Optimización multiobjetivo en fase de concurso

Contenido

1. Módulo 1

   3 temas

   Fundamentos de optimización en concursos

   Establecimiento de las bases matemáticas y metodológicas para integrar algoritmos evolutivos en el flujo de diseño arquitectónico competitivo.

   1. 1.1

      El paradigma de la optimización multiobjetivo

      Diferenciar entre optimización de un solo objetivo y el equilibrio de trade-offs en arquitectura.

   2. 1.2

      Algoritmos evolutivos y diseño generativo

      Comprender el funcionamiento de los algoritmos genéticos aplicados a la búsqueda de formas arquitectónicas.

   3. 1.3

      Definición de variables y restricciones

      Identificar y parametrizar los inputs críticos que condicionan la viabilidad de un concurso.

2. Módulo 2

   3 temas

   Estrategia competitiva y optimización

   Definición del problema de concurso como un sistema de variables en conflicto y establecimiento de objetivos de rendimiento.

   1. 2.1

      Anatomía del encargo en concurso

      Descomponer las bases del concurso en parámetros cuantitativos y cualitativos optimizables.

   2. 2.2

      Definición de trade-offs críticos

      Identificar los conflictos entre superficie útil, coste energético y calidad espacial.

   3. 2.3

      KPIs de éxito en fase conceptual

      Establecer métricas de evaluación para comparar iteraciones de diseño de forma objetiva.

3. Módulo 3

   4 temas

   Modelado de métricas de rendimiento

   Desarrollo de motores de cálculo para evaluar programa, eficiencia energética y costes de forma simultánea.

   1. 3.1

      Cuantificación del programa funcional

      Crear algoritmos para verificar el cumplimiento automático de superficies y adyacencias.

   2. 3.2

      Simulación energética en fase temprana

      Implementar motores de cálculo simplificado para evaluar demanda energética sin modelos detallados.

   3. 3.3

      Análisis de ratio superficie-volumen

      Optimizar la compacidad del edificio para reducir costes de fachada y pérdidas térmicas.

   4. 3.4

      Estimación de costes por parámetros

      Vincular la geometría generada con presupuestos estimativos para asegurar la viabilidad económica.

4. Módulo 4

   5 temas

   Modelado paramétrico y algoritmos evolutivos

   Configuración de motores de búsqueda y diseño de genomas arquitectónicos para la exploración masiva de soluciones.

   1. 4.1

      Lógica de algoritmos genéticos aplicada

      Comprender el funcionamiento de Wallacei o Galapagos para la selección de soluciones óptimas.

   2. 4.2

      Traducción de programa a parámetros

      Convertir los m2 del programa funcional en restricciones geométricas dinámicas.

   3. 4.3

      Integración de simulación energética rápida

      Vincular motores de radiación y demanda térmica en el bucle de optimización.

   4. 4.4

      Fitness functions y objetivos múltiples

      Programar funciones de aptitud que equilibren intereses contrapuestos sin sesgar el resultado.

   5. 4.5

      Control de la variabilidad formal

      Limitar el espacio de soluciones para asegurar la viabilidad constructiva y estética.

5. Módulo 5

   5 temas

   Estrategias de resolución y búsqueda

   Configuración y ejecución de procesos de optimización para encontrar soluciones equilibradas en el espacio de diseño.

   1. 5.1

      Configuración de motores de optimización

      Aprender a configurar solvers como Galapagos o Wallacei para problemas multiobjetivo.

   2. 5.2

      Interpretación del frente de Pareto

      Analizar las soluciones óptimas para elegir la que mejor equilibre los intereses del concurso.

   3. 5.3

      Eliminación de soluciones no viables

      Aplicar filtros y penalizaciones en el algoritmo para descartar propuestas que no cumplen normativa.

   4. 5.4

      Análisis de sensibilidad de variables

      Determinar qué parámetros tienen más impacto en el resultado final del proyecto.

   5. 5.5

      Iteración vs. Intuición

      Establecer un flujo de trabajo donde la máquina asista pero el arquitecto mantenga el criterio estético.

6. Módulo 6

   4 temas

   Análisis de resultados y Frente de Pareto

   Interpretación de nubes de datos y selección de propuestas ganadoras basadas en evidencia.

   1. 6.1

      Interpretación del Frente de Pareto

      Identificar las soluciones óptimas donde no se puede mejorar un objetivo sin empeorar otro.

   2. 6.2

      Minería de datos y clustering

      Agrupar miles de soluciones generadas en familias tipológicas coherentes.

   3. 6.3

      Criterio humano vs. sugerencia algorítmica

      Aplicar el juicio arquitectónico para desempatar entre soluciones técnicamente equivalentes.

   4. 6.4

      Visualización de datos para jurados

      Comunicar la superioridad técnica de una propuesta mediante gráficos claros y persuasivos.

7. Módulo 7

   3 temas

   Comunicación y defensa del proyecto

   Uso de los datos de optimización para construir una narrativa técnica sólida que convenza al jurado.

   1. 7.1

      Visualización de datos complejos

      Traducir resultados algorítmicos en diagramas claros y persuasivos para paneles de concurso.

   2. 7.2

      Argumentación basada en evidencia

      Utilizar métricas de eficiencia para justificar decisiones formales ante el cliente o jurado.

   3. 7.3

      Documentación de procesos evolutivos

      Estructurar la memoria técnica mostrando el rigor del proceso de optimización seguido.

8. Módulo 8

   2 temas

   Viabilidad económica y eficiencia

   Conexión entre el rendimiento algorítmico y la rentabilidad del proyecto en el mercado real.

   1. 8.1

      Optimización de ratios de eficiencia (Net/Gross)

      Maximizar la superficie vendible/alquilable manteniendo la calidad espacial.

   2. 8.2

      Análisis de costes de ciclo de vida (LCC)

      Demostrar el ahorro a largo plazo derivado de una geometría optimizada energéticamente.

9. Módulo 9

   4 temas

   Implementación profesional y KPIs

   Integración de estas herramientas en la estructura de costes y tiempos de un estudio de arquitectura real.

   1. 9.1

      Cálculo de ROI en herramientas avanzadas

      Evaluar si el tiempo invertido en optimización algorítmica compensa el aumento de probabilidad de ganar.

   2. 9.2

      Gestión de tiempos en fase de concurso

      Planificar las fases de modelado paramétrico y computación para cumplir plazos de entrega.

   3. 9.3

      Escalabilidad de flujos de trabajo

      Crear plantillas de optimización reutilizables para diferentes tipologías edificatorias.

   4. 9.4

      Criterios de evaluación final

      Establecer una lista de verificación para validar que el diseño optimizado es construible y habitable.

10. Módulo 10

    3 temas

    Implementación en el flujo de trabajo

    Integración de estas metodologías en la operativa diaria de un estudio de arquitectura.

    1. 10.1

       Gestión de tiempos en fase de concurso

       Equilibrar el tiempo de computación con los plazos de entrega del concurso.

    2. 10.2

       Colaboración interdepartamental

       Establecer protocolos de comunicación entre el equipo de diseño y los especialistas técnicos.

    3. 10.3

       Escalabilidad de la metodología

       Crear una biblioteca de scripts y procesos reutilizables para futuros concursos.