulta trivial (no puede automatizarse), un problema
abstracto de optimacin (el problema del viajante de comercio) representativo de una clase
particular de problemas de muy difcil solucin, una descripcin somera del recocido simulado, y
por ltimo, su aplicacin al primer problema presentado.
1 Mtodos de minimizacin aplicados al diseo de cpulas.

El trabajo de Cervera (1990) ya citado, rene tanto un recorrido por los mtodos de
optimacin actualmente a punto como el empleo sistemtico del calculo variacional, en la versin
numrica del mtodo de los elementos finitos, para resolver el problema de encontrar la forma
ptima de una cpula axisimtrica en condiciones de coste y carga dadas. Con tales herramientas
se ha encontrado solucin al problema en una variedad de condiciones. Sin embargo, se explcita
la imposibilidad de encontrar una nica solucin bajo ciertas condiciones, al aparecer una pluralidad
de mnimos locales en la funcin objetivo, de los que, en el mejor de los casos, slo uno ser
absoluto. En tales condiciones, el algoritmo encuentra uno de esos mnimos dependiendo de los
, valores iniciales de las variables independientes. Por tanto, no se tiene certeza de cual pueda ser
el mnimo absoluto buscado la solucin ptima.
Brevemente, la cpula de revolucin tiene por generatriz una curva z=z(x), z(R)=0 y
z'(0)=0. Si la carga por unidad de superficie horizontal cubierta es constante de valor p, la teora
de membrana permite calcular los esfuerzos por unidad de longitud segn el meridiano, N , y el
paralelo, Ne: .
N^ = p-x-(l+z , 2 ) 1 / 2 /(2-z')
Ne = (p-x/z'H 1 - z"-x/(2-z'-(l+z ,2 ) 1/2 ))
[1.1]
[ 1.2 ]
Si como criterio nico de resistencia se adopta el de Von-Mises, el espesor estricto necesario

en cada punto, e, es simplemente:
e = ( N, 2 + Ne2 - N-Nfl )1/2/f
[1.3]
donde f es la tensin que con seguridad resiste el material o tensin segura. Si como coste se
escoge slo el del volumen de material necesario para una forma dada, el problema consiste en
minimizar tal volumen:
V = g2--7r-x-e-(l+z'2)1/2-dx
[1.4]
donde e-(l+z' 2 ) 1/2 es el volumen'por unidad de superficie horizontal, Vs. En consecuencia, V es

un funcional V(z') y el problema se resume en encontrar la funcin z' que lo haga mnimo.
Para estas condiciones particulares, Cervera (1990:50) encontr distintas soluciones para
distintas formas de partida, vase la figura 1, con lo cual el problema queda sin ser resuelto.
Conviene recalcar que el algoritmo propuesto s fue capaz de encontrar la forma ptima, con
independencia de la forma inicial, cuando se trataba de minimizar expresiones ms generales del
2
158
coste, en las que se inclua adems del coste del material, costes proporcionales a la superficie
(impermeabilizacin) o a potencias del volumen encerrado (coste de la cimbra o del acondicionamiento del espacio).
Figura 1: Reproduccin de la figura 11 del trabajo de Cervera (1990). Se muestran a la izquierda las formas iniciales,
todas de igual altura. A la derecha, las soluciones obtenidas diferentes en coste, altura y forma.
2 Cerchas de volumen mnimo

El problema de obtener la cercha de volumen mnimo para condiciones de sustentacin y
carga dadas es clsico. En la figura 2, se muestran diversas soluciones para una viga doblemente
apoyada, en la que figura la ptima, debida a Michell (1904) y obtenida por singular e ingeniosa
aplicacin del teorema que lleva su nombre. En todas ellas se supone que cada barra puede
dimensionarse estrictamente, que el material presenta igual resistencia a traccin que a compresin,
y no se considera otro criterio que el de resistencia de seccin, no tenindose en cuenta problemas
Figura 2: Soluciones estructurales para una carga puntual. Las barras regruesadas estn comprimidas. Las cifras que
acompaan cada solucin son proporcionales a la cantidad de material.
*''<.>. o~cc.^y
159
de inestabilidad local o global. En consecuencia, la solucin terica no puede emplearse

directamente en la prctica puesto que usualmente cada barra se dimensiona segn un cierto
catlogo que incluye un nmero finito de posibilidades y, cuando menos, debe asegurarse que la
probabilidad de que cada barra pandee es suficientemente pequea. Con todo, la forma ptima
obtenida podra dar pistas, al menos cualitativas, de como mejorar diseos concretos.
Figura 3: Cercha de canto y peralte variable.
Cunto se aparta el ptimo terico del ptimo prctico? Como ejemplo considrese la
cercha de la figura 3. Para carga P y mdulo a dados, su forma puede variar en funcin de dos
nicos parmetros: la altura de la cubierta c y el canto total b. Puesto que la estructura es
isosttica, el.esfuerzo normal N de cada barra est determinado y tambin su rea A, igual a
| N | /f si el dimensionado es estricto donde como antes f es la tensin segura del material.
El volumen de cada barra ser | N | L/f siendo L su longitud; y el volumen total:
V = E( | N | - L ) / f
[2.1]
donde N = N(P,a,b,c) y L = Lâ.b.c). La expresin anterior puede escribirse como:

V = (P-a/f) E( | * | -X) = (P-a/f) *(/?,*)
donde vx = N/P y X = L/a, siendo ambas de la forma vx =
= b/a y y/ = c/a.
P,(/3,^)
[ 2.2 ]
y X = X,(/?,^) en las que 0
iynm i nmiminr
vmy///////. . / / / /
'
O90,
Figura 4: Aspecto de <j> cuando el dimensionado es estricto. M es la solucin analtica, obtenida tambin por una
aproximacin numrica desde (1,1). La recta AB corresponde a las formas en las que el rea estricta de la barra central es
nula.
A. Ttulo d e la tesis
160
El calculo "diferencial permite obtener la solucin al problema: para que exista mnimo (o
mximo) de <f>, d^ debe ser idnticamente nulo, lo que exige que se cumpla simultneamente
d^/d/3 = 0 y d<t>/d = 0, sistema no lineal de ecuaciones, que tiene por solucin ^ = 2-(3/5)1/2
y jS = 2-^. La interpretacin fsica del problema indica que ese punto es un mnimo, sin que
resulte, necesario calcular d2<t>. Como quiera que la solucin analtica es costosa de obtener; es
interesante calcular la solucin mediante mtodos numricos. Puesto que ^ es continua puede
aplicarse el mtodo de Newton-Raphson, obtenindose la misma solucin, vase figura 4.
Imaginemos ahora un catlogo terico tal que el perfil de menor seccin tenga un rea
a-P/f, el siguiente 2-orP/f y, en general, el perfil i tenga un rea i-crP/f. El rea de una barra ser
ahora:
A = -orPE( - | N | / (aP) )/f
[ 2.3 ]
donde E(x) es la parte entera de x. Las expresiones de V y de <j> se obtiene siguiendo los mismos
pasos que anteriormente pero sustituyendo, en [1.1] y en [1.2], | N, | por la nueva funcin f(N,):
f(N) = -crPE( - | N | / (a-P) )
[ 2.4 ]
que es discontinua en N=n-orP y cuyas derivadas son idnticamente nulas en los intervalos
(n-crP, (n + l)-crP), cuando n es entero.
Figura 5: Aspecto de <> cuando se dimeasiona con un catlogo a = l. Se sealan con las soluciones obtenidas por el
mtodo SIMPLEX con puntos iniciales diversos y la traza empezando en M.
El aspecto de <t> se transforma de una apacible sima en una tortuosa combinacin de laderas
y farallones, vase figura 5. Cada faralln corresponde a un salto de catlogo en una de las barras
de la estructura. Los farallones dividen la regin en laderas en las que el rea de las barras es
constante y el volumen total slo depende de las longitudes. Ntese que los farallones cortan los
descensos de mxima pendiente. En la base de los farallones, en las que las derivadas de <> no estn
definidas, se encuentran gran cantidad de soluciones localmente mnimas. Puesto que 4> no es
5
A.
Ttulo de la tesis
161
continua noopuede aplicarse el mtodo de Newton-Raphson. Con el mtodo SIMPLEX puede

obtenerse una solucin que es distinta segn sea la situacin y el tamao de la figura inicial (aqu
un tringulo). La solucin analtica para dimensionado estricto, punto M, se ha utilizado como
situacin de partida. En ocasiones, el SIMPLEX se encamin hacia soluciones peores. La mejor
solucin encontrada que no es necesariamente la ptimarepresenta una reduccin del 17% sobre la analtica.
3 Dimensionado ptimo
Si en el caso de las cerchas, lo que se busca es la forma ptima, en las estructuras habituales
la forma est casi determinada por requisitos no estructurales (generalmente relacionados con el
uso y la forma del propio edificio). De la forma de la estructura se conocen apriori el tamao, la
proporcin y la conectividad de sus elementos. Resta por determinar las dimensiones ptimas de
estos ltimos, lo que podra denominarse grosor (thickness) ptimo de la estructura.
a =' 300 c m
b = 900 c m
Figura 6: Prtico de un pequeo puente con geometra dada.
Un ejemplo de esta clase de problemas puede verse en la figura 6. Se trata de uno de los
prticos de un pequeo puente realizado con perfiles estndar de acero laminado. Para valores
dados de p, a, b y H, dimensionar significa encontrar perfiles para el dintel y el soporte que
cumplan los requisitos que aseguran la resistencia, rigidez y estabilidad de la estructura. Cualquier
combinacin de tales perfiles constituye una solucin aceptable al problema. Dimensionar
ptimamente significa encontrar la solucin aceptable cuyo coste es mnimo, la solucin ptima.
En lo que sigue se supondr que el coste es proporcional al volumen de material.
Cada uno de los perfiles estndar figura en un catlogo, en el que se disponen en orden
creciente de volumen por unidad de longitud de perfil. Para cada perfil i, figuran en el catlogo las
diversas propiedades geomtricas de inters: canto h(), rea resistente A(i), mdulo resistente
W(i), inercia I(i), volumen por unidad de longitud Vj(i), etc. El catlogo contiene un nmero finito
c de perfiles y es universal, es decir, sirve tanto para el dintel v como para el soporte. En lo que
sigue se supondr que todas las secciones incluidas son doblemente simtricas.
Si se desprecia el acortamiento del soporte (en general muy pequeo comparado con el resto
de desplazamientos de la estructura), la posicin de equilibrio puede, aproximadamente, describirse
con dos grados de libertad: el giro 0 de la unin entre soporte y dintel, y el desplazamiento
horizontal 6 de ste. Puesto que la estructura es hiperesttica, la posicin de equilibrio depende de
los perfiles elegidos para el soporte, ij, y el dintel, i2:
6
0
162
= 0,125-p(b2-a2)/E/( I(,)/H + 3-I(2)-( 1/a + 1/b ) )

5eq = 0,5H -0eq
[ 5.1 ]
[ 5.2 ]
donde E es el mdulo de Young del acero. Las expresiones anteriores pueden escribirse en la
forma:
'
5k = 5 k (i I( i 2 ) parak=l, 2,... g
[5.4]
donde ^ es un desplazamiento generalizado y g es el nmero de grados de libertad de la estructura

aqu, 2. El resto de magnitudes de inters (esfuerzos, desplazamientos, etc) son funciones de
0eq y 5eq. Todos los requisitos estructurales expresan una limitacin al crecimiento de alguna
magnitud! y pueden escribirse en la forma:
f( i ^ ) - C < 0
[ 5.5 ]
donde C es una constante. Por ejemplo, la resistencia del dintel frente a los momentos flectores que
soporta exige que Minax/W(i2) ^ f, donde f es la tensin segura del material, y Minax es el
mximo valor absoluto del momento flector a lo largo del dintel, valor que depender de 0 y
y que, por tanto, ser una funcin Mmax(i1,i2). El requisito se escribe entonces:
Mmax(i2)/W(2)-f < 0
[5.7]
Expresiones anlogas pueden escribirse para cada uno de los requisitos restantes. Adems
de los requisitos estructurales, los no estructurales (que ya determinaban formalmente la estructura)
pueden tambin llegar a afectar al grosor. As, por ejemplo, es habitual que en edificios de vivienda
tanto la altura total de planta como la altura libre venganfijadasde antemano, de modo que el canto
de las vigas este limitado, lo que se escribe:
h() - hinax < 0
[ 5.8 ]
que es, de nuevo, de la forma [5.5]. Para un problema general con N piezas que dimensionar, los
requisitos conducen a m inecuaciones no lineales de la forma:
f/i,,... i N )-Cj < 0 paraj = l , 2 , . . . m
[5.9]
Una solucin es aceptable si cumple las [5.9]. Adems ser oprima si hace mnimo el
volumen de material empleado. Para la estructura de la figura, si minimiza:
V = H - V ^ ) + (a+b)-V,(i2) = V( i i2 )
[ 5.10 ]
V = V(i lf ... iN)
[5.11]
y, en general:
Ntese que puesto que el volumen de cada pieza es una magnitud positiva y que el catlogo
esta ordenado por volmenes crecientes, V es creciente con ik, vk.
Para el problema de minimizacin de V con las m restricciones (o ligaduras) [5.9] existen
diversos mtodos aplicables si las variables independientes ison reales y, por tanto, continuas.
Puesto que las i son variables naturales, no es posible aplicar ninguno de tales mtodos que emplee
7
163
las derivadas de V o de f. Tan slo aquellos mtodos que requieren solamente las expresiones [5.9]
y [5.11] (con las modificaciones pertinentes para dar cuenta de que las variables independientes son
naturales) resultan factibles.
Slo la obtencin de una solucin aceptable puede resultar de por s una tarea problemtica:
puesto que la estructura es hiperesttica, la exploracin ha de empezar por una solucin a priori
(en el mejor de los casos, obtenida por lo que en la jerga tcnica se denomina predimensionado).
Si no resulta aceptable, se modifica y se vuelve a comprobar. El proceso continua hasta
encontrarla.
Partiendo de una solucin aceptable, y representando aquellas que no lo son como soluciones
con volumen infinito, el SIMPLEX de Nelder-Mead (con modificaciones cuya factibilidad est por
demostrar) podra encontrar algn mnimo local que, si es nico, ser la solucin ptima.
Desafortunadamente, si el catlogo es universal, la ltima condicin no es cierta .en general, vase
tabla 1.
Tabla 1: Soluciones en torno al mnimo para catlogos universales. Se muestra una porcin de las soluciones para la
estructura de la figura 6. Las columnas corresponden al perfil adoptado para la viga, y las filas, para el soporte. Para reducir
el nmero de mnimos locales no se emplea un catlogo universal, sino dos especficos: uno para el soporte y otro para el
dintel, ambos contienen perfiles estndar recogidos por la norma espaola MV. El catlogo para soportes incluye todos los
tubos huecos y todos los perfiles UPN formando cajn de dos en dos. El de vigas, todos los perfiles IPE y HEB. Para cada
solucin figura el peso total de la estructura (kp). Las soluciones con guin no son aceptables-y pueden imaginarse como
puntos donde el volumen total es infinito. La solucin ptima aparece recuadrada. En consecuencia, los valores en negrilla
son mnimos locales y cualquiera de ellos, segn sea la solucin aceptable inicial, puede ser la solucin obtenida por el
SIMPLEX, si ste es capaz de verlos. En este caso la probabilidad de alcanzar la solucin ptima es escasa.
Dintel
Soporte
HEB160
IPE330
#80.5
#100.4
618
#90.5
HEB180
IPE360
HEB200
714
. IPE400
HEB220
825
IPE450
HEB240
rPE500
960
1117
1120
963
#80.6
#120.4
624
720
831
966
1124
#100.5
625
721
831
967
1124
#90.6
626
722
833
968
1126
#100.6
631
727 -
837
973
1130
2UPNx80
632
728
839
974
1132
2UPNy80
632
728
839
974
1132
Cuando un proyectista calcula a mano reduce intuitivamente el espacio de las soluciones en

funcin de las caractersticas del problema, lo que disminuye de nuevo el nmero de mnimos
locales, vase tabla 2. Tras un inspeccin estadstica sobre una muestra de unos diez mil problemas
distintos en los que se alter la definicin de la geometra y de las cargas, se retiraron de los
catlogos aquellos perfiles que se usaba con una frecuencia menor que 0,01 en la solucin ptima.
Con los catlogos as reducidos, las nuevas soluciones ptimas se encarecieron un 3%o. La misma
reduccin se consigue aproximadamente aplicando dos conocidas reglas: 1) "si es posible elegir
entre perfiles IPE y HEB, elegir IPE"; 2) "si es posible elegir entre tubos huecos o secciones
asimilables de distinto espesor, elegir el de menor espesor". La segunda regla no es tan cierta como
la primera, que se cumple sin excepciones. Naturalmente, los catlogos reducidos no permiten
8
164
explorar adecuadamente problemas en los que existen limitaciones no estructurales como [5.8]. La
intuicin se recoge en reglas de diseo a fin de ser trasmitida. Los mtodos de la denominada
inteligencia artificial pueden, en teora, hacer uso de tales reglas y, quizs, en el futuro ofrecer
algoritmos que aseguren la obtencin de soluciones muy prximas al ptimo.
Tabla 2: Soluciones en torno al mnimo para catlogos reducidos. El catlogo para soportes incluye parte de los tubos
huecos complementados con perfiles UPN en cajn de mayor rea. El de vigas, todos los perfiles IPE ms dos HEB de
mayor inercia. Adems de la solucin ptima recuadrada hay otra localraente mnima con mayor probabilidad de ser
alcanzada.
Dintel
Soporte
IPE300
IPE330
IP&400
IPE450
IPE500
IPE550
IPE600
HEB500
HEB600
714
825
960
1.117
1.301
1.493
2.273
2.573
963
1.120
1.304
1.496
2.276
2.576
#90.4
#100.4
IPE360
#90.5
618 1
#120.4
624
720
831
966
1.124
1.307
1.499
2.279
2.579
#100.6
631
727
837
973
1.130
1.314
1.506
2.286
2.586
#120.5
633
729
839
975
1.132
1.316
1.508
2.288
2.588
Sin recurrir a la inteligencia artificial, el nico mtodo que en general permite encontrar la
solucin ptima, cualquiera que sea el problema y el catlogo, consiste en calcular todas las
soluciones posibles y elegir la de menor volumen el mtodo empleado para la confeccin de las
tablas 1 y 2. Tal exploracin exige calcular una media de:
0,5-e1.N-lnc)
[5.12]
soluciones, donde c es el nmero de perfiles del catlogo su tamao y N l del problema. El

significado en trminos de tiempo de clculo de [5.12] se mostrar a continuacin.
4 1 problema del viajante de comercio

El problema del viajante de comercio no tiene, por supuesto, nada que ver con la optimacin
de estructuras, pero como se ver resulta ser un ejemplo paradigmtico de cierta clase de problemas
a los que pertenece, al menos, el ejemplo mostrado en 3.
El viajante de comercio ha de visitar N ciudades para regresar al final a su ciudad de origen.
Visitar cada ciudad una nica vez y el problema reside en encontrar la ruta ms corta posible. Este
problema pertenece a la clase conocida como problemas de dificultad NP-completa (vase Garey
et Johnson, 1979), en los que el tiempo de clculo para obtener una solucin exacta se incrementa
exponencial mente con N. En efecto, la variable independiente es en este caso el orden en que se
visitan las ciudades, variable que puede tomar un nmero finito de valores exactamente; las
permutaciones circulares de N elementos. Al tratarse de una variable'entera, no es posible
aprovechar ninguna nocin de continuidad o gradiente en el espacio en que la funcin objetivo la
longitud del viaje esta definida. El nico algoritmo capaz de alcanzar la solucin exacta es
simple: calculadas las" longitudes de todos los recorridos posibles y dispuestas en orden creciente,
el recorrido correspondiente a la primera de ellas es la solucin exacta del problema. Pero para una
mquina de estados finitos de velocidad dada, siempre es posible encontrar un valor pequeo de
9
A.
T t u l o d e la t e s i s
165
N para el cual el tiempo de clculo necesario se torna prcticamente infinito (por ser mayor que
la vida til de la mquina)(1). Hasta la fecha no se ha encontrado ningn mtodo para encontrar
la solucin exacta cuyo tiempo de clculo este limitado a una potencia de N. Se ha demostrado sin
embargo, que de encontrarse, sera aplicable por igual a todos los problemas NP.
Como la clase de los problemas NP-completos incluye numerosas situaciones de inters
prctico, la dificultad intrnseca de encontrar la solucin exacta se soslaya, en la prctica, aceptando
como bastante bueno un algoritmo cuyo tiempo de clculo slo crezca polinmicamente con N y
que sea capaz de encontrar una solucin que, si bien no ser en general la ptima, no pueda ser
significativamente mejorada. Para ello se emplean mtodos heursticos cuyo tiempo de clculo sea
proporcional a pequeas potencias de N. La heurstica es, sin embargo, especfica para cada
problema, de modo que no esta garantizado que un procedimiento heurstico vlido para un
problema NP lo sea para otro. El mtodo de recocido simulado consigue alcanzar el mismo objetivo
prctico, con la ventaja, sobre los mtodos heursticos, de que apenas depende del problema a
resolver^.
5 El mtodo del recocido simulado.

El mtodo del recocido simulado no slo ha resuelto el problema del viajante de comercio.
Se ha'empleado, tambin con xito, para la realizacin automtica de diversas fases del diseo de
circuitos integrados (chips), problema en el que hay que optimar magnitudes tan diversas como la
longitud total de cableado, el nmero de interferencias magnticas entre componentes o el nmero
de conexiones del circuito a su zcalo (vase Kirkpatrick et alii, 1983). Sorprendentemente, el
algoritmo es extremadamente simple.
La esencia del mtodo consiste en una analoga con sistemas termodinmicos, tales como
lquidos que cristalizan o metales que solidifican. Muy por encima de la temperatura crtica de
fusin, las molculas del lquido pueden moverse casi libremente unas respecto a otras. Si se enfra
el lquido lentamente, la movilidad se pierde gradualmente pero, durante el proceso, las molculas
a menudo son capaces de alinearse mutuamente, formando una estructura cristalina que esta casi
completamente ordenada en todas direcciones y en distancias varios millones de veces ms grandes
que el tamao de cada molcula individual. Tal estructura es precisamente la correspondiente a la
mnima energa del sistema. Lo maravilloso es que, para sistemas enfriados muy lentamente, la
Naturaleza sea capaz de encontrar ese estado de mnima energa. De hecho, si un metal liquido es
enfriado rpidamente o templado, no alcanzar tal estado, por el contrario, la estructura obtenida
policristalina e incluso amorfa corresponde a energas mayores. As pues, lo esencial del
enfriamiento lento estriba en conceder un amplio margen de tiempo para que las molculas puedan
reordenarse libremente antes de perder su movilidad. Esta es la definicin tcnica del recocido, y
es esencial para asegurar que ser alcanzado un estado de baja energa.
Si N vale 23, el nmero de configuraciones es (23-l)!/2 = 5,62x10 . Para calcular la longitud del viaje de una
configuracin hay que realizar una suma, dos restas, dos productos y una raz cuadrada por cada ciudad. Una cota inferior
del nmero total de operaciones de coma flotante es, por tanto, 2 3 x 6 por cada recorrido. El que ser el tercer ordenador
de Thinking Machines cuando .sea puesto a la venta, el CM-5, capaz de efectuar un billn de FLOPS, tardara en encontrar
la solucin exacta al problema no menos que 5,62X 10 20 -23-6/10 12 /3.600/24/365/100 = 25 siglos.
ParaN igual a 23, el algoritmo propuesto por PRESS et alii (1988:346 y ss) necesita de unas 2000 operaciones de coma
flotante para evaluar cada recorrido, pero en el peor de los casos slo explorar 23 X 104 recoorridos distintos. El CM-5
l
realizara todo el trabajo en media milsima de segundo.
166
Aunque la analoga no es perfecta, en cierto sentido los mtodos empleados para intentar
resolver los problemas de 1 y 2 corresponden al temple. En ambos casos, los algoritmos se
encaminan codiciosos hacia la solucin mnima ms cercana, sin preguntarse si ser nica: desde
el punto inicial bajan la ladera tanto como pueden y all paran. Se alcanza as un mnimo local,
no necesariamente absoluto.
Como se ha visto, el algoritmo de minimizacin de la propia Naturaleza se basa en un
procedimiento bien distinto, del que se ocupa la Mecnica Estadstica. Considrese un sistema de
N partculas en equilibrio trmico, en el cual cada partcula tiene a su disposicin varios estados
de energa E,. La ley de distribucin de Maxwell-Boltzmann predice, para cada temperatura T, la
probabilidad de que una partcula concreta se encuentre en uno de sus estados accesibles:
P(E.) = gl-exp(-E/(k-T)) / Z
[5.1]
en la que g, es una probabilidad intrnseca a cada estado E,, Z es la llamada funcin de particin
que expresa las propiedades microscpicas del tipo de partcula que se estudia y k es la constante
de Boltzmann. La probabilidad dada por [5.1] es tanto mayor cuanto menor sea la energa del
estado considerado: se trata de la versin estadstica del principio de mnima energa potencial. Sin
embargo, hay una probabilidad, aunque pequea, de que una partcula se encuentre en un estado
de alta energa. De hecho, el sistema en equilibrio puede fluctuar, es decir, las partculas pueden
intercambiar sus estados, a condicin de que la energa total U suma d la de todas las
partculas no cambie. Pero, si un agente externo disminuyera la temperatura del sistema
manteniendo su equilibrio en un proceso cuasi-reversible y por tanto muy lento, la probabilidad
de que los estados de alta energa sean ocupados disminuir hasta hacerse prcticamente nula.
La distribucin de Maxwell-Boltzmann aparece en multitud de ocasiones y recibe por ello
la denominacin de distribucin cannica. As, por ejemplo, un sistema en equilibrio trmico con
un foco trmico de mucho mayor tamao a temperatura T puede encontrase en un estado con
energa E, con una probabilidad dada igualmente por [5.1] (pero con g, = l, Vi). Los sistemas o las
partculas distribuidos entre los estados accesibles con esa ley se denominan conjuntos cannicos.
Metrpolis et ah (1953) fueron los primeros en incorporar esta clase de principios en
procedimientos de clculo numrico. En un sistema termodinmico, cada partcula, adems de su
posicin, se representa por un cierto nmero de propiedades, que definen su configuracin, y que
determinan su estado de energa. Para un sistema simulado de estados equiprobables (g, = l, Vi),
demostraron que si a partir de una configuracin cualquiera q de una partcula, con energa E l t
se obtena aleatoriamente una configuracin c2, con energa E2, y se permita a la partcula cambiar
de Ci a c 2 con una probabilidad:
(
P(AE) = exp( -(AE)/(k-T))
[ 5.2 ]
donde AE = E 2 -Ej, y tales cambios se efectuaban un nmero grande de veces, la partcula en

cuestin pasara por cada uno de los estados de energa accesibles a la temperatura T, con una
frecuencia de igual valor que la probabilidad [5.1]. Ntese que si E 2 < Ej, la probabilidad es
mayor que la unidad, lo que en la prctica significa que siempre se aceptan los cambios de
configuracin que disminuyen la energa, mientras que slo algunas veces se aceptan los que la
aumentan. Este esquema general de reconfiguracin, en el que siempre se acepta una disminucin
pero de vez en cuando tambin un aumento, ha venido a ser conocido como algoritmo de
Metrpolis. Metrpolis y su equipo lo utilizaron para el clculo de variables de estado, clculo que
supone, en general, dos integrales extendidas a todas las partculas y que, hasta aquella fecha, vena
11
_ _ _ 167
realizndose con el esquema de Monte Cario, en el que se escogen aleatoriamente un nmero

grande de configuraciones. Su algoritmo de reconfiguracin les permiti modificar el esquema de
Monte Cario, y al asegurar que las configuraciones elegidas se distribuan segn [5.1], reducir
sensiblemente el nmero de ellas requerido para obtener una aproximacin igual en las integrales.
Para simular el modo en que la Naturaleza encuentra un mnimo, basta hacer uso del
algoritmo de Metrpolis sobre un sistema mientras se hace disminuir muy lentamente su
temperatura: la partcula acabarfinalmenteen uno de los estados de baja energa correspondientes
a bajas temperaturas. No puede asegurarse que tal estado sea el mnimo absoluto, pero si la
temperatura es suficientemente pequea y el proceso suficientemente lento, la solucin no ser
significativamente mejorable. El recocido simulado no es ms pero tampoco menos que esto. Como
justamente sealan Alonso et Finn (1968), la temperatura de un sistema podra medirse en unidades
de energa sin ms que hacer k = 1. Este punto de vista es mucho ms general y si no ha sido
adoptado por la termodinmica se debe a razones histricas: la temperatura fue inventada antes de
"que se estableciera que tena una relacin estrecha con la energa. En el recocido simulado de
sistemas no termodinmicos no tiene sentido hablar de temperatura. Para estos casos, ntese que
k-T es, para cada T, la variacin de energa de aquellos cambios que la aumentan y que son
aceptados con una probabilidad 1/e = 0,368. Se trata pues .de una energa de referencia que
determina lafluctuacinpermitida alrededor de la configuracin estudiada. En general, si la funcin
objetivo es F, definida como F(c), donde c es una de las finitas configuraciones posibles de la
"partcula", el cambio entre dos configuraciones se producir con probabilidad:
P(Cl-c2) = exp( -( F(c2)-F(Cl) )/F ref )
[ 5.3 ]
en la que F ref es una funcin decreciente del tiempo.

La versin ms simple del recocido simulado consiste en generar aleatoriamente cambios
en la configuracin durante un cierto tiempo decidido de antemano. Los cambios son aceptados con
la probabilidad antedicha. El algoritmo termina, bien cuando el tiempo se acaba, bien cuando la
probabilidad estadstica de que se produzca algn cambio de configuracin es menor que un valor
prefijado.
La analoga termodinmica puede llevarse ms lejos: pueden ser definidas cantidades
anlogas a la funcin de particin, al calor especfico y a la entropa, lo que puede ser til para
mejor encauzar al algoritmo hacia la solucin ptima.
Tanto en el problema del viajante de comercio como en el de diseo de circuitos integrados,
existe' una funcin objetivo que minimizar, y el espacio sobre la que esta definida no es un espacio
N-dimensional de N variables continuas. Se trata de un espacio discreto y vasto pero finito de
configuraciones. Pasar de una configuracin a otra consiste en reordenar las ciudades o los
elementos del circuito. Ambos problemas estn listos para el recocido simulado, a falta de un
generador aleatorio de cambios en una configuracin dada, que en ambos casos es fcil construir.
6 Recocido simulado en espacios continuos
Tras lo expuesto, puede considerarse apto el ejemplo de 3 para ser
recocido simulado. Se trata, en efecto, de una funcin definida sobre un
combinaciones de variables enteras. Pero, que puede esperarse en el caso de
En ellos no se dan, en principio, las condiciones enunciadas para la aplicacin
resuelto mediante
nmero finito de
los dos primeros?
del recocido..-.
'
12
> \
168
En realidad, esto ltimo es cierto slo en apariencia. En efecto, cuando el mtodo de

resolucin empleado para minimizar una funcin es numrico y requiere para su empleo una
mquina electrnica de clculo, implcitamente se transforma la funcin original en una funcin
entera. Ello es as necesariamente porque los nmeros reales en la mquina son representados
mediante un nmero finito en base 2, de suerte que aunque con formato de coma flotante, la
funcin, sus derivadas, las variables independientes slo pueden tomar un nmero enorme pero
finito de valores. En consecuencia, la representacin binaria de cualquier funcin en una maquina
finita es siempre una funcin entera.
Independientemente de lo anterior, incluso si se dispusiera de una maquina infinita, el
mtodo del recocido simulado tendr siempre una probabilidad de encontrar una solucin
inmejorable explorando un subespaciofinitodel espacio original. Cabe esperar por tanto que con
l puedan encontrarse soluciones bastante aproximadas para problemas que como los mostrados no
pueden ser satisfactoriamente resueltos con los mtodos actuales. Adems la nica restriccin que
debe imponerse al problema original es la reduccin del espacio de bsqueda, restriccin bastante
menor que las que, en ocasiones, otros mtodos imponen.
El objetivo de este proyecto de tesis es lo suficientemente novedoso como para que sea
pertinente mostrar siquiera una primicia que muestre que es alcanzable. Para ello se ha elegido el
problema enunciado en 1, el ms alejado, de los tres mostrados, de lo'que sera un problema
tpico para el recocido simulado.
7 De nuevo el diseo de cpulas

El problema a resolver ha sido formulado en 1: se trata de minimizar el funcional V(z')
definido por:
V = g2-7r-x-e-(l+z'2)1/2-dx
[1.4]
estando definidas las diversas funciones por las [1.1], [1.2] y [1.3]. La definicin de z' se realiza
especificando sus valores y los de su primera derivada en n+1 puntos del intervalo [0,R]. No se
requiere que los puntos estn uniformemente espaciados. Para el clculo de V se ha optado por
emplear n elementos finitos isoparamtricos de continuidad C1, con interpolacin lineal de x y
cbica de z' (en consecuencia la interpolacin de z" es parablica). La integracin se efecta por
cuadratura de Gauss de p puntos en cada elemento.
Una vez definido como se obtiene el valor de la funcin objetivo V, para que l recocido
simulado sea aplicable es necesario definir qu es una configuracin y cmo se cambia
aleatoriamente. La configuracin queda definida simplemente por la lista de los valores de z' y z"
en cada uno de los nodos, excluido el valor de la pendiente en el origen cuyo valor mantuvo
Cervera (1990) en cero. Con n elementos la configuracin contiene 2-n + 1 valores.
Aunque el generador aleatorio de cambios es con mucho la pieza ms delicada del
algoritmo, para mostrar la potencia del mismo se ha diseado un generador extremadamente
simple: un cambio en la configuracin se produce cambiando uno cualquiera de los valores que la
definen, es decir cada valor se cambia con una probabilidad l/(2n+l). Si el valor-que se modifica
'
13
'
Sir, ! O r ' * C - r V -
169
es un valor de z' se elige otro valor cualquiera en el intervalo (-<,0)(3). Si es#un valor de z",
en el intervalo (-<, +<x).
Como funcin de control se ha adoptado Vref() = 0.91 siendo i el nmero de etapas
cubiertas por el algoritmo. Se comienza con Vref(0) = 1 y con una configuracin inicial c0
cualquiera. Con el generador se obtiene una nueva configuracin q y se calcula Ac = CJ-CQ. Si
Ac < 0 se adopta c{ como nueva configuracin, si Ac > 0 se adopta Cj como nueva configuracin
con una probabilidad P(c0-*Ci), dada por [5.3]. Es decir, se cambia de configuracin 100-P(Cj-c0)
veces de cada cien que se presente el valor Cj-c0. Si se consigue efectuar 20-n cambios o se ha
intentado hacerlo 200- n veces la etapa termina y se pasa a la siguiente. Si en una etapa no se
consigue efectuar ningn cambio, el algoritmo acaba. En cualquier caso, acaba tras cubrir 100
etapas.
El nmero total de etapas y el nmero de cambios necesarios para acabar cada una definen
indirectamente el mximo tiempo que se dedicar al problema (se puede definir explcitamente).
El nmero de veces que se prueba a encontrar un cambio antes de abandonar definitivamente,
define el valor de la probabilidad estadstica de encontrar una solucin mejor que la calculada por
el algoritmo en este caso, 1/(200- n). Los adoptados aqu se han tomado del algoritmo
empleado por Press et alii (1988) para el problema del viajante de comercio, sin ms consideracin,
pues se trataba de mostrar la viabilidad del proyecto.
V
2 0/2
2 073
2 073
Forma imci il
parbola ds altura 2 0
cono del a Hura 1 0
casquete e iferlco d altura OSO
NOTA. s representa t a
escala I 2 y X a escala
1 a
Figura 7: Solucin fin.il para (res geometras iniciales distintas
Los resultados pueden verse en la figura 7. La integracin de V se realiz con 4 puntos de

Gauss por elemento y >se utilizo una lnea de 8 elementos que cubren superficies iguales. Se
muestran tres formas iniciales muy.diferentes entre s (a la izquierda). El cono est truncado para
satisfacer la condicin z'(0)=0 y tiene una singularidad en x=0 (son infinitos los esfuerzos y, por
tanto, el espesor y el coste superficial). Ntese que debido a la simplicidad del generador este no
Ntese que la cpula debe poder desaguar en caso de lluvia, condicicn que aproximadamente se cumple si z ' < 0 en
los n + 1 puntos si n es grande.
14
170
puede realizar cambios de esbeltez, lo que probablemente acelerara enormemente el proceso. Las
tres soluciones (a la derecha) son prcticamente la misma y corresponden a una solucin algo mejor
que la mejor de las soluciones encontradas por Cervera (1990), vase figura 1, caso B.
2 071
2 elemento*
2 070
4 ele melos
2 072
0 lement*
Figura 8: Soluciones finales para subdivisin creciente con igual geometra inicial.
El algoritmo necesita poca subdivisin, vase figura 8. Con muy pocos elementos, la
solucin ofrecida es ya muy concordante con la correspondiente a mayor subdivisin y, desde
luego, prcticamente muy til. Se usaron como antes 4 puntos de Gauss.
; da Gaus
i de Causa
: de Causa
NOTA. Se reprusenta x a
escala I 2 y z a escala
Figura 9: Soluciones finales con nmero creciente de puntos de Gauss e,igual geometra inicial.
La debilidad del algoritmo puede residir en la precisin con que se le suministren los valores
de la funcin objetivo: si estos no son verdicos, su potencia exploratoria es tal que encontrar
15
17X
configuraciones que podran perder su utilidad prctica, vase figura 9. Con dos puntos de Gauss
y 8 elementos, los valores de z" en los nodos son muy distintos de los de los puntos de integracin.
Pero la integracin poco exacta asigna a esa solucin un volumen inferior al que resultara con una
integracin de ms puntos. De hecho, el efecto de la integracin inexacta es el de reducir el relieve
de la hipersuperficie del funcional, lo que aumenta el nmero de mnimos locales y la dificultad
de la exploracin. Si el funcional es un plano de altura constante, la respuesta del algoritmo es un
punto del plano arbitrariamente elegido, en concordancia con el hecho de que cualquier punto es
un ptimo.
8 Conclusin
La tesis cuyo titulo se presenta pretende aportar, mediante el recocido simulado, una
solucin a los problemas de optimacin de estructuras concretas que pertenezcan a una de las
siguientes clases:
Clase 1: El coste es una funcin real y continua de variables reales y existen mnimos
locales, como en 1.
Clase 2: El coste es una funcin real y discontinua de variables reales y existen mnimos
locales, como en -2.
Clase 3: El coste es una funcin real de variables naturales, como en 3.
Los problemas pertenecientes a dichas clases son muy diversos. A la clase 3 pertenecen en
general los problemas de dimensionado ptimo con catlogo discreto, habituales en las estructuras
de edificacin ms usuales, en las que, hasta ahora, se acepta casi cualquier solucin que cumpla
con los requisitos estructurales exigibles. En algn caso, mediante exploracin ad hoc de dos o tres
soluciones distintas concebidas con sabidura, se intenta minimizar el coste. A la clase 2 pertenece
el problema de la forma ptima de estructuras, cuyos miembros se dimensionan con catlogo
discreto pero en las que cada miembro puede dimensionarse con independencia de los dems.
Aunque el nmero de casos que se "presentan en la prctica es menor que el de los de la clase 3,
suele tratarse de estructuras con'cierto grado de repeticin naves industriales estndar, por
ejemplo por lo que la disminucin de su coste presenta un indudable inters prctico. Por ltimo,
a la clase 1 pertenece el problema de la forma ptima de ciertas estructuras que se dimensionan con
catlogo continuo, como las cpulas, y cuyo coste es singularmente alto, por lo que la reduccin
de este presenta inters para cada proyecto particular.
El nuevo algoritmo necesitar para su aplicacin general de una pequea teora constituida
por no ms de una docena de nuevos conceptos, de los cuales se han presentado aqu los
fundamentales, anlogos a los empleados en la mecnica estadstica, que habrn de servir para
reconocer las caractersticas especficas de cada clase de estructuras y, por tanto, para definir el
generador aleatorio, la funcin objetivo de referencia y el criterio de convergencia apropiados a
cada caso. La teora del recocido simulado, lejos de ser una alternativa a la teora de diseo de
estructuras que ofrece soluciones tipo y reglas de diseo obtenidas mediante exploracin
heurstica de tipos estructurales (vase Cervera, 1989), usar sus resultados.
En la teora general de estructuras, adems del coste, la otra magnitud que interesa
habitualmente minimizar es, naturalmente, la energa potencial de deformacin, que es lo que se
toma en consideracin en el anlisis de cada estructura concreta. El mtodo de los elementos finitos
16
A. T t u l o de la tesis
172
ofrece en general una solucin universal, sobre todo en el contexto de problemas lineales que son
los habituales en edificacin. Sin embargo, ciertos problemas de marcada no-linealidad presentan
caractersticas que les ubican en la clase 1 mencionada cuando se sustituye "coste" por "energa".
Tal es el caso de estructuras cuyo comportamiento presenta puntos de bifurcacin e, incluso,
comportamiento dinmico catico. Para tales problemas se investigar, igualmente, la posibilidad
de usar el mtodo descrito como una solucin alternativa.
Referencias
Alonso et Finn
1968
Fundamental University Physics
Addison-Wesley Publishing Co., Reading (Massachusetts).
Cervera Bravo, Jaime
1989
"Tres teoremas fundamentales de la teora del diseo de estructuras"
Informes de la Construccin, vol. 40 n 399, pp 57-66.
Cervera Bravo, Jaime
1990
Mtodos de Minimizacin aplicados al Diseo de Cpulas.
Trabajo de investigacin que se aporta al Concurso Plaza de Catedrtico. Departamento de Estructuras de
Edificacin. Universidad Politcnica de Madrid.
Farkas, Jozsef
1984
Optimun Design of Metal Structures
Ellis Horwood, Chichester
Garey, M. R. et Johnson, D. S.
1979
Computers and Intractability: A Guide to the Theory of NP-Coinpleteness
Freeman, San Francisco
Kirkpatrick, S. et alii
1983
"Optimization h,y Sinulated Annealing"
Science, vol. 220, pp. 671-680.
Metrpolis, N. et alii
1953
"Equation of State Calculations by Fast Computing Machines"
J. Chem. Phys., vol 21, p. 1087.
Michell, A.G.M.
1904
"The liinits of Economy of Material n Frame-structures"
Philosophical Magazine. S.6, Vol. 8, N. 47. '
Nelder, J.A. et Mead, R.
1965
"SDvlPLEX Method for Function Minimization"
Computer Journal, vol. 7, pp 308-313
Press et alii
1988
Numerical Recipes in C
Cambridge University Press
17
Anejo B
Manual de referencia
Los programas confeccionados para la resolucin de los problemas planteados se incluyen en discos
magnticos como parte de la tesis, en forma de archivos ejecutables para sistemas operativos DRDOS (o compatibles) y SUN4.1.1. La organizacin de los distintos discos es obvia debido a los
nombres usados y casi no requiere explicacin. El disco para el sistema SUN4.1.1 es un nico
archivo creado con el comando bar y para extraer su contenido debe utilizarse:
bar xvZf /dev/rfdO
lo que trasladar todo su contenido al directorio actual. En el directorio bin se encontrarn los
programas ejecutables, mientras que en los directorios cap*, los archivos relacionados con cada
cada una de las figuras, agrupados a su vez en subdirectorios de nombre f ig*. Para el sistema
DR-DOS la situacin es similar:
a: recocido
crear en el directorio actual un nuevo directorio, recocido, y dentro de l se encontrar la informacin.
Los programas tambin pueden usarse libremente en la estacin de trabajo e s t r u c t l del departamento de Estructuras de Edificacin de la ETSAM, con el nombre de usuario recocido (las
descripciones que siguen son exactas slo en este caso).
Aqu se han incluido manuales de referencia de todos los programas, lo que especifica el lenguaje
reconocido por cada uno de ellos, as como otros detalles, tiles. En cada caso, este lenguaje es
algo ms amplio que el que aqu se describe, debido a que algunas operaciones especiales, que se
utilizaron en el curso de la investigacin, no han sido ilustradas en el texto, pero se conservan para
futuras investigaciones. Esto podra ocasionar que palabras errneas segn el manual de referencia
correspondiente, sean reconocidas, situando al programa en un estado no descrito aqu. De todas
formas, la probabilidad de tales sucesos es francamente pequea. Algunas de las convenciones
utilizadas son comunes a todos ellos y se describen en la primera seccin. En la siguiente, se
describe la parte del lenguaje en relacin con el recocido, tambin comn a todos los programas.
El resto de las secciones describe los programas correspondientes a cada uno de los captulos, del
4 al 7, dedicndose la ltima a mostrar algunas de las paradojas que resultan de los esquemas de
codificacin utilizados.
Los programas no son en general 'robustos': el control sintctico y semntico del lenguaje es el
mnimo que se fue necesitando durante la investigacin, de manera que no estn prepaiados para
'resistir' un uso mal intencionado que, probablemente, acabar en un fin inesperado (sistema SUN)
o, en el caso peor, con el interpretador de comandos del propio sistema operativo (DR-DOS).
Las tcnicas de piogramacin utilizadas son simples y no equieren conocimientos especiales
(salvo las indicadas expresamente en los captulos anteriores), de hecho todas provienen de manuales
bien conocidos (Kcinighan et Plauger, 1974; Kcrnighan et Pike, 1984, Kernighan et Ritchie, 1988;
Picss et ah, 1988).
Anejo B . l . Convenios generales
B.l
174
Convenios generales
I n v o c a c i n de los programas
Los programas son esencialmente cuatro, por orden de captulos: api, opcup[5-8], opcer y opdim.
Como muchos programas escritos para UNIX (por ejemplo, cat, vase Kernighan et Pike, 1984:33),
leen la entrada estndar, es decir, que tecleando api y pulsando la tecla RETURN, el programa
api comienza a funcionar esperando que se sigan tecleando datos hasta completar la descripcin
de un" caso de anlisis de losas. Una vez completa la descripcin (pulsando la tecla CTRL a la vez
que Dl, comienza el recocido (o las operaciones descritas).
La descripcin de cada caso de un problema puede escribirse en avance en un archivo, caso,
por ejemplo, de manera que api < caso, es lo-mismo que si despus de api se hubiera tecleado
exactamente lo mismo que lo contenido en caso.- En los discos adjuntos se emple siempre la
convencin nombre. in para tales archivos de entrada, aunque tal convencin es innecesaria.
Los datos de salida se escriben tanto en la salida estndar (la pantalla, habitualmente) como
en archivos. Algunos archivos de salida son especficos para cada programa, pero uno de ellos es
generado por todos. As, por ejemplo, api < caso producir tras acabar a p l . o u t . Este archivo
contiene la descripcin del mismo caso planteado, pero con la solucin final x / y la situacin del
recocido cuando el programa acab; de manera que, si se quiere insistir en el recocido, api <
a p i . o u t empezar all donde api < caso acab 2 .
Ningn programa es grfico aunque todos generan archivos de dibujo para el programa AUTOCAD 3 (denominados en ocasiones * . s c r , pero no siempre). En la jerga de AUTOCAD tales
archivos son scripts y contienen instrucciones en el lenguaje reconocido por acad que generan el
dibujo de las soluciones, al ser ledos mediante la instruccin s c r i p t (de acad).
Salvo errores, los programas no envia mensajes a la salida estndar. Si se desea informacin
durante la ejecucin debe darse valor a la variable INFO antes de la invocacin: 0 significa ninguna
informacin, mientras que valores positivos suministran informacin en cantidad creciente. Para
asignar valor a INFO debe usarse algo como INF0=3, setenv INFO 3 o s e t INF0=3, dependiendo
del interpretador de comandos y del sistema operativo.
El funcionamiento estndar puede variarse mediante opciones en la linea de comandos. Los
programas pueden leer un archivo en vez de su entrada estndar mediante la opcin -f nombredel-archivo; de este modo api -f caso es lo mismo que api < caso. De forma anloga, los
archivos de salida pueden bautizarse con un nombre distinto del nombr^del programa mediante la
opcin -o prefijo-de-los-archivos-de-sahda. As api -o caso ... fuerza la creacin de los archivos
caso.out y c a s o . t x t , as como que cualquier otro archivo creado se nombrar caso.sufijo. La
opcin - a entero permite cierto control de la serie de nmeros aleatorios empleada. Cada entero
positivo o nulo denota una serie nica, y asegura los mismos resultados en distintas ejecuciones
-- si la entrada es idntica (el valor - a 0 es lo mismo que no usar la opcin); de esta forma puede
construirse una serie de recocidos en lotera (vase 3.4.3). Con - a - 1 los resultados pueden ser
distintos al repetir la ejecucin, aunque la entrada sea exactamente la misma (esto proporciona un
comportamiento pseudoedeatoo al propio programa: no puede predecirse en la prctica la serie
de nmeros aleatorios empleada, ni siquiera por el autor, debido a que la serie elegida depender
del nmero facilitado por el reloj del ordenador, indeterminable a todos los efectos prcticos).
Finalmente, la opcin -h suministra una escueta informacin sobre el propio programa.
En resumen:
programa: uno de
api opcup5 opcup6 opcup7 opcup8 opcer opdim
invocacin:
programa secuencia-de-opcionesopc
1
Tecla Z si el sistema es el DR-DOS

En estos archivos se encontrar un lenguaje ms amplio que el necesario para los <u chivos de entrada
3
AUTOCAD Relase 12, Ncuchatel AutoDesk 13V, 1992
2
Anejo B . l . Convenios generales
175
opcin: una de
-f archivo-de-entrada
-o raz-de-los-archivos-de-sahda
- a entero
-h
opcin-especial-de-cada-programa
Lenguaje
Definir un caso de un problema consiste en dar valor a cada uno de los parmetros que definen el
caso genrico (vase el captulo 2). De manera que lo nico necesario para escribir el archivo de
entrada es un lenguaje de asignaciones, con el convenio implcito de que cada uno de los programas
'conoce' a que problema se dedica. En este tipo de lenguajes, la estructura de las frases es muy
simple:
frase: una de
asignacin ;
etiqueta :
# comentario fin-de-lnea
asignacin:
variable = valor
La primera forma de frase es la habitual en muchos lenguajes de programacin: por ejemplo,

c i c l o s = 4; asigna el valor 4 a la variable c i c l o s . La segunda forma de frase no es en realidad
necesaria, pero se ha incluido para separar las asignaciones por temas, lo que, en ocasiones, simplifica tanto el anlisis semntico como clarifica la estructura del archivo de entrada. Slo pueden'
usarse las etiquetas predefinidas en cada lenguaje y slo all donde se especifique. La tercera forma
permite incluir comentarios y aclaraciones en el estilo de muchos programas de UNIX (Kernighan
et Pike, 1984:8,82,124), todos los caracteres entre # y el fin de la linea son simplemente ignorados.
En realidad el uso de comentarios es ms flexible que lo indicado: se puede intercalar uno entre
cualesquiera dos palabras de una frase (pero no pueden anidarse). Un archivo de entrada es simplemente una secuencia de frases, con el significado y la estructura particulares que se examinarn
ms adelante.
Todas las variables estn previamente convenidas, y no estn definidas ninguna de las operaciones matemticas corrientes. El flujo del lenguaje es secuencial y no puede alterarse. En
consecuencia, no es un lenguaje de programacin, permitiendo exclusivamente la asignacin de
valores a los parmetros del caso genrico. Por contra, las variables no tiene tipo de manera que
cualquier valor es sintcticamente correcto para cualquier variable, aunque segn los casos, puede
carecer de significado.
,
valor: uno de
(
nmero
palabra
funcin ( objetos )
lista-de-objetos
nmero: uno de
entero
racional
lista-de-objetos:
{ objetos }
objetos: uno de
Anejo B.2. Descripcin del recocido
176
nada
objeto
objetos , objeto
Las unidades de los valores no estn definidas, de manera que puede usarse cualquier sistema
consistente de unidades. La definicin de enter y racional es la- misma que i n t y double en
C (Kernighan et Ritchie, 1988). Una palabra es una secuencia alfabtica: estn convenidas paracada uno de los programas. Las funciones permiten generar automticamente listas del tipo convenido, a partir de unos pocos parmetros; son especficas para cada programa, as, por ejemplo4,
parabola(2) genera la lista de valores que definen la generatriz d un cpula como una parbola
con una altura de 2. Finalmente, la forma de las listas es comn a todos los programas con independencia del tipo de los objetos. Por ejemplo, para opcer una seccin del catlogo se define como
{ rea } o { rea, radio-de-giro }, de manera que una lista-de-secciones correcta es, por ejemplo,
{{1},{2,1},{3,2}}, mientras que {1},{2,1},{3,2} es un objeto del tipo secciones. En favor de
la brevedad no se insistir mucho en ello: en cada programa, dada una definicin de un tipo de
objeto, las referencias a objetos o a lista-de-objetos deben interpretarse segn esta regla general.
Las listas vacas son sintcticamente correctas pero pueden carecer de sentido. Las listas pueden
ser listas de listas, recursivamente.
Como se ver, los lenguajes no son un modelo de concisin ni tienen mucho de recomendable:
fueron construidos para la ocasin y segn fueron necesitndose, de manera que la ausencia de un
planteamiento general se deja notar. Pero funcionan.
B.2
Descripcin del recocido
La descripcin de cada recocido individual se ajusta a la definicin formal (cf. 3.4.3):

Tl[C, a, (3, T 0 , #] = 7?.[ciclos, alfa, beta, Fr, theta]
Es una descripcin general para todos los programas, que consiste en asignar valor a cada uno d
los parmetros:
asignacin-del-recocido: una de
c i c l o s = entero
a l f a = entero
.
b e t a = nmero
Fr /' Fi = nmero
Fr = nmero
t h e t a = nmero
orculo = entero
recocido = entero
gamma = nmero
: d e l t a = nmero
'
Hay dos formas de definir la temperatura inicial rn: de forma absoluta como en Fr=100, o
en razn del valor inicial de la funcin objetivo como en Fr/Fi=100, donde Fi denota el valor
</>(xo). t h e t a debe ser estrictamente menor que 1 y estrictamente mayor que 0. Como todos
los generadores estn construidos con independencia del orculo utilizado, dando valor a orculo
puede experimentarse al respecto. Hay slo dos orculos, el de Metrpolis, 0, y el continuo, 1 (cf.
3.3, ntese que esto no afecta a los profetas locales).
4
En sta como en otras palabras, se ha aceptado una acentuacin incorrecta, a fin de no impedir ni complicar el
uso de compiladores y herramientas de programacin pensadas en origen para el ingls. Mejor hubiera sido emplear
el ingls para las palabras reservadas del lenguaje, pero no se hizo as...
Anejo B.3. Analizador de losas
_ ^ _ 177
Todos los programas pueden entenderse en abstracto como un verificador de soluciones y un

recocido de las mismas. De hecho, entre las primeras tareas ejecutadas por cada programa, figura
verificar que la solucin inicial es aceptable en los trminos de cada problema. Si se desea adems
el recocido, debe decirse explcitamente con recocido = 1, mientras que recocido = 0 permite
usar los programas como simples verificadores (con las ventajas derivadas de los archivos creados
en cada caso, vase ms adelante). '
Las variables gamma y delta son nuevas. Definen la forma de realizar un muestreo en cada ciclo
a temperatura constante, con el propsito de estimar (^>), la desviacin tpica o el calor especfico
(cf. 3.4), aunque el anlisis de este tipo de estadsticas no ha sido objeto de investigacin. En todo
caso, su significado es el siguiente: se dejarn transcurrir gammaxg transiciones antes de tomar la
primera muestra", y despus se tomar una muestra cada d e l t a x g transiciones (cf. Binder, 1986).
El generador es especfico para cada problema y, por tanto, para cada programa, y su descripcin
se mostrar en cada caso. Un recocido estndar del tipo 7[100, 100, 1, 100, 0,9] se describe por
tanto con una secuencia de frases como:
# RECOCIDO
ciclos = 100; alfa = 100; beta = 1; Fr = 100; theta = 0.9;
orculo = 0; # orculo de metrpolis
recocido = 1 ;
B.3
Analizador de losas
Lenguaje reconocido
El archivo de entrada se divide en dos secciones, que deben disponerse en orden:
archivo-de-entrada:
definicin-del-problema restoopc
La definicin del problema (vase el captulo 4) es una secuencia de frases que, salvo por consideraciones semnticas, pueden disponerse en cualquier orden. Se refieren siempre a la geometra
maestra, puesto que el programa genera la geometria de la solucin segn los parmetros del problema:
definicin-del-problema:
problema : datos-del-problema
datos-del-problema:
asignacin-del-problema ;
datos-del-problema asignacin-del-problema ;
asignacin-del-problema: una de
coordenadas = { coordenadas }
elementos = { enteros }
vinculos' de objeto = { enteros }
cargas de objeto = { cargas }
d i v i s i n de elementos = { enteros }
r e s i s t e n c i a de elementos = { parmetros-de-resistencia }
funcin = entero
t = nmero
, pivote = entero
coordenadas:
Anejo B . 3 . Analizador de losas
178
abscisa , ordenada
coordenadas , abscisa , ordenada
Los elementos maestros se definen dando los ndices de sus cuatro nodos, en el orden que
resulta de recorrerlos en sentido antihorario y refirindose el ndice del nodo a la posicin de sus
coordenadas en la lista de las mismas. Los lados no requieren definicin explcita. Parte de la
informacin puede referirse a cualquiera de los tres tipos de objetos, lo que se indica de manera
obvia:
objeto:
nodos
lados
elementos
Los vnculos, de nodos o lados, se definen mediante una secuencia de enteros. En el primer caso,
se trata de los ndices de los nudos maestros apoyados; en el segundo, son ternas de enteros: los dos
primeros son los ndices de los nudos maestros que definen el lado, el tercero un 1 si el lado est
apoyado, y un 2 si est empotrado. Cada carga es una sucesin de un ndice de nodo, elemento o
lado, seguido por una intensidad de carga vertical:
carga:
{ ndice-de-objeto , intensidad }
ndice-de-objeto: uno de
ndice-de-nodo
ndice-de-elemento
{ ndice-de-nodo , ndice-de-nodo }
Como se aprecia, los elementos y nodos se indican por su ndice numerados desde cero
mientras que los lados se indican mediante los ndices de sus dos nodos.
La divisin de los elementos maestros para formar la malla de anlisis, se describe mediante una
lista de enteros, interpretados de tres en tres. El primero de cada terna es el ndice del elemento, el
segundo el eje que se divide (0 1), y el tercero el nmero de nuevos nodos que hay que intercalar
entre los dos maestros. La definicin de resistencias es una lista de definiciones para cada 'cara' de
cada elemento y sigue de cerca lo habitual para armados ortogonales en hormign armado.
parmetro-de-resistencia: uno de
{ ndice-de-elemento , cara , momento }
{ ndice-de-elemento , cara , momento , momento }
{ ndice-de-elemento , cara , momento , momento , ngulo }
Cada definicin comienza con el ndice del elemento y continua con una cara (0 1) segn se
trate de momentos 'positivos' o 'negativos'. Si slo se define un momento, la resistencia es istropa;
con dos momentos, se trata de resistencia orttropa segn los ejes coordenados globales; por ltimo,
si se incluye un ngulo ser el que formen los ejes de los momentos con los ejes globales.
El valor de funcin determina la funcin objetivo que se ptima segn la siguiente tabla:
funcin
0
1
4
FUNCIN
U normalizada en [0,1]
'
U normalizada en [1,0]
U normalizada en [1,0] y con normalizacin de las variables
2, de mancia que al menos un nodo (pivote) se encuentre en
el.'sucio' o en el 'techo' del laboratorio
Anejo B . 3 . Analizador de losas
179
t es la posicin del 'techo' del laboratorio, es decir, el valor del extremo inferior del rango de
z, siendo siempre el superior, la unidad. Con pivote=l se fuerza el uso de un nodo pivote, cuyo
descenso z es siempre la unidad (4.2.6, con pivote=0 se descarta esta posibilidad)
El resto de los datos son opcionales y hacen referencia a la definicin del recocido y del generador:
resto: uno de
. (nada)
otra-asignacin ;
reato otra-asignacin ;
otra-asignacin: una de
asignacin-del recocido
generador { enteros }
fz = nmero
fx = nmero
Tz = , entero
El generador se compone de una lista de parejas de enteros en las que el primero indica un
generador particular y el segundo la intensidad con que debe emplearse. Los generadores disponibles
son:
GENERADOR
TRANSFORMACIN
cambia las diagonales de todos los elementos alrededor de

un nodo elegido al azar, mediante orculo, Gdcambia la diagonal de un elemento elegido al azar, mediante
-un profeta local entre las dos posibles diagonales, V
cambia la posicin de un nodo elegido al azar entre aquellos
con posicin variable, mediante orculo, Qxy
cambia el descenso de un nodo, mediante orculo, Qz
cambia el descenso de un nodo al azar, mediante un profeta
local, Vz
4
11
20
24
La frecuencia de'uso ser proporcional al nmero que resulte de multiplicar la intensidad de

cada generador por el nmero de grados de libertad de la solucin que pueden ser alterados por el
generador en cuestin.
La amplitud, relativa al rango de las variables x, y, z, del espacio dentro del cual un nudo puede
mudar su posicin se controla mediante los valores de f x y f z, que son los factores moderadores ex
y ez. El primero determina la posicin de nuevos nudos en el plano xy generadores 10 y 11,
mientras el segundo sus descensos generador 20. Tz permite elegir entre varios generadores de
valores de z:
Tz
GENERACIN
0
1
Ecuacin (4.8)
Ecuacin (4.7): El nuevo valor z' se elige al azar en [t, 1]. f z
no tiene influencia
Ecuacin (4.9)
Aquellos datos que son opcionales tienen valores iniciales, con el mismo efecto que si en el
archivo de cntiada se hubiera incluido:
# funcin objetivo
t = 0; funcin = 4; pivote = 0 ;
Anejo B.3. Analizador de losas
180
# recocido
orculo = 0; ciclos = 400; alfa = 100; beta = 1; gamma = 2; delta = 1;
Fr/Fi = 100; theta =0.9;
recocido = 0 ;
# generador
generador = { 4 , 1 , 1 1 , 1 , 2 4 , 1 } ;
fx = 0 . 5 ; fy = 0 . 5 ; Tz = 0;
Un archivo completo tiene el siguiente aspecto (se trata del problema P l con una nica subdivisin del elemento maestro):
problema:
puntos = {0,0, 1,0, 1,1, 0,1 };
elementos = {-0, 1, 2, 3 };
vnculos de lados = { 0,1,1, 1,2,1, 2,3,1, 3,0,1};
cargas de elementos = { { 0, 1 } };
resistencia de elementos = { { 0, 0, 0.0417 }};
divisiones de elementos ={0,0,1,0,1,1};
\
t = 0; funcin = 4; pivote = 0;
# sin solucin: se genera al azar
# recocido E4
recocido = 1;
generador = { 4 , 1 , 11,1, 24,1};,
(
fx = 0.5;
#horario de temperaturas
Fr/Fi = 100; dFr =0.9; ciclos = 400; alfa = 640; beta = 1;
# estadstica
gamma = 2; d e l t a = 0 . 1 ;
G e n e r a c i n d e archivos
Adems del archivos de salida (apl.out 5 ), a p l . t x t contiene una descripcin concisa de la solucin
final, de manera que pueda verificarse por un procedimiento independiente (vase anejo C); a p i . ser
contiene un sempt para acad con la solucin final. El dibujo generado consta de varias capas y
los textos sern dibujados en el estilo de letra que est definido en el momento de leer el scnpt (el
archivo apl.dwg puede usarse como prototipo: en l estn definidas las capas necesarias):
En este archivo pyjede observarse la parte del lenguaje reconocido que no se explcita aqu Inclu>e por supuesto
la forma de describir una configuracin de rotuia En ausencia de una (que es lo habitual al planteai un jjioblma)
es generada al azar
. ~.< x 4
"""-/ " -
Anejo B.4. Optimador de cpulas

CAPA
181
CONTENIDO
E
EM
Contorno de los elementos de la malla

Contorno de los elementos maestros
FUNCIONAL Valor de la funcin objetivo
LRNW
Lneas de rotura negativas regruesadas segn la energa por
unidad de longitud
LRNG
lo mismo, pero el grueso es proporcional a la rotacin de la
lnea
LRPW
Como LRNW pero para las lneas positivas
LRPG
, Como LRNG, pero para lneas positivas
P
Numeracin de losnodos o vrtices de la malla
VLA
Lados apoyados
VLE
Lados empotrados
VN
Un pequeo crculo rodea cada vrtice apoyado
l
Opciones
Una opcin en la invocacin permite cierto control sobre el grueso con que sern dibujadas las
lineas de rotura en a p i . ser: la forma es - 1 lmite, en donde lmite es un nmero entre 0 y 1. Slo
se dibujarn en las capas correspondientes las lineas de rotura cuya energa por unidad de longitud
o su giro sea mayor que lmite veces el mximo respectivo. As, - 1 0 . 5 elimina del script todas las
lneas con giro absoluto menor que la mitad que el giro absoluto mximo. Si no se usa la opcin,
es tanto como haber usado - 1 0 . 1 . Si se quiere ver todas las lneas utilcese - 1 0.
Flujo
El flujo general del programa es muy simple:
1. Se leen las opciones y el valor de INFO en el interpretador de comandos.
2. Se lee el archivo de entrada y si hay errores el programa finaliza.
3.' Se genera una configuracin de rotura al azar (salvo que el archivo de entrada sea del tipo
a p l . o u t , que incluir una), imprimiendo en ocasiones avisos en la salida estndar (si la
subdivisin de la geometra maestra es 'sospechosa'). Si,la malla de clculo generada no es
'aceptable', se emite un mensaje de error y finaliza.
4. Si se asign valor no nulo a recocido, se ejecuta ste.
5. Se crean los archivos de salida correspondientes a la solucin final, x / .
Los archivos tipo out y s e r estn destinados a ser ledos por programas y siguen las convenciones
de sus lenguajes. El archivo tipo t x t describe todos los nodos, lados y tringulos de la malla final
de clculo en un formato inteligible, de manera que todos los clculos necesarios para obtener
la funcin objetivo pueden realizarse y la configuracin (y por tanto el programa) verificarse de
manera independiente.
B.4
Optimador de cpulas
Se trata, en realidad, de una familia de programas, cada uno de ellos especializado en una formulacin (vase el captulo 5): en opcup5 y opcup7 el modelo utilizado es y = 2, y coriesponden al
espacio de bsqueda mayor; por su parte, opcup6 y opcup8 buscan en el espacio educido y = z'.
Adems, tanto opcup7 como opcup8 imponen la condicin '(0) = 0. No hay nada ccomcndable en
182
este despliegue y los cuatro programas podran fundirse en uno slo: si se conservan por separado
se debe a razones histricas. El lenguaje reconocido por los cuatro es similar.
Lenguaje reconocido
El archivo de entrada consiste en una secuencia de asignaciones, en-la que se pueden intercalar
comentarios. No hay etiquetas:
entrada:
asignacin ;
entrada asignacin ;
asignacin: una de
asignacin-del-problema '
asignacin-de-la-solucin
asignacin-del-recocido
asignacin-del-generador
La definicin del problema consta de lo siguiente: las abscisas de los supernodos (lo que define
implcitamente su nmero); el nmero de elementos por superelemento, n e ; el nmero de puntos
de Gauss de cada elemento, n p ; datos de las cargas (p, u, s,P) y del material (f); costes especficos
(km,kv,k), lo que define la funcin objetivo, ecuacin (5.7); los parmetros para el retoque de la
funcin (fd,mm y a)> ecuacin (5.18); el tipo de comprobacin en la clave (vase 5.2.3); y, si se
desea, el clculo del anillo inferior y la inclusin de su coste:
asignacin-del-problema: una de
coordenadas = abscisas
ne = definicin-por- superelemento
np = definicin-por-superelemento
r o = nmero
nu = nmero
s = nmero
P = nmero
i = nmero
km = nmero
ks = nmero
kv = nmero
gmin = nmero
a = nmero
clave = entero
a n i l l o = entero
Los cdigos siguen de cerca la notacin empleada en el texto (pero en alfabeto latino), de
manera que su significado es, en general, evidente. Si a n i l l o es distinto de cero, se calcularn las
dimensiones estrictas del anillo inferior y su volumen sumndolo a la funcin objetivo. El nmero
asignado a clave denota un mtodo para la comprobacin de la resistencia:
clave
0
1
2
COMPROBACIN EN LA CLAVE
Si z' = 0 se utiliza (5.15), en otro caso se comprueba en x = 0, OOOlf

con (5.16)
Se comprueba en x = 0, OOOli? con (5.16)
Si z' = 0 se utiliza (5.15), en otro caso Nv = Ng 0 y la cpula es
siempre aceptable en lo que respecta a la clave
Anejo B.4. O p t i m a d o r de cpulas
183
Las abscisas son una lista de nmeros o una funcin:

abscisas: uno de
{ nmeros }
isoarea( abscisa-inicial , abscisa-final , nmero-de-superelementos )
equidistantes ( abscisa-inicial , abscisa-final , nmero-de-superelementos )
Se conviene en que el primer supernodo es el ms cercano al eje de la cpula y que las abscisas son
positivas y crecientes i s o a r e a genera cada superelemento de manera que la proyeccin horizontal
de todos ellos genere el mismo rea; al contrario que e q u i d i s t a n t e s que forma superelementos de "
igual longitud horizontal.
La definicin de ne y n p puede variar de un superelemento a otro o ser constante para todos
ellos:
definicion-por-superelemento- uno de
entero
{ lista-de-enteros }
En el primer caso, todos los superelementos tienen la misma definicin; en el segundo, cada
entero de la lista define la caracterstica n e o np del superelemento en cuestin (ordenados
segn las abscisas). Ntese que np se aplica a cada elemento que resulta de aplicar ne a cada
superelemento
'
Los datos de la solucin incluyen la definicin del grosor y de la generatriz de la solucin inicial.
Opcionalmente, pueden incluirse los lmites absolutos para cada tipo de variable:
asignacin-de-la-solucin: una de
generatriz = valores-nodales-de-la-generatriz
grosor = valores-nodales-del-grosor
tipo-de-grado Upo-de-hmite = nmero
Los valores nodales de la generatriz inicial (en el orden {z',z"} {z, z', z"}, segn el programa)
pueden darse explcitamente mediante una lista de 2 JV o 3N nmeros, siendo N = E +1 el nmero
de supernodos; pero tambin pueden generarse mediante funciones:
valores-nodales-de-la-generatriz: uno de
{ nmeros }
parbola( altura )
cono( altura )
casquete ( altura )
!
Las funciones predefinidas generan valores correspondientes a una parbola, una recta o un
arco circular de la altura indicada, definida como la diferencia de ordenada entre el primer y el
ltimo nodo, con independencia de si la cpula es abierta o no (debe ser positiva). Si conviene al
programa en cuestin se impondr automticamente Z'(XQ) = 0, de manera que opcup7 y opcup8
no pueden usarse para analizar cpulas con culo. Los valores nodales del grosor deben incluir el
rea del anillo superior si existe linterna (r > 0):
valores-nodales-del-grosor: uno de
espesores-nodales
( Ai ) , espesores-nodales
espesores-nodales , ( Ai )
espesores-nodales: uno de
{ nmeros }
nmero
Anejo B.4. O p t i m a d o r de cpulas
184
En la ltima forma, el espesor es constante a lo largo de la generatriz. Si se da una lista de

espesores debe haber N, tantos como supernodos. Pueden definirse lmites absolutos para cada
una de las variables utilizadas por el programa elegido (sin embargo es un error intentar limitar el
valor de z cuando la definicin es y = z'). La forma de hacerlo es obvia:
tipo-de-grado: uno de
e
z
tipo-de-limite: uno de
' mximo minimd
zp
zpp -
El resto de los datos hacen referencia al recocido y al generador, y son opcionales, dando el
programa valores definidos a aquellos parmetros que no se definan explcitamente. La definicin
del generador sigue de cerca las convenciones de a p i :
asignacin-del-generador:
uno de
g e n e r a d o r = { lista-de-enteros"}
f a c t o r tipo-de-grado = nmero
Con la ltima frmula pueden definirse e e , ez, ez> y e 2 . Si hay linterna, para las transiciones
de Ai se usa ee. El generador se compone de una lista de parejas de enteros en las que el primero
indica un generador particular y el segundo la intensidad con que debe emplearse. Los generadores
disponibles son:
GENERADOR
0
1
2
3
4
TRANSFORMACIN
Nuevo valor para z en un nodo elegido al azar

Lo mismo para z'
Lo mismo para z"
Lo mismo para e
Nuevo valor para el rea del anillo superior, Ai
La frecuencia de uso de cada generador ser proporcional"al nmero que resulte de multiplicar
la intensidad por el nmero de grados de libertad de la solucin que pueden ser alterados por el
generador en cuestin. A efectos de la contabilidad, el generador 0 afecta a. N 1 grados, puesto
que la ordenada del ltimo nodo (el apoyo) es siempre cero y no cuenta como grado de libertad; 1,
2 y 3 afectan a N grados, salvo en el caso de opcup7 y opcup8 en los que el generador 1 slo afecta
a i V - 1 grados, puesto que la tangente es nula en la clave; por ltimo, 4 slo afecta a un grado, el
rea del anillo superior. >
Las definiciones de las distintas listas y tipos numricos son las habituales, con una excepcin:
oo es un valor legal para nmero:
nmero:
uno de
entero
racional
infinito
+ infinito
infinito
archivo de entrada se hubiera incluido (las unidades son Mp y m):
ro = 2 . 3 ;
f = 200;
nu = 0 . 0 8 ;
s = 0.1;
P = 0.5;
km = 1; ks = 0; kv =
# hormign poco armado

# tensin segura
# s o b r e c a r g a de n i e v e
# s o b r e c a r g a de m a n t e n i m i e n t o
# p e s o de l a l i n t e r n a p o r u n i d a d de l o n g i t u d
0;
# s o l o volumen de m a t e r i a l
185
gmin = 1; a = 3;
# todas las soluciones inseguras son inaceptables
clave = 0 ;
# una solucin de compromiso para la clave
e minimo = 0;
e mximo = infinito; # debe definirse un valor finito:
# de oficio se impondr el radio
z mximo = infinito; # solo es legal para opcup5 y opcup7
zp minimo = -infinito; zp mximo = 0; # cascarones
zpp minimo = -infinito; zpp mximo = +infinito;
anillo = 0 ;
# sin anillo inferior
# recocido
ciclos = 400; alfa=100; beta=l; Fr/Fi=100; theta=0.9;
gamma=2; delta=l;
oraculo=0;
# Metrpolis
recocido=0;
generador={ 1,1, 2,1, 3,1 };
# para opcup5 y opcup7 se incluye el 0 con intensidad 1
factor e = 0.5;
# factores moderadores
factor z = 0.5;
factor zp = 0.5;
factor zpp = 0 . 5 ;
Como poco, hay que definir explcitamente las coordenadas y la solucin inicial (grosor y. generatriz). Si no se define un espesor mximo finito se impondr el radio de la cpula. Lo mismo
ocurrir con la ordenada mxima, que ser definida como diez veces el radio. A continuacin se
incluye el archivo de entrada para el recocido de una cpula adimerisional soportando sobrecarga
exclusivamente.
# problema 0
coordenadas = equidistantes(0,1,8);
ne = 3; np = 3; ro=0; nu=0; s=l; P=0;
e maximo=2; z maximo=4; f = 1;
# volumen de material sin anillo
km=l; ks=0; kv=0; gmin=l; clave=l;
# solucin inicial parbola de altura 2
generatriz = parabola(2); grosor = 0.6;
# recocido estndar Rl
recocido = 1; Fr = 100; alfa = 320;
Generacin de archivos
Todos los resultados se escriben en archivos: opcup [5-8] . out contiene la situacin al acabar en el
mismo lenguaje (puede usarse como nuevo archivo de entrada y la optimacin continuar alli donde
se abandon); opcup[5-8] . t x t contiene una lista de los valores de inters en nodos y puntos de
Gauss, tanto de la solucin inicial (til cuando resulta inaceptable), como de la final y de la mejor;
finalmente, opcup[5-8] . s e r es un script para acad de la geometra de la solucin inicial y de la
mejor. Como en el caso de api las capas estn convenidas y el archivo opcup.dwg puede usarse
como prototipo:
Anejo B.5. Optimador de cerchas isostticas

CAPA
ZP, ZPP
E
NF, NT
G
FUNCIONAL
CONTENIDO
186
'_
'
Perfil de la cpula (representando el espesor), trazado mediante una poligonal con los valores de z en nodos y puntos
de Gauss
Valores de z' y z" para x > 0
Valores de e para x > 0
Valores de Nv y Ne para x < 0
Valor del grado de aceptabilidad en cada nodo para x < 0
Valor de la funcin objetivo
Flujo
Los programas no tienen opciones especficas y el flujo es simple:
1. Se leen las opciones y el valor de INFO en el interpretador de comandos.
2. Se lee el archivo de entrada y" si hay errores el programa finaliza.
3. Se verifica la solucin inicial, si resulta inaceptable se genera el archivo t x t y acaba. En este
archivo puede buscarse dnde no resulta aceptable la solucin.
4. Si se asigno valor no nulo a recocido se realiza ste.
5. Se generan los archivos, que incluirn la solucin mejor si hubo recocido (en tal caso, t x t
tambin incluye la final).
B.5
Optimador de cerchas isostticas
Lenguaje reconocido
El archivo de entrada se divide en tres secciones, que deben disponerse en orden:
archivo-de-entrada:
definicin-del-problema definicin-de-la-solucin
otros-datosopc
La definicin del problema comienza con la posicin de los nudos fijos. A continuacin, en
cualquier orden, resulta obligado declarar los vnculos, las cargas y el nmero mximo, N, de puntos
de las soluciones. Opcionalmente puede indicarse el nmero mnimo,, m, si debe ser superior al de
nudos fijos; tambin, la tensin segura y el mdulo de Young del material; el recinto donde deben
' inscribirse las soluciones; y tambin un catlogo de secciones:
problema : geometra = { coordenadas } ; otros-datos-del-problema
otros-datos-del-problema:
asignacin-del-problema ;
otros-datos-del-problema asignacin-del-problema ;
asignacin-del-problema: uno de
vnculos = { enteros }
cargas = { cargas }
m = entero
N = entero
r e c i n t o = { coordenadas }
catalogo = { secciones }
= nmero
.187

E =
nmero
carga:
nudo , eje , intensidad
seccin:uno de
{ rea }
{ rea , radio-de-giro }
Cada vnculo se declara mediante un par de enteros: el primero es el nudo (numerados desde
cero), y el segundo el eje en que se impide el movimiento (0 para las abscisas y 1 para las ordenadas).
El recinto se define mediante una lista de puntos, interpretada como una poligonal cerrada. Si no
se declara un recinto particular, el programa generar un rectngulo que circunscriba a la solucin
inicial. El nmero mnimo de puntos del recinto es dos; en este caso, se interpretan como los
extremos de la diagonal de un rectngulo. Con tres o ms, se trata de una poligonal en el sentido
corriente. La definicin de las cargas sobre los nudos fijos sigue el mismo convenio que para los
vnculos, con un nmero adicional que define la intensidad. El catlogo opcional de secciones
permite definir cada una por su rea slo para solicitaciones de traccin o por su rea y radio
de giro se presupone que se trata de una seccin doblemente simtrica. Si ninguna seccin
tiene radio de giro distinto de cero, el dimensionado a compresin se efecta sin comprobacin de
la estabilidad (ecuacin 6.2). Si no hay catalogo el dimensionado es segn la ecuacin (6.3).
La definicin de la solucin es obligada, pero tanto su geometra como su 'esquema' 6 puede
generarse aleatoriamente (pero no se asegura que la solucin sea aceptable). La generacin al azar
de la geometra exige haber definido previamente un recinto. La definicin explcita de barras debe
contener los ndices de sus dos nudos.
solucin:
solucin : geometra = puntos-de-la-solucin ; esquema = conexiones-de-barras ;
puntos-de-la-solucin:
{ coordenadas }
azar ( nmero-de-nudos )
conexiones-de-barras:
{ enteros }
azar
El resto de los datos hacen referencia al recocido y al generador y son opcionales, dando el
programa valores a aquellas variables que no se declaren explcitamente:
otros-datos:
otra-asignacin ;
otros-datos otra-asignacin ;
otra-asignacin: una de
asignacin- del-recoado
asignacin-del-generador
asignacin-del-generador: una de
generador = { enteros }
i l n = nmero
i l g = nmero
superfluos = entero i n t e r s e c c i o n e s = entero
No se trata del esquema en el sentido del captulo 1, sino de la topologa en el sentido matemtico Se conserva
esquema por razones histricas, pero en el futuro deber manejarse una nomecladira consistente
Anejo B.5. O p t i m a d o r de cerchas isostticas
188
El generador se compone de una lista de parejas de enteros en las que el primero indica un
generador particular y el segundo la intensidad o la frecuencia absoluta con que debe emplearse.
Los generadores disponibles son:
,
GENERADOR
TRANSFORMACIN
0
10
20
21
cambia las coordenadas de un udo

cambia una barra por otra
suprime un nudo
aade un nudo
Si la intensidad de un generador es un entero positivo, la frecuencia de uso ser proporcional al

nmero que resulte de multiplicar la intensidad por el nmero de grados de libertad de la solucin
actual que pueden ser alterados por el generador en cuestin. Si por el contrario la intensidad es
un entero negativo, la frecuencia ser proporcional a su valor absoluto.
La amplitud, relativa al recinto, del espacio dentro del cual un nudo puede mudar su posicin
se controla mediante los valores de i l n ' y i l g . El primero determina la posicin de nuevos nudos
generador 21, en, mientras el segundo los cambios en los ya existentes, eg. Las ltimas dos
variables son 'lgicas' y permiten reducir el espacio de bsqueda:
VARIABLE
COMPROBACIN
superf luos
intersecciones
no existen nudos superfluos en la solucin

las barras no se cortan fuera de los nudos
archivo de entrada se hubiera incluido lo siguiente (los valores corresponden a las unidades Mp y
cm):
f = 10; E = 2100; # t e n s i n segura y modulo de Young
# recocido
ciclos = 400; alfa = 100; beta = 1; Fr/Fi = 100; dFr =0.9;
gamma = 2; delta = 1 ;
orculo = 0; # Metrpolis
recocido = 0;
# generador
generador = { 0,-2, 10,-2, 20,-1, 21, -1 };
iln = 0.1;
ilg - 0.1;
intersecciones = 1;
superfluos = 0;
Si no se define un recinto se adopta el menor rectngulo que circunscriba a la solucin inicial.
Si la definicin del recinto contiene slo dos puntos, se interpreta como un rectngulo y los puntos
como los vrtices de" su diagonal. Si no se define m ni N se adoptan el nmero de nudos fijos y el
nmero de nudos de la solucin inicial, respectivamente. Un archivo completo tiene el siguiente
aspecto (se trata del problema de Klichell con N 15):
# problema de Michell: viga apoyada con una carga puntual
problema: # d e f i n i c i o n e s generales
geometria = { 0 , 0 , 0 . 5 , 0, 1, 0 } ;
vinculos = { 0 , 0 , 0 , 1 , 2 , 1 } ;
cargas = { 1,1,-1 };
m = 4;
-<c,
ht
S>,l*r*
189
recinto = { 0,-2, 1,2 };

f = 200; E = 2100;
M = 15;
# sin catalogo, dimensionado estricto
# solucin: cuchillo espaol de esbeltez 10
solucin:
geometria = { 0.5, 0.1 };
esquema = { 0,1, 1,2, 3,0, 3,1, 3,2 };
# recocido A: valores iniciales salvo los que se indican
Fr = 100;
ile = 0.5; ilg = 0.5;
recocido = 1; superfluos = 1;
alfa =640;
Todos los resultados se escriben en archivos, o p c e r . o u t contiene la situacin al finalizar el programa en la sintaxis de o p c e r (puede usarse como nuevo archivo de entrada y la optimacin continuar all donde se abandon 7 ), o p c e r . s i m , o p c e r . s m y o p c e r . s b m describen con la sintaxis de
muac 8 la solucin inicial, ltima y mejor, respectivamente; pueden usarse como archivos de entrada
para este ltimo programa y realizar un anlisis elstico de la solucin. La salida de muac permite
obtener un scnpt para acad mediante el programa muacad; si no se desean los detalles pero s un
dibujo de la cercha deformada puede emplearse:
muac < o p c e r . s b m I muacad > o p c e r . s e r
o p c e r . s i , o p c e r . s y o p c e r . s b son scnpts para acad de la geometra de cada solucin y de su
volumen estructural. El dibujo generado consta de dos capas y los textos sern dibujados en el
estilo de letra que est definido en el momento de leer el scnpt (el archivo o p c e r . dwg puede usarse
como prototipo: en l estn definidas las capas necesarias, tambin las de muac):
CAPA
CONTENIDO
BARRAS
Barras dibujadas con lneas de grueso proporcional al rea

de la seccin (o al esfuerzo normal si no hay catlogo).
Valor de la funcin objetivo.
FUNCIONAL
Flujo
No hay opciones especficas y el flujo es simple:
1. Se leen las opciones y el valor de INF0 en el interpretador de comandos.
2. Se lee el archivo de entrada y si hay errores el programa finaliza, pero se genera el archivo
opcer.sim, de manera que mediante muac puede investigarse porqu la solucin es inaceptable.
3. Si r e c o c i d o tiene valor no nulo, se efecta el recocido de la solucin. .
4. Se generan los archivos sim, s i de la solucin inicial. Tambin los de la final y la mejor, y el
fichero out, si se efectu un recocido.
En el puede observarse parte del lenguaje no descrito aqu
muac es un sencillo programa de anlisis de cerchas facilitado libremente al alumnado en la enseanza oficial de
la ETSAM, vase Vzquez, 1992
Anejo B.6. Optimador del grosor de cerchas hiperestticas
B.6
190
Optimador del grosor de cerchas hiperestticas
Lenguaje reconocido
El archivo de entrada se divide en dos secciones, que deben disponerse en orden.
archivo-de-entrada:
definicin-del-problema otros-datos
La definicin del problema debe comenzar por la geometra:
problema : geometra = { coordenadas } ; otros-datos-del-problema
otros-datos-del-problemaasignacin-del-problema ;
otros-datos-del-problema asignacin-del-problema ;
Adems, la definicin del problema debe contener, al menos, lo siguiente: coordenadas, vnculos,
cargas, 'esquema' 9 y catlogo de secciones. Opcionalmente puede indicarse las caractersticas del
material (lmite elstico, coeficiente de seguridad bsico y mdulo de Young), el requisito de rigidez
(expresado como lmites a los desplazamientos) y los detalles para la ponderacin *de la funcin
objetivo:
asignacin-del-problema: uno de
vnculos = { enteros } catalogo = { secciones }
cargas = { casos }
h i p t e s i s = { combinaciones }
esquema = { barras }
g = real
fk = real
E = real
norma = norma
lmite
a = real
Las dos primeras definiciones utilizan la misma sintaxis que el lenguaje de opcer, y las dems
cambian o son nuevas. En general, existirn aqu distintos casos de carga que se utilizarn para
formar combinaciones o hiptesis. Cada caso de carga se define mediante una lista de cargas en la
misma sintaxis de opcer:
casos:
*
{ cargas }
casos , { cargas }
combinaciones:
{ coeficientes }
combinaciones , { coeficientes }
coeficientes:
entero real
coeficientes , entero real
Vase la nota 6 en la pgina 187
Anejo B.6. Optimador del grosor de cerchas hiperestticas
191
Por su parte, a cada hiptesis o combinacin le corresponde una lista de coeficientes, cada uno
de los cuales es una pareja formada por el ndice del caso de carga (en el orden en que se defini)
y la intensidad con que 'entra' en la combinacin. La definicin del 'esquema',es ms amplia que
en opcer pues, ahora, debe incluir como se dimenswna la estructura:
barras:
barra
barras , barra
barra: una de
nudo-inicial nudo-final
nudo-inicial nudo-final rtulo
La primera frmula para barra indica que la barra en cuestin se dimensiona con independencia
del resto, mientras que la segunda permite que varias barras compartan el mismo dimensionado, a
travs de un rtulo comn El nmero de grados de libertad, g, es como mucho el nmero total de
barras, E, pero disminuye en una unidad con cada repeticin de un rtulo, de manera que g < E.
El rtulo es un entero positivo pero no implica numeracin: puede ser mayor que g.
La definicin del material incluye el lmite elstico, el mdulo de Young y el coeficiente bsico de
seguridad (el aplicable a barras traccionadas). Para comprobaciones a compresin pueden usarse
distintas normas, pero hasta aqu se han manejado slo dos:
norma: uno de
aisc
opcer
Pueden definirse lmites, a los desplazamientos de los nudos, as como al mximo grado de
seguridad o de rigidez que debe mostrar la estructura para que sea inaceptable:
lmite:
variable operador real
variable: una de
u
v
gs
operador: uno de
<
>
gr
La variable u denota desplazamientos horizontales y v verticales, de la manera habitual. Si se

define un lmite superior (menor que la unidad) para 7S (gs) o j r (gr), el volumen estructural de
las soluciones cuyo grado se encuentre entre el lmite y la unidad, se ponderar con la ecuacin
(7.10), segn el valor de a (a).
El resto de definiciones se refieren a la solucin, al recocido y al generador:
otros-datos:
otro-dato
otros-datos otro-dato
otro-dato: uno de
solucin
asignacin-del-recocido ;
generador
La definicin de la solucin es obligada:
solucin:
dimensionado = definicin-de-secciones ;
Anejo B.6. O p t i m a d o r del grosor de cerchas hiperestticas
192
definicin-de-secciones: una de
entero
{ enteros }
En la primera forma la seccin es igual en todas las barras. La segunda consiste en la lista de
los g ndices de seccin de cada barra, en el mismo orden en que figuran en el esquema una vez
eliminadas aquellas barras con rtulo repetido. Los ndices de seccin se refieren al orden de las
secciones en el catlogo.
El resto de los datos, que son opcionales, hacen referencia al recocido (con los mismos convenios
generales) y al generador que como siempre es una lista de parejas de enteros para cada tipo de
transformacin:
a
r
generador:
generador = ' { enteros } ;
Las transformaciones disponibles son^
GENERADOR
TRANSFORMACIN
0
1
cambia el dimensionado de una barra al azar, y selecciona mediante orculo

cambia el dimensionado de una barra elegida al azar mediante un profeta local
'
archivo de entrada se hubiera incluido:
# m a t e r i a l y norma
fk = 2.6; g = 1.44; E = 2100; norma = opcer;
# condiciones de inaceptabilidad y ponderacin
gs < 1; gr < 1; a = 2;
# recocido
recocido = 0; orculo = 0; # Metrpolis
ciclos = 400; alfa = 100; beta = 1; Fr/Fi = 100; theta = 0.9;
gamma = 2; delta = 1;
generador = { 0,1 };
El archivo completo para la viga apoyada de la seccin 7.3, presenta el siguiente aspecto:
problema: # viga apoyada de cordones paralelos
geometria = {
0,0, 100,60, 200,0, 300,60; 400,0, 500,60, 600,0, 700,60, 800,0, 900,60, 1000,0
>;
vinculos = { 0,0, 0,1, 10,1 };

cargas = { { 1,1,-3* 3,1,-3, 5,1,-3, 7,1,-3, 9,1,-3 } };
hiptesis = { { 0 1 } } ;
esquema = -C
0 1, 0 2, 1 2, 1 3/ 2 3, 2 4, 3 4, 3 5, 4 5,
4 6, 5 6, 5 7, 6 7, 6 8, 7 8, 7 9, 8 9, 8 10, 9 10
>;
# tubos redondos huecos del prontuario! ENSIDESA
'
Anejo B.6. O p t i m a d o r del grosor de cerchas hiperestticas
193
catalogo = {
{ 2.386, 1.345 } , { 3.485, 1.312 } , {'4.522, 1.281 >,
{ 2 . 7 , 1.522 } , { 3 . 9 5 % 1.489 } , { 5.15, 1.456 } ,
... aqu continuara el catlogo que no se incluye entero...
{ 26.69, 6.013 } , { 31.84', 5.979 } , { 41.95, 5.911 >,
'{ 30.615, 6.897 } , { 36.55, 6.862 } , { 48.23, 6.794 }
};
# norma de opcer
g = 1 . 5 ; f k = 2 . 6 ; E = 2100; norma = opcer;
# volumen estructural sin ponderar
gr < 1; gs < 1;
# solucin de mximo volumen estructural para el catalogo
# de tubos redondos huecos
dimensionado = 45;
# recocido estndar
recocido = 1; alfa = 20;
Se escriben los siguientes archivos: opdim.out contiene lar situacin al finalizar el programa en su
propio lenguaje (puede usarse como nuevo archivo de entrada y la optimacin continuar alli donde
se abandon); opdim.si, opdim.s y opdim.sb, contiene scripts para acad de la solucin inicial,
final y mejor, respectivamente (el dibujo es en todo similar al producido por opcer y consta de
las mismas capas), opdim.sis, opdim.ss y opdim.sbs describe las mismas tres soluciones en el
lenguaje de muac, con las cargas correspondientes a la hiptesis con menor grado de seguridad
Anlogamente, opdim.sir, opdim.sr y opdim.sbr corresponden a la hiptesis con menor grado
de rigidez.
Opciones
Adems de las opciones comunes con el resto de los programas, -Z aplica el algoritmo de 7.1.1 a la
solucin inicial, suponiendo que se trata de un dimensionado ptimo desde el punto de vista de la
resistencia. Puesto que se trata de un algoritmo exponencial, si el tamao del problema es grande,
el programa puede permanecer haciendo clculos durante varios siglos! La solucin inicial debe
ser 'aceptable' desde el punto de vista de la rigidez, de manera que en la entrada ser necesario
rebajar la exigencia correspondiente, con una asignacin como gr < 0 . 1 .
Flujo
El flujo general del programa es muy simple:
1. Se leen las opciones y el valor de INF0 en el interpretador de comandos.
2. Se lee el archivo de entrada y si hay errores el programa finaliza.
3. Si la solucin inicial es inaceptable, se escribe el fichero correspondiente a la hiptesis psima
y
finaliza.
*
4. Si se us -Z se ejecuta'el algoritmo exponencial de 7.1.1, y se imprimen los archivos coi respondientes a la solucin final. En otro caso, si recocido tiene valor no nulo, se' realiza el
recocido de la solucin inicial, se imprimen los archivos correspondientes a la solucin final y
a la mejor, as como el fichero out.
5. Se imprimen los'archivos coi respondientes a la solucin inicial.
/
Anejo B.7. Son los programas polinmicos?
B.7
194
Son los programas polinmicos?
En el lenguaje reconocido por cada programa se han utilizado convenios implcitos para la denominacin de componentes. Un convenio habitual consiste en la numeracin de objetos. Este
convenio junto a la generacin automtica produce programas que no son siempre polinmicos, si
la complejidad temporal se mide respecto a la longitud de datos l y a programa concreto (y no al
algoritmo genrico).
El nico programa en el que no existe generacin automtica es opdim. Aqu, la solucin y el
catlogo deben definirse explcitamente, de manera que el tamao abstracto, i, y concreto, l, del
problema coinciden, y las afirmaciones acecca de la complejidad de los algoritmos coinciden tambin
con la del programa: con la opcin -Z, opdim es exponencial y sin ella es polinmico para cualquier
generador, es decir, que medida la longitud de cada caso, l, como el nmero de caracteres del
archivo de entrada, el tiempo requerido por el programa se relaciona con ella en la forma indicada,
exponencial o polinmica.
El programa con ms generacin es api, en el que de hecho, los nombres de los nodos, lados y
tringulos de la malla de clculo se dejan al arbitrio del programa y, de hecho, son desconocidos
(salvo para el prpgramador que, conociendo las reglas de generacin podra, si tiene la paciencia
necesaria, calcular tales nombres). De esta forma, para usar una malla de clculo ms fina, slo
hay que aumentar los nmeros de subdivisiones declarados en d i v i s i n de elementos, lo que de
hecho aumenta slo ligeramente el tamao real del archivo de entrada (que puede medirse en bits o
en bytes). Si por ejemplo se parte de una subdivisin de 10, y se pasa a una de 100, la longitud de
la entrada slo aumenta como mucho en 2E caracteres (2(log10 100 log10 10)JB). Sin embargo, la
generacin automtica de la malla de clculo requiere, esencialmente, O 2 ^ operaciones adicionales,
en consecuencia el nmero de operaciones (102) depende exponencialmente de los 'nmeros' del
problema (2). Se trata por tanto de un programa exponencial, aunque pseudopolinmico, pues
respecto a los objetos no numricos (E) permanece polinmico. Esto tiene consecuencias prcticas
evidentes: api parece ofrecer una solucin polinmica para cualquier malla de clculo, puesto que
el esfuerzo para escribir el archivo de entrada para cualquier malla es casi el mismo; sin embargo,
el tiempo de clculo crece en la prctica sin lmite polinmico, respecto a dicho esfuerzo. De hecho,
el esfuerzo necesario para simplemente leer el archivo a p i . out no tiene proporcin polinmica con
el que se necesit para escribir a p l . i n . En consecuencia, api se comporta como un programa
pseudopolinmico. A pesar de todo, el algoritmo es formalmente polinmico, segn se vio.
La paradoja reside en que la teora formal no admite como 'razonable' un esquema de codificacin en el que los nombres de los distintos objetos que figuran en el problema estn convenidos
de antemano y no figuren en la descripcin del caso genrico (que, recurdese, est descrito por
parmetros genricos cuyo valor se deja sin especificar). Pero ste es el expediente habitual en los
programas de anlisis de estructuras con generacin automtica (en la prctica, la gran mayora).
Lo dicho para api vale igualmente para opcup (donde, en el mejor de los casos, los nombres de
los puntos de integracin estn convenidos), y para opcer (que es un programa exponencial en N,
y por tanto pseudopolinmico). De este modo, las convenciones implcitas para los algoritmos de
generacin automtica parecen ayudar a plantear problemas con un gran nmero de grados de libertad, sin apenas esfuerzo adicional, pero la ilusin se desvanece debido a que, entonces, algoritmos
formalmente polinmicos se tornan pseudopolinmicos en la prctica, con su utilidad reducida a
aquellos casos en que el nmero de grados de libertad permanece 'razonablemente' pequeo. La
teora de la NP-complecin permite concluir que los mtodos de anlisis basados en 'elementos'
slo son polinmicos en la prctica y, por tanto, aproximan eficazmente el problema cuando:
1. el nmero de los elementos es constante,
2. cada elemento se corresponde con un elemento del objeto construido (barras, vigas y soportes,
en cerchas y prticos, por ejemplo), de forma que su geometra tiene que ser definida en cada
caso del problema, y
3. el mtodo establece un nmero fijo de operaciones para el manejo de cada uno de los elementos.
Anejo B.7. Son los programas polinmicos?
195
Este es el caso de opdim. Tambin el de opcer si se exige que la solucin inicial sea explcita y
tenga N nudos. En el caso de api y opcup sera necesario decidir un esquema de sub'divisin o
de integracin fijo, con independencia del caso planteado. Ejemplos del 'crecimiento' del tamao
algortmico de la solucin en problemas de anlisis pueden verse en el competente trabajo de
Bugueda (1991).
Anejo C
Verificacin de las soluciones

Las soluciones obtenidas mediante los algoritmos que se han presentado deben poder verificarse de
manera independiente. En muchos casos, esto es posible con la informacin aportada hasta aqu:
los diseos de cerchas isostticas, por ejemplo, quedan determinados mediante su dibujo, dado que
el dimensionado es siempre el ptimo incluso con catlogo, de este modo el dibujo determina
completamente la definicin de la solucin. Lo mismo ocurre en el caso de las cpulas, pues los
valores de la funcin z o z', de sus derivadas y del grosor se suministran en forma grfica precisa.
En todo caso, en los discos que se adjuntan figuran los archivos producidos como salida (out) por
los respectivos programas, con nombres que se refieren de un modo explcito a los problemas y
a sus soluciones, de manera que tambin es posible una verificacin automtica mediante otros
algoritmos.
Tan slo en el caso de las configuraciones de rotura de losas, es necesaria una informacin ms
explcita, debido a que la descripcin de la malla de clculo es de hecho desconocida. Los ficheros
t x t de cada caso dibujado en el captulo 4, facilitan dicha informacin: cada solucin consta de
una tabla de todos los nodos de la malla (con sus tres coordenadas x,y, z), de una tabla de todos
los tringulos (definidos mediante sus tres nodos) y de una tabla de todas las aristas (definidas
mediante sus dos nodos). Esto determina todos los tringulos y lineas de rotura, de manera que
con las cargas y resistencias enunciados en el texto y en las figuras, cada solucin puede verificarse.
Algunas afirmaciones de carcter estadstico tambin pueden verificarse: los archivos r e s incluyen un resumen de cada uno de los recocidos individuales de la serie que obtuvo cada solucin.
Con esta informacin, pueden, de hecho, realizarse otros anlisis, adems de comprobar los citados.
Bibliografa
Como se habr notado, el sistema de referencia usado es el denominado autor-ao. La tipografa
utilizada se ajusta en lo esencial a la preconizada por Eco (1977:106-107), aunque se ha aumentado algo la codificacin. Una fecha entre parntesis no es la de la edicin original (fecha que se
desconoce); mientras que entre interrogaciones es incierta, deducida del contexto. Si la fecha es
seguida por dos puntos y cifras, las arbigas indican las pginas que se referencian, salvo en el caso
de obras cinematogrficas en el cul indican minutos; las romanas indican tomo o volumen. Se han
utilizado abreviaturas comunes con entera libertad tanto en latn como en castellano. De algunos
ejemplares algo raros se anota la biblioteca en la que pueden encontrarse, segn las siguientes abreviaturas (los ejemplares sin localizador se encuentran en bibliotecas particulares y/o son comunes
a muchas bibliotecas pblicas, siempre en Madrid):
Abreviatura
B.DEE
, B.ETSAM
B.ETSIA
B.FCF
B.FI
B.FCM
BL
Biblioteca
Departamento de Estructuras de Edificacin de la ETSAM
Escuela Tcnica Superior de Arquitectura de Madrid
E.T.S. de Ingenieros Aeronuticos de Madrid
Facultad de Ciencias Fsicas de la Universidad Complutense
Facultad de Informtica de la Universidad Politcnica de >
Madrid
Facultad de Ciencias Matemticas de la Universidad
Complutense
The Brihsh Library. Document Supply Center
Las obras se recogen en dos grandes grupos. Las citadas en el texto se incluyen como 'referencias', otras utilizadas a lo largo de la investigacin y que son de inters, como 'bibliografa
adicional'.
Referencias
Abramson, Norman
1966
Information Theory and Codmg. New York: McGraw-Hill. (Se cita la versin
castellana: Teora de la informacin. Madrid: Paraninfo, 1974)
Ackley, David H.
<
1987
"An Empirical Study of Bit Vector Function Optimization", en Davis
(Ed.), 1987:170-204
Adeli, H. et Kamal, O.
1991
"Efficicnt Optimization of plae trusses", Adv. Eng. Software, y. 13, n- 3, pp.
116-122, BL
Alonso, Marcelo et Finn, Edward J.
1968
Quantum and Statistical Physics. Reading, Mass.: Addison-Wesley Publishing Co.
' v. III de la coleccin Fundamental University Physics. (versin castellana de Carlos
Albcito Heras y Jos A Barreto Araujo: Fundamentos Cunticos y Estadsticos.
Bogot: Fondo Educativo Intei americano, v. III de la> coleccin Fsica)
Bibliografa
198
lvarez, ngel
1993
Conversacin personal
Arango, Antonio
1993
"Cpula de tensin constante", manuscrito, 14 p., por cortesa del autor
Arnheim, Rudolf
1971
Entropy and Art. Berkeley: University of California Press
Aroca, Ricardo
1985
"Clculo en rotura de hormign armado", manuscrito, por cortesa del autor
1993
"Forma, tamao y proporcin en el diseo de estructuras", manuscrito, por cortesa

del autor
1994
5
Aroca, Ricardo et ah
1973
Curso de diseo de estructuras. Madrid: Departamento de Estructuras (ETSAM)
Atkins, P. W.
1984
La segunda ley. Barcelona: Prensa Cientfica, 1992. (ed. original en Scientific
American Books Inc., s.d.)
Atrek E. et ah: Galtagher, R.H., Ragsdell K.M., et Zienkiewicz, O.C.
1984New Directions m Ophmun Structural Design. Chichester: John Wiley et Sons.
B.DEE:688
Azencott, Robert
1992
Simulated Anneahng: Parallehzation Techniques. New York: John Wiley et Sons'
Binder, Kurt
1986
Monte Cario Methods m Statishcal Physics. Berln: Springer Verlag 2- ed.
B.DEE:684
Bland, Robert G.
1981
"The Allocation of Resources by Linear Programming", Scientific American,
v. 244:108-119. (versin castellana en : Investigacin y Ciencia, n- 59, pp. 6275)
Boltzmann, Ludwig
1905
Populare Schnfften. Leipzig: Barth (versin castellana de F.J.O. Ordoez: Escritos
de mecnica y termodinmica. Madrid: Alianza, 1986) ^
/
Bonomi, Ernesto et, Lutton, Jean Luc
1984
"The JV-city Travelling Salesman Problem: statistical mechanics and the metrpolis
lgorithm", SIAM Review, v. 26 n a 4 pp. 551-568. B.ETSIA
Bugueda Castelltort, Gabriel
1991 Utilizacin de tcnicas de estimacin de error y generacin automtica de mallas en
procesos de optimizacin estructural. Barcelona: E.T.S. de Enginyers de Camins,
Cais i Ports (UPC). Tesis doctoral AA 1990/91
Calvo Rodes, Rafael
1963
Prontuario Metalotcnico. Madrid: Instituto Nacional de Tcnicas Aeroespaciales.
3- ed. tomo I
Candela, Flix
(1985)
En defensa del formalismo y otros escritos, s.l.: Xarait Ediciones (Recopilacin de
artculos de revistas, conferencias y otros)
Catoni, Olivier
1988
"Glandes dviations et dcroissance de la tempiature dans les algoiithmes de recuit", C. R. Acad. Sci., Paiis: v. 307, serie I, pp 535-538
Bibliografa
199
Crny, V.
1985
"Thermodynamical Approach to the Traveling Salesman Problem: An Efficient Simulation Algorithm", Journal of Optvmization. Theory and Applications, v. 45, n- 1,
B.FCM
Cervera, Jaime
1989
"Tres teoremas fundamentales de la teora del diseo de estructuras''^ Informes de
la Construccin, v. 40, n- 399, pp. 57-66
1990
Trabajo de investigacin que se aporta a un concurso para plaza de catedrtico.
Madrid: UPM
1993
Diseo de estructuras en edificacin. Madrid: Instituto Juan de Herrera & Departamento de Estructuras de Edificacin (ETSAM)
1994
Comunicacin personal
Chiang, Tzuu-Shuh et Chow, Yunshyong

*
1989
"A limit Theorem for a Class of Inhomogeneus Markov Processes", The Annals of
Probabihty, v. 17, n^ 4, pp. 1.483-1.502, B.FCM .
Chomsky, Noam et Miller, George A.
1958
"Finite State Languages", Information and Control, n- 1, pp. 91-112
Colette, Jean Paul
1979"
Histoire des mathmatiques 2. Montreal: Editions du Renouveau Pedagogique (Se
cita la 1- ed. castellana: Historia de las matemticas II. Madrid: Siglo XXI, 1985)
Creutz, Michael; Jacobs, Laurence et Rebbi, Claudio
1979
"Monte Cario Study of Abelian Lattice Gauge Theories", Physical Review D, v. 20,
n^ 8, pp. 1.915-1.922. B.FCF
Cross, Hardy
1936
"The relation of analysis to structural design", Trans. Am. Soc. Civil Eng., n- 62,
pp. 1.363-1.408, BL
Davis, Lawrence (Ed.)
1987
Genetic Algorithms and Simulated Annealing. London: Pitman, Los Altos (CA):
Morgan Kaufman. B.DEE
Davis, Philip J. et Hersh, Renben
(1988)
Experiencia Matemtica. Barcelona: Ed. Labor (s.d.: se cita una copia de las pp.
178-189, amablemente facilitada por Teresa Tico. No se confront ni la versin
castellana, ni la original)
Deleuze, Giles et Guattari, Flix
1991
Qu'est-ce que la philosofie?. Pars: Les Editions de Minuit
Dobbs, Michael W. et Felton, Lewis P.
1969
"Optimization of truss geometry", Journal of Structural Divisin ASCE, v. 10, pp.
2.105-2.118
Eco, Umberto
1977
Come si fa una test di laurea, s.c: Tascabili Bompiani (se cita la versin castellana:
Como se hace una tesis. Barcelona: Gedisa, 1983)
Feller, William
1950
An Introduction to Probabihty Theory and Its Applications. New York: John Willey
et Sons, 3 a ed., 1968. v. I. B.ETSAM:10.787
Fernandez Duran, Ramn
"
1993
La explosin del desorden. Madrid: Editorial Fundamentos
Fernandez-Galiano, Luis
1991?
El fuego y la memona. Sobre aiquitectura y energa Madrid- Alianza Editorial
Bibliografa
1200
Galante M. et Cerrolaza M.
1993
"Un algoritmo gentico para optimizar estructuras esbeltas reales", en las Actas
deVII Congreso de Mtodos Numricos en Ingeniera; F. Navarrina y M. Casteleiro
(Eds), s.c. (Barcelona?): Sociedad Espaola de Mtodos Numricos en Ingeniera,
pp.126-135
Galbraith, John Kenneth
1987
Economics m Perspectwe. A critical History. s.c: Houghton Mifthin Co. (Se cita
la 6 a ed. castellana: Historia de la Economa. Barcelona: Ariel, 1992)
Garey, Michael R. et Johnson David S.
1979
Computers and Intractabihty. New York: Freeman. Se cita el update de 1991, que
incluye una adenda con los descubrimientos acontecidos desde la edicin original
Geman, Stuart et Geman, Donald
1984
"Stochastic Relaxation, Gibbs Distribution and the Bayesian Restoration of Images", IEEE Transactions on Pattern Analysis and Machine Intelligence, v. PAMI-6,
n a 6 B.FI
Gidas, Basilis
1985
"Nonstationary Markov Chains and Convergence of the Annealing Algorithm", Journal of Stahstical Physics, v. 39, n 1-2, pp. 73-131 B.FCF
Gonzlez, Ramn et Velles, Javier
1993
Proyecto de Restauracin del Antiguo Hospital Real de Cdiz para sede del Rectorado
de la Universidad. Cdiz: edicin de los autores
Grefenstette, John J.
1987
"Incorporating Problem Specific Knowledge into Genetic Algorithms",
Davis, 1987
en
Hajek, B.
1988
"Cooling Schedules for Optimal Annealing", Math. Oper. Res., v. 13, pp. 311-329,
BL
Hernndez Ibaez, Santiago
1990
Mtodos de diseo ptimo de estructuras. Madrid: C O . de Ingenieros de Caminos
Canales y Puertos
<
Hillis, W. Daniel
1987
"La mquina de conexin", Investigacin y Ciencia, n- 31, pp. 72-80
Hinton, Geoffrey E. et Touretzky, David S:
1987
"Pattern Matching and Variable Binding in a Stochastic Neural Network",
Davis, 1987:155-169
en
Hirst, Graeme et Selman, Bart

1987
"Parsing as an Energy Minimization Problem", en Davis, 1987:141-154
Holley," Richard et Strook, Daniel
1988
"Simulated annealing via Sobolev inequalities", Comm. Math. Phys., v. 115, pp.
553-569
Holland, John H.
1992
"Algoritmos genticos", Investigacin y Ciencia, n- 192, pp. 38-45
Hopcroft, J.E. et Ullman, J.D.
1967
"Nonerasing stack auomata", J. Comput. System Sci., v. 1, pp. 166-186
Hopfield, John J. et Tank, David W.
'1988
"Computacin conjunta con circuitos neuromorfos", Invetigacin y Ciencia, n- 137,
pp. 44-52
Bibliografa
201
Jeroslow, R.G.
1973
"There Cannot be any Algorithm for Integer Programming with Quadratic Constraints", Operaons Research, v. 21, pp. 221-224
Jimnez, Pedro et ah: Garca, Alvaro et Moran, Francisco
(1979)
Hormign armado. Barcelona: Gustavo Gil, 10- ed.
Johansen, K. W.
1962
Yield-hne Theory. London: Cement &: Concrete Association. B.SDE
Jrgens, Hartmut et ah
1990
"El lenguaje de los fractales", Investigacin y Ciencia, n- 169, pp. 46-57
Kernighan, Brian W. et Plauger, P.J.
1974
- The Elements of Programming Style. New York: McGraw-Hill Book Co.
Kernighan, Brian W. et Pike, Rob
1984
The Unix Programming Environment. Englewwod Cliffs: Prentice Hall (hay traduccin castellana en la misma editorial)
Kernighan, Brian W. et Ritchie, Dennis M.
1988
The C Programming Languaqe. Englewwod Cliffs: Prentice Hall, 2- ed. (hay traduccin castellana en la misma editorial)
Kirkpatrick, Scott
1984
"Optimization by Simulated Annealing: Quantitative Studies", Journal of Statishcal
Physics, v. 34, n2- 5-6, pp. 975-986
Kirkpatrick, Scott et ah: Gelatt, C.D. et Vecchi, Mario P.
1983
"Optimization by Simulated Annealing", Science, v. 220, n2 4.598, pp. 671-680'
Kirkpatrick, Scott et Sherrington, David
1978
"Infinite-ranged models of spin-glasses", Physical Review B, v. 11, n- 11, pp. 43844403 B.FCF
Kirkpatrick, Scott et Vecchi, Mario P.
1983
"Global Wiring by Simulated Annealing", IEEE Transactions on Computer-Aided
Design, v. CAD-2, n2- 4,,pp. 215-222
Khot, N.S. et Berke, L.
1984
"Structural Optimization Using Optimality Criteria Methods", en Atrek et
ah, 1984:47-74
Knuth, Donald E.
1973
Sortmg and Searchmg. New York: Addison-Wesley, 3 vol. de The Art of Computer
Programming
Lzaro Carreter, Fernando
1992
Carta personal del 28-9-1992
Lzaro Carreter, Fernando
1992a
Carta personal del 22-10-1992
Margalef, Ramn
' 1980
La biosfera, entre la termodinmica y el juego. Barcelona: Omega
Metrpolis, Nicholas et ah: Arianna W. y Marshall N.Rosenbluth; y Augusta H. Teller.
1953
"Equation of State Calculations by Fast Computing Machines", The Journal of
Chemical Physics, v. 21, n a 6, pp. 1.087-1.092, B.ETSIA
Miguel, Jos Luis de
1974
Trabajo estructural. Un nuevo escalar de las estructuras. Madrid: Escuela Tcnica
Superior de Arquitectura, tesis doctoral
Bibliografa
202
1986
Estudio de las losas sobre apoyos aislados. Madrid: Escuela Tcnica Superior
de Arquitectura, trabajo de investigacin aportado a un concurso para plaza de
catedrtico
1994
Michell, A.G.M.
1904
"The limits of Economy of Material in Frame-structures", Philosophical Magazine,
Si 6, v. 8, n2- 47
Naredo, Jos Manuel
1987
La economa en evolucin. Madrid: Siglo XXI
1993
"Energa, materia y entropa", en Energa para el'maana, Madrid: AEDENAT y

Los Libros de la Catarata (s.e.), PP- 61-74
Navarrina Martnez, Fermin

1987
Una metodologa general para optimizacin estructural en diseo asistido por ordenador. Barcelona: E.T.S. de Enginyers de Camins, Cais i Ports (UPC). Tesis
doctoral, 2 tomos
Olmedo, Carlos et Vzquez, Mariano
1990
"Enseanza de la teora de estructuras con imgenes electrnicas", en las Actas del
II Congreso de expresin grfica arquitectnica, Adriana Bisquert (ed ), MadridDpto. de Expresin Grfica Arquitectnica, ETSAM, UPM
Peled, Abraham
1987
"La prxima revolucin informtica", Investigacin y ciencia, n- 135
Prez Ruy-Diaz, J.A. et Prez Jimnez, L.
1993
"Optimizacin de estructuras mediante algoritmos genticos", Actas del concreso
AREC DAO 93, lo que se cita es una copia facilitada por Valentn Quintas, no se
confront el original
Planck, Max
(1926?) Treatise .on Thermodynamics. s.l.: Dover Publications, s.f. Se trata de la traducin
inglesa de la 7- ed. alemana, revisada por el autor
Pou, Antonio
1992
"Cambio climtico y referencia a la degradacin de suelos", ecosistemas, n- 3
Press, William H. et ah: Flannery, Brian P.j'Teukolsky, Sal A. et Vetterling, William T.
1988
Numencal Recipes m C. The Art of Scienhfic Computing. Cambridge: Cambridge
University Press
Prigogine, Ilya et Stengers, Isabelle
1984
Order Out of Chaos: Man's New Dialogue with Nature. New York: Bantam Books Quintas Ripoll, Valentn
1993
Sobre el mtodo esttico en el clculo a rotura de placas de hormign armado.
manuscrito de 6 pginas, por cortesa del autor (ahora en Hormign y acero, n- 190,
1994)
1993a
Ramm, E.
1992
"Shape Finding Methods of Shells", Bullehn of the International Association for
Shell and Spatial Structures, v. 33, n- 109, pp. 89-98, facilitado por Valentn Quintas
Reif, F.
1965
(Fundamentos de Fsica Estadstica y Trmica). New York: McGiaw Hill. Traduccin castellana. Madrid: Ediciones del Castillo, 1968. s.t
Bibliografa
203
Rifkin, Jeremy
1989
Entropy: Into the Greenhouse World. New York: Bantam Books (Se cita la versin
castellana: Entropa. Barcelona: Ediciones Urano, 1990)
Rozvany, G.I.N.
1984
"Structural Layout Theory The present State of Knowledge", en Atrek et
. ah, 1984:167 y ss
Schmit, L A. Jr
1984
"Structural OptimizationSome Key Ideas and Insights", en Atrek et ah, 1984.145
Schrodinger, Erwin
1944
What is hfe?. se cita la reimpresin conjunta con Mmd and Matter, London: Cambridge University Press, 1967. B.ETSAM:13.483
1952
Stahscal Thermodynamics. Cambridge: Cambridge University Press. Se cita la

reimpresin con el mismo ttulo, New York: Dover, 1989
Sheu, C.Y. et Schmit, L.A. jr.
<
1972
"Minimum Weight Design of Elastic Redundat Trusses under Mltiple Static Loading Conditions", AIAA Journal, v. 10, n9- 2, B.ETSIA
Stein, Daniel L.
1989
"Vidrios de espines", Investigacin y Ciencia, n- 156, pp. 24-36
Vanderplaats, G.N.
1984
"Numerical Methods for Shape Optimization: An Assessment of the State of the
Art", en Artek et ah, 1984:89-103
Timoshenko, Stephen P. et Woinowsky-Krieger, S.
1959
Theory of Plates and Shells. New York: McGraw-Hill. (se cita la'versin castellana:
Teora de placas y lminas Bilbao: Urmo, 1975)
Timoshenko, Stephen P. et Young, D.H.
1965
Theory of Structures. New York: McGraw-Hill (se cita la 2- ed. castellana: Teora
de las estructuras. Bilbao: Urmo, 1975)
Valero, Antonio
1993
"La termoeconoma: una ciencia de los recursos naturales?", en Hacia una ciencia
de los recursos naturales, Jos Manuel Naredo y Fernando Parra (eds.), Madrid:
Siglo XXI, 1993
Vzquez Esp, Carlos
1994
Vzquez Esp, Mariano
1986
"Siete malentendidos alrededor de la arquitectura verncula", en La tierra: material
de construccin Soria: Interaccin, pp. 199-210
1987
"Barro y cemento: dos tecnologas conexas", en La tierra, material de construccin

monografa n^ 385/386. Madrid: IETcc, pp. 734-76
, ,
1992
MUAC: Mtodo universal para el anlisis de cerchas. Madrid: Departamento de

Estructuras de Edificacin (ETSAM)
1993
"Hospital real para Javier Velles", manuscrito, 3 tomos
Weir, Peter
1985
Wness. USA: Paramount Pictures. 101 min.
Zicnkicwicz, Olgieid Cccil
1977
The Fme Element Method. London: McGraw-Hill
Bibliografa
204
Bibliografa adicional
Se aaden a continuacin algunos ttulos de inters a los que, de todas formas, no se ha hecho
referencia directa en el texto. Se aade algn comentario cuando no resulta evidente el tema
tratado.
Ben-Av, R. et ah
1990
"Critical Acceleration of Lattice Gauge Simulations", Journal of Statistical Physics,
v. 58, n- 1-2, pp 125-139 B.FCF (Trata sobre mtodos de enfriamiento mediante
el mtodo de Monte Cario)
Best, G.C.
1964
"Completely automatic weight-minimization method for high speed digital computers", J. Aircraft, n* 1, pp. 129-133, BL
Clymer, John R.
1990
Systems Analysis usmg Simulation and Markovs Models. Englewood Cliffs (NJ):
Prentice-Hall. B.ETSIA
Creutz, Michael; Jacobs, Laurence et Rebbi, Claudio
1979
"Expenments with a Gauge-Invariant Ising System", Physical Review Letters, v. 42,
n a 21, pp. 1.390-1.393. B.FCF
Diaz Cort, Jos
1982
Complejidad concreta y complejidad abstracta de algoritmos: un panorama actual.
Granada: Universidad de Granada
Felton, Lewis P. et Hofmeister, Lawrence D.
1968
"Optimized Components in Truss Synthesis", AIAA Journal, v. 6, n- 12, pp. 2.4342.436, B.ETSIA
Frigerio, Alberto
1990
"Simulated Annealing and Quantum Detailed Balance", Journal of Statistical
Physics, v. 58, n^ 1/2, B.FCF
Lewis, Harry R. et Papadimitriiou, Christos H.
(1978)
"La eficiencia de los algoritmos", Investigacin y Ciencia, nmero del mes de marzo
de 1978
Pearson, C.W.
1958
"Structural design by high speed computing machines", en Proceeding of the First
Conference on Electronic Computation. New York: ASCE, pp. 417-436, BL
Razani, Reza
1965
"Behavior of Fully Stressed Design of Structures, and Its Relationship to MinimunWeight Design", AIAA Journal, v. 3, n a 12, pp. 2.262-2.268, B.ETSIA
Quintas Ripoll, Valentn
1990
Sobre el teorema de Maxwell y la optimizacin de arcos de cubierta. Trabajo de investigacin aportado a un concurso para plaza de catedrtico. Madrid: Universidad
Politcnica
Rilo, Rick L.
1992
"Los bits mejor dotados", Investigacin y Ciencia, n- 192, pp. 84-87 (contiene un
sencillo e ilustrativo ejemplo de algoritmo gentico)
Traub, Joseph F. et Wozniakowski Henryk
1994
"Resolucin de problemas irresolubles", Investigacin y Ciencia, n- 210, pp. 42-49
s
Wang, Q.J.
s
1991
"The Genetic Algoiithm ans Its Application to Calibiating Conceptual RainfallRunoff Models", Water Resources Research, v. 27, n- 9, pp 2.467-2.471
Bibliografa
205
Woods, John W.
1972
"Two-Dimensional Discrete Markovian Fields", IEEE Transachons or Information
Theory, v IT-18, n2- 2, pp 232-240
Younes, Laurent
1988
"Estimation and annealing for Gibbsian fields", Ann Inst Henri Pomcar, s Probabihties et Satistiques, v 24, n2- 2, pp 269-294, B FCM
Smbolos ms frecuentes
Se incluye slo aquellos que son usados a lo largo de todos los captulos y con significado especial, inusual o
que pudiera resultar ambiguo.
Smbolo
Significado
Operadores unarios
(x)
log(z)
El mnimo entero que es mayor o igual a x (techo de x).

Valor medio de x en una muestra (en el captulo 2 se us una vez con el
significado de permutacin).
En general, el logaritmo natural de x. En el captulo 2, el logaritmo en base 2
de x, aunque en ese contexto la base del logaritmo es indiferente
Operadores binarios
x oc y
y = 0[x)
En general, x es proporcional a y. Aplicado a problemas de decisin (captulo

2), x es transformable pohnmicamente en y.
Longitud de la cadena x, nmero de elementos del conjunto x; por extensin
valor absoluto de x, aunque para esto ltimo se ha preferido abs(:r)
y es del mismo orden que x
Variables" y funciones
9
l
U,g
xg
a, H
4>(*o)
0(x/)
T
Serie finita de nmeros aleatorios en el intervalo [0,1). Cada invocacin arroja

un nuevo valor, debiendo ser la distribucin de probabilidad uniforme y no
existir correlacin entre los diversos valores.
Complejidad temporal de un algoritmo.
Nmero de grados de libertad de la configuracin x.
Longitud de datos, tamao convencional de un archivo de entrada.
Tamao 'informal' del caso de un problema.
Variable independiente de (f>: configuracin, estado, solucin candidata. Se
trata, en esencia, de un conjunto heterogneo de variables xg. En la literatura
sobre optimacin de estructuras recibe el nombre de 'variables de diseo'.
Grado de libertad de x.
Espacio de las soluciones.
Rango del grado de libertad g.
Constantes del recocido; determinan las transiciones en cada ciclo.
Funcin objetivo.
Solucin 'inicial' del recocido.
Solucin 'final' del recocido (la ltima).
Solucin 'mejor' del recocido.
Temperatura de la funcin objetivo.
Tasa de reduccin de la temperatura.
Algoritmos
G
V
7l[C, a, p, r, 0]
nTZ\C, a, P, r, <d]
Hn[C, a, 3, T, m
Generador de transiciones o algoritmo de Metrpolis (la configuracin se seleccionan con un orculo).

'
Profeta: calcula un nuevo valor de x de acuerdo a la distribucin local de
probabilidad para la variable xg.
Recocido individual de C ciclos, ag0 transiciones por ciclo. Comienza en la
temperatura r. En cada nuevo ciclo la temperatura se reduce con T < ri3.
Recocido en lotera: serie de n recocidos con distinta serie .4.
Recocido incremental: serie de n recocidos con a = a, 2a, 4a,.."..
Fe de erratas
Se incluyen las principales erratas advertidas, tras concluir la edicin (se excluyen los errores mecanografieos y ortogrficos, como 'sobretodo' donde debiera ser 'sobre todo').
En la pgina.
VI y 104
VII y 129
2 y 26
31
46
53
60
61
84
95
. donde dice...
*[1, 0, 0, 1]
Solucin mejor para M4...
. . . con el objeto que . . .
. . . de la suma 5Z ex P
(~et/kT)...
l
P 2 indica...
Con g = 1 y a = 10...
. . . pieza prismtica curvada.
. . . donde bfx =.. .
... tener naturaleza 'fractal' del
problema:...
.. .el mismo nlimero de rboles que
se queman y pioducii la misma cantidad de material que se quema y
entonces . . .
150
153
passim
passim
. . . el mismo nmero de rboles que

se queman, y entonces . . .
.. intervalos 'infinitos' para algunas

variables.
109
120
122
127
130
131
141
. debe decir...
*[1, 0, 0, 0]
Solucin mejor para M2...
. . . con el 'mejor' objeto que . . .
. . . de la suma J2 êxp (u/kT)...
P 1 2 indica...
Con 0= 1 y a = 10...
. . . pieza prismtica curvada, de longitud a.
.. .donde x = . . .
... tener naturaleza 'fractal':...
...WE. . . el espeso de las barras.

. . . a tamao doble . . .
. . . amplificados por 10...
. . . (artificalmente difles...
...cf. Atkins, 1984:124.
.. .especto a la solucin 'ptima'
. . . idoneidad de stos . . .
Arango
Thimoshenko
..W = . . .
. .el giosor de las barras.
. .a escala mitad . . .
.. amplificados 50 veces...
.. (artificialmente difciles)...
..cf. Atkins, 1984:124;
Pou, 1992:24-25.
.. que la solucin 'ptima'...
. .idoneidad de estos objetivos...
Garca de Arango
Timoshenko
E L TEXTO DE ESTE DOCUMENTO
fue impreso con una mquina HPLaserJet 4

mediante instrucciones preparadas con IATgX.
Del mismo modo,
las instrucciones para imprimir las figuras,
fueron preparadas con AUTOCAD
y ejecutadas por una'mquina HPLaserJet 4P.
Para obtener el original,
texto y figuras fueron maquetadas a mano.
Este ejemplar se reprodujo
con una mquina Kodak Ektaprint 235
sobre papel reciclado Gestetner de 80 gr/m 2 .
Acabado en Madrid, el 14 de noviembre de 1994.

Recocido Simulado PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Recocido Simulado PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Ikos

Departamento de Estructuras de Edification

Mariano Vazquez Espi

Jaime Cervera Bravo

La optimacion de u n a funcion real es un problema recurrente en teorfa de estructuras. Si la

Realizado el acto de defensa y lectura de la Tesis

Cerchas de peso minimo

Dimensionado optimo de cerchas hiperestaticas

Lista de simbolos utilizados

U n caso del p r o b l e m a del viajante de comercio

D i a g r a m a tension versus deformacion del acero

F o r m a de la cupula y sus p a r a m e t r o s significativos

Viga a p o y a d a de canto constante

Longitud de d a t o s del mayor caso 'resoluble' segun el o r d e n a d o r e m p l e a d o 12

Peso y c e n t r o de gravedad del conjunto MioootMxB p a r a p = 1

en los problemas canonicos

Serie de Michell p a r a u n a viga con carga c e n t r a d a

fuera del hilo central del argumento.

Breve relato de la investigacin

la investigacin, descubr en no pocas ocasiones aspectos equvocos de la teora, falsos conceptos

" ' '"- .

El recocido simulado de un objeto para mejorar alguna de sus propiedades consiste en

Figura 1.1: La forma de las estructuras

Anlisis, peritaje, diseo, optimacin

La teora de estructuras se enfrenta siempre a n problema de optimacin, el de obtener la forma de

Figura 2.1: Un caso del problema del viajante de comercio

( T(t)>c*-(t+l)) j +d(c T ( m ) 1^(1)) <

De igual modo, un problema de decisin relacionado con la resolucin de sistemas lineales de

Eficacia de los algoritmos para resolver p r o b l e m a s

Si se dispone de varios algoritmos para resolver un problema se pretende, en general, elegir el

Algoritmos polinmicos y problemas intratables-

si existe una constante c tal que

E s t a distincin entre tiempo polinmico y exponencial es particularmente significativa cuando se

T a b l a 2.2: T i e m p o n e c e s a r i o para resolver casos del v i a j a n t e d e c o m e r c i o

Tiempo necesario para resolver el caso

E s q u e m a s de codificacin y mquinas de clculo

La definicin dada de intratabilidad proporciona una esquema terico de considerable generalidad y

Anlogamente, en el problema de decisin^SREL, una posible definicin es:

Problemas probablemente intratables

Considrese el problema del viajante de comercio como problema de decisin, V C . No se conoce

P A R T I C I N es N P y adems es NP-completo (op. cit. pp. 60-62). Sin embargo, algunos

en la expresin de i. Por el contrario, si se limita el tamao de dichos nmeros, incluso mediante

Teora de estructuras y NP-complecin

No es prctica habitual el uso de la teora de la NP-complecin en -la resolucin de problemas en

De hecho, realic la investigacin porque los primeros recocidos experimentales de cpulas

funcin objetivo, / ( x ) . "Sorprendentemente, la construccin del algoritmo es bastante simple"

El sentido del azar

diferenciando esta expresin y notando que dN 0 por (3.2) y que'a t <(logat) = a t :

* = log P + X(N - J2 .) + /*( " E e'a)

El resultado puede resumirse en forma compacta:

Es claro que podra hacerse k = 1 y en tal caso la temperatura T se expresara en unidades de

en donde Ae = e &. La magnitud exp(Ae/kT) recibe el nombre de factor

y la condicin de mximo se resuelve formalmente igual, obtenindose esencialmente la misma distribucin

Esta diferencia se apreciar mejor en el balance detallado, que ahora es:

El mtodo de Monte Cario

Figura 3.1: Clculo de ir mediante muestras.

v< <(f )-(f)>

Figura 3.2: Conjunto de Mandelbrot

Tabla 3.1: Peso y centro de gravedad del conjunto Mioooo,/4xB para p = 1.

Si se dispone de un generador x de nmeros al azar en [0,1) la probabilidad de generar un nmero

La distribucin de probabilidad est por supuesto normalizada, es decir, fp(x)dx = 1. La funcin

Tabla 3.2: Peso y centro de gravedad del conjunto MinootMxjB para p =

La ecuacin (3.20) permite resolver la construccin de generadores si se satisfacen las condiciones