Seminarios de investigación en tecnología. Carrera de Arquitectura. Semestre Primavera 2022

Seminarios de investigación en tecnología – Semestre Primavera 2022 247 Singh y Gu (2012) también están entre los investigadores que establecieron un marco de enfoque en Diseño Generativo, explicando que existen 5 tipos de técnicas computacionales que se pueden utilizar; Autómatas Celulares (CA): que consisten en la aplicación de un conjunto de reglas que funcionan según proximidad espacial (comparten cara/arista/vértice) a una cuadricula cartesiana, y su definición se sujeta según el problema y las características de diseño; Algoritmos genéticos (GA): que son técnicas evolutivas inspiradas en la naturaleza; Sistemas L (LS): que son algoritmos que contienen y aplican reglas al mismo tiempo, generando variaciones gramaticales de diseño representadas en símbolos; Inteligencia de enjambre (SI): que son modelos basados en agentes que se implementan en comportamientos sociales o colectivos formando patrones globales funcionales y coherentes; y Gramáticas de la forma (GS) o shape grammar: que son un conjunto de reglas formales que generan conjuntos geométricos, y estas mismas reglas son las descripciones de dichos conjuntos, estableciendo elementos y relaciones que pueden generar su propio lenguaje de diseño o se pueden analizar geometrías existentes (Stiny, 1990). Cada técnica se utiliza para apoyar y generar distintas aproximaciones, sistemas deterministas y no deterministas, a la etapa primaria de formulación arquitectónica, pero se diferencian en el - que y como- se aplican sus reglas, además de identificar cuál es el caso en el que se puede aplicar cada sistema computacional variando su resultado, nivel de profundidad y post evaluación en el diseño de en cada una. Esta investigación propone indagar y analizar el proceso computacional del DG con algoritmos evolutivos y generar un set de iteraciones geométricas optimizadas. Algoritmo Evolutivo Como se explicó, una de las ramas de inteligencia artificial es la computación evolutiva, que se entiende como búsqueda de soluciones a través de un inmenso espacio de posibilidades, para encontrar resultados potenciales para un problema específico (Bentley, Corne 2001). Un algoritmo evolutivo (AE) es un subconjunto de la computación evolutiva inspirado en la biología evolutiva, que mediante estrategias de optimización trabaja con grupos o poblaciones de soluciones donde se eligen las mejores soluciones, según un set de criterios de evaluación, para que evolucionen y mientras que las soluciones restantes se eliminen. En la siguiente “generación” las mejores soluciones vuelven a evolucionar mientras el resto se descartan nuevamente, y así sucesivamente hasta que el proceso de evaluación encuentra el resultado más optimo, según el fitness escogido (m2, área, perímetro, etc.) Los AE hacen el proceso de selección, recombinación y mutación en cada generación, además requieren alguna forma de orientación para dirigir la evolución hacia las mejores zonas del espacio de búsqueda, mediante la evaluación de cada solución de la población para determinar su aptitud o fitness (Garcia, Garcia, Villada. 2012). En esto consiste evaluar la aptitud de una solución, a partir de una puntuación basada en lo bien que la solución cumple el objetivo del problema, calculada por una función de aptitud. Los valores de aptitud suelen representarse en espacios de búsqueda, dando lugar a paisajes de aptitud montañosos , donde la parte más alta corresponde a soluciones en esa parte del