Resumen
La infraestructura de transporte es clave para el desarrollo humano, impulsando la industria y la evolución social al mejorar la interacción y conectividad. La construcción de infraestructuras actúa como catalizador de transformaciones socioeconómicas, fomentando economías locales y facilitando el movimiento de recursos y fuerza laboral. La creciente conciencia sobre los efectos negativos de las prácticas insostenibles en la construcción exige un cambio hacia métodos más responsables. Tradicionalmente, la viabilidad económica ha sido prioritaria en la ingeniería estructural, pero ahora se da mayor énfasis a los impactos del ciclo de vida. Aunque esto representa un avance hacia los objetivos de desarrollo sostenible, no abarca completamente la complejidad de la sostenibilidad.
Esta tesis presenta el proceso para fundamentar un marco de diseño que integre la sostenibilidad del ciclo de vida en infraestructuras de transporte. Se sugiere un enfoque modular prefabricado para estructuras viales como una opción más atractiva frente a los métodos tradicionales in-situ. El diseño estructural, así como los procesos ambientales y sociales, se sintetizan en un modelo matemático avanzado. Esto permite la optimización mono-objetivo y multiobjetivo junto a algoritmos multicriterio. La aplicación de métodos de optimización exacta es inviable por la diversidad de variables, por lo que se recurre a metaheurísticas híbridas para minimizar el costo estructural en un enfoque mono-objetivo. Las metaheurísticas de recocido simulado y aceptación por umbrales con cadenas extensas ofrecen resultados de calidad, aunque requieren gran esfuerzo computacional. La versión híbrida del recocido simulado con un operador de mutación, común en algoritmos poblacionales, logra soluciones comparables con menor esfuerzo. La hibridación potencia las capacidades exploratorias de estos algoritmos.
El análisis del ciclo de vida de configuraciones óptimas muestra claras ventajas ambientales del enfoque modular prefabricado frente a la construcción in situ. Sin embargo, las implicaciones sociales son más complejas, resaltando la importancia de incluir los impactos del ciclo de vida como objetivos en la optimización. Esto también subraya la necesidad de técnicas multicriterio para evaluar y clasificar alternativas, asegurando una consideración equilibrada de los impactos ambientales y sociales.
Esta investigación desarrolla operadores de cruce, mutación y reparación para discretizar el problema de optimización. Estos dotan a algoritmos genéticos y evolutivos de la capacidad de manejar la complejidad de la optimización multiobjetivo. El operador de reparación estadístico es especialmente eficaz cuando se combina con los algoritmos NSGA-II, NSGA-III y RVEA. A pesar de sus diferencias, la técnica de toma de decisiones FUCA genera clasificaciones idénticas a la ponderación aditiva simple, al igual que TOPSIS, PROMETHEE y VIKOR. Un proceso basado en la teoría de la entropía proporciona a estas técnicas un enfoque metódico para la ponderación de criterios. La integración de algoritmos de optimización multiobjetivo con técnicas de decisión multicriterio en un marco basado en modelos matemáticos culmina en una clasificación de diseños óptimos no dominados, que equilibran las dimensiones económica, ambiental y social de la sostenibilidad.
Palabras clave
Reinforced concrete; Precast structure; Hinged frame; Modular road frame; Metaheuristic; Single-objective optimization; Multi-objective optimization; Sustainability; Life cycle analysis; Social; Environmental; Multi-criteria decision-making; Life cycle sustainability; Algorithms; Mathematical methods; Computational model; Mathematical modelling; Infrastructure; Machine learning; Neural networks; Entropy theory; Life cycle design; Artificial intelligence; Hybrid metaheuristics
