El uso de algoritmos genéticos aplicados al diseño bioambiental paramétrico

  1. Camporeale, Patricia
Dirixida por:
  1. María del Pilar Mercader Moyano Director
  2. Jorge Daniel Czajkowski Director

Universidade de defensa: Universidad de Sevilla

Fecha de defensa: 13 de setembro de 2017

Tribunal:
  1. Antonio Ramírez de Arellano Agudo Vogal
  2. Beatriz S. Garzón Vogal
  3. María E. Tosello Vogal

Tipo: Tese

Teseo: 546813 DIALNET lock_openIdus editor

Resumo

El avance de las herramientas digitales y el incremento de los problemas medioambientales han tenido un importante impacto sobre el diseño arquitectónico. La optimización basada en la performance energética ha demostrado su potencial para integrar diseño y energía cuando se ha aplicado a las primeras etapas del proceso de diseño, o a la rehabilitación de un edificio existente. La forma edilicia y la composición de la envolvente son determinantes en la demanda energética pero esta cuestión es generalmente soslayada en la etapa inicial debido a que la información necesaria para su cálculo aún no está lo suficientemente definida. El objetivo de este trabajo es presentar y testear una metodología de diseño que permita a los diseñadores unir instrumentos de performance y optimización en un flujo ininterrumpido de trabajo: un modelo de optimización multi-objetivo (MOMO). La metodología del trabajo se divide en tres etapas, donde en primer lugar se estructura el modelo de diseño bioambiental paramétrico, en segundo lugar, se aplica dicho modelo a un caso de estudio y en tercer lugar, a otro caso de estudio. En el primero, la demanda energética optimiza la morfología y materialidad de la envolvente de una torre de nueva planta en el Área Metropolitana de Buenos Aires. En el segundo caso de estudio, la demanda energética y la factibilidad financiera optimizan la materialidad de la envolvente de un edificio rehabilitado; el modelo muestra su robustez y validez de la herramienta para mejorar su desempeño energético agregando su viabilidad financiera. Los modelos de optimización multi-objetivo presentan una aplicación efectiva para asistir a las decisiones de diseño en casos experimentales, así como también reales.