Optimización con Herramientas Digitales – Grasshopper Workshop

Banner Promocional del Optimización con Herramientas Digitales – Grasshopper Workshop
Abstract
Los procesos de optimización integran el diseño y las decisiones estructurales, para crear soluciones óptimas dentro de los parámetros establecidos. Estas soluciones son a menudo estructurales: y tienen como objetivo reducir la cantidad de material, cubrir mayores luces y aprovechar las latencias estructurales. La optimización también se puede aplicar a la creación de programas, funciones y formas.

La idea general de los ejercicios de optimización es abrir Espacios de Diseño para explorar diferentes alternativas de diseño, bien sea de forma, de function o de desempeño. El solver (solucionador) en un problema de optimización debe ser bien definido para poder llegar a soliciones apropiadas. Existen dos categorías de solvers:

    Exact Solvers: encuentran la mejor solución y llegarán siempre al mismo resultado cada vez [solvers lineales – Goat (grasshopper plugin)].
    Heuristic solvers: encuentran una solución aproximada cuando no se encuentra una solución exacta. El resultado puede variar de un proceso a otro [evolutionary solvers – Galapagos / Octopus (2015) – multi objective solver, optimized trade-off solutions].

Hemos planteado un ejercicio de optimización que busca identificar las mejores alternativas de solución para un problema de diseño que comprende la identificación de determinantes, la formulación de inputs y la definición de algoritmos para generar las mejores alternativas de solución.

De acuerdo con el disccionario (Merriam-Webster dictionary) optimización es el acto, proceso o metodología de toma de decisiones de diseño o concepción de un sistema, tan cercana a la perfección, la funcionalidad o tan eficiente como sea posible, particularmente en términos matemáticos como el máximo o el mínimo de una función.
Metodología
En el transcurso de dos días veremos la manera de construir algoritmos apropiados para procesos de optimización, aplicables a la solución de problemas de diseño, de forma, función o de desempeño. Utliizando el software apropiado, Rhino + Grasshopper, y algunos plugins disponibles exploraremos el ámbito de planteamiento de los problemas de acuerdo con la siguiente metodología:

  • Definición de la Función Objetiva El objetivo es diseñar la función matemática que permita alcanzar la solución esperada.

  • Definición de Variables Identificación de las variables apropiadas para construir la función que llevará al solver a la solución óptima.

  • Dominio Establecer los rangos de las variables para poder identificar los óptimos en cada caso.

  • Restricciones La idea es establecer los máximos o mínimos que se permitirán en la búsqueda de la solución óptima.

  • Penalización La idea es castigar los valores obtenidos en la medida que permitirá la clara diferenciación de los datos para llegar a la solución óptima.

  • Contra ejemplos Establecer ejemplos que contradicen la idea inicial o el planteamiento conceptual. Permite la comparación y la puesta a prueba del algoritmo.

  • Algoritmo Identificar el algoritmo apropiado que permitirá buscar la mejor solución posible.

  • Análisis de Resultados Validar la solución arrojada por el solver; se validarán los parámetros y la relación de dichos parámetros en la definición de la función objetiva.

Ejercicio de Diseño

Cada participante deberá plantear un problema de diseño que le permita experimentar con la metodología planteada. La intención de diseño que se plantee estará guiada hacia la producción de diferentes alternativas, enfocando el ejercicio en el proceso de planteamiento del problema de optimización.

Cronograma Diario


Día 01
  • Charla Introductoria

  • Data Flow: Data Tree & Pathmapping

  • Instanciación de la Geometría de Base

  • Exposición sobre los Diferentes Solvers

  • Definición Inicial del Problema de Optimización
Día 02
  • Diseño del algoritmo de optimización

  • Experimentación


Software & Aptitudes

Modelación básica en Rhino, nivel intermedio en Grasshopper. Los participantes debe traer su computador con el software preinstalado.

Tutores

Paula Echeverri Montes (CDMAM 2018)
Felipe Gutiérrez (Computational Scientist Candidate)

Organizado por:

Paula Echeverri Montes (CDMAM 2018) - CEO de echeverrimontes arquitectos
Thr34d5 - Laboratorio Internacional e Interdisciplinario para la Investigación del Diseño Estratégico Computacional.
Para participar llena este formulario de registro
Adjunta tu CURRICULUM en formato Adobe PDF con un peso máximo de 10MB
Enviar código 10644