Se ha llevado a cabo una gran cantidad de investigaciones de

programación de proyectos durante la compensación de

tiempo y costos. Por ejemplo, Praga y Siemens introdujeron
algoritmos inspiradores con este tema. Mosel también ofrece
Antecedentes y motivación
un enfoque heurístico de este problema y lo compara con el
ofrecido por Ahuja.

Muestra que su método propuesto es más eficiente y está muy

cerca de la optimización. También obtiene fronteras óptimas de
Pareto para costo y tiempo.

En las últimas décadas, se han introducido varios enfoques

para optimizar el tiempo y el costo de las actividades del
proyecto, que generalmente se pueden dividir en tres
categorías: exacto, heurísticas y metaheurísticas. La
programación matemática ha introducido varios modelos para
lograr un equilibrio óptimo entre los tres factores de diseño.
 Babu y Suresh

Realizaron un estudio para equilibrar los tres factores simultáneamente. En su trabajo, hacen una suposición
de choque y asumen que a medida que disminuye el tiempo de actividad, el costo aumenta linealmente y la
calidad disminuye linealmente. Se consideraron tres funciones objetivo lineales, el análisis resultante conduce
a una decisión que se equilibra entre los factores anteriores. Al final de su artículo, afirman que ni la calidad
general del proyecto (promedio ponderado o aritmético) ni el cálculo de la calidad como producto operativo
afectan el resultado de sus procedimientos de trabajo.

Ejemplos de métodos matemáticos propuestos son el método de programación lineal (LP) de Hendrickson y
Pagnoni, y el método de programación entera de Patterson y Huber, donde se utiliza un modelo de
programación matemática para optimizar con precisión el problema de compensación de costo-tiempo. Dado
que se puede elegir una combinación de diferentes opciones para realizar una operación en cualquier
momento posible, los métodos de optimización compuesta se consideran problemas de optimización
complejos.
El éxito general de los algoritmos de optimización metaheurística para resolver problemas de optimización de
un solo objetivo ha llevado a los investigadores a considerar si estos algoritmos pueden usarse para resolver
problemas de optimización de múltiples objetivos. El uso adecuado de estos algoritmos, su categorización y
aplicación a clases indeterminadas de problemas de optimización, y la prueba de diferentes soluciones son
los problemas y complejidades que enfrentan los usuarios de estos algoritmos. En este sentido, los esfuerzos
de Feng, Li y Love, Hegazy y Zheng para introducir soluciones óptimas basadas en algoritmos genéticos
(GA). Sin embargo, la incertidumbre debida a las complicaciones no se consideró en todos estos estudios y
estos estudios se realizaron en el espacio determinista. Sin embargo, en proyectos reales, factores como el
costo y el tiempo del proyecto siempre están sujetos a muchas variaciones debido a la incertidumbre.

Por lo tanto, para abordar esta pregunta, Feng, Azarón, Abbasnia, y Zhang y Li investigaron el equilibrio entre
objetivos biológicos de tiempo y costo en espacios inciertos del mundo real. Desde la década de 1990, los
investigadores han descubierto gradualmente que no tiene sentido implementar un proyecto en el momento
adecuado y al menor costo si no se tiene en cuenta la calidad de la ejecución. Desde entonces, el equilibrio
entre tiempo, costo y masa ha mejorado, y los investigadores han estado tratando de encontrar una solución
a este problema.

Década de los 90
 Experiencia de los Algoritmos

La exitosa experiencia de los algoritmos de optimización metaheurística para resolver el problema de

compensación de costo-tiempo de dos factores ha llevado a los investigadores a enfocarse en resolver
el problema de optimización de calidad de costo-tiempo de tres factores. Varios investigadores han
abordado el problema de optimización de calidad de costo-tiempo, incluidos El-Rayes y Kandil usando
GA, Zhang y Rahimi e Iranmanesh usando optimización de enjambre de partículas (PSO), Tareghian y
Taheri usando metaheurística electromagnética, Abbasnia usando el algoritmo de optimización de
colonias de hormigas (ACO). . , Iranmanesh usó una versión recientemente desarrollada de un GA
llamado FAST PGA, Wang y Feng usaron un PSO jerárquico, y El Razek usó un GA llamado marco de
optimización para ejecutar automáticamente múltiples objetivos de recursos.
 Planteamiento del Problema

La sustentabilidad comenzó en la década de 1960 cuando la contaminación y el aumento de los costos del
combustible coincidieron con las prohibiciones de importar petróleo, lo que llevó a muchas organizaciones a
examinar su consumo de energía, cómo lo lograron y el impacto de sus operaciones en el planeta. La
ejecución y planificación de proyectos es un requisito del beneficiario y del desarrollo sostenible, teniendo en
cuenta factores de costo, ambientales, energéticos y de calidad. En este sentido, además de los aspectos
económicos, se debe considerar la implementación de proyectos con el menor impacto ambiental y social.

En esta sección, proponemos un modelo de gestión de proyectos sostenible que utiliza compensaciones de
costo-tiempo-calidad-energía-medio ambiente, que ha recibido poca atención en estudios anteriores. Por lo
tanto, la operación debe controlar al máximo el costo y el tiempo de la operación, y la operación debe
realizarse en el menor tiempo posible con el menor costo, el menor consumo de energía y la menor
contaminación, manteniendo un alto nivel de calidad.
Modelo Matemático

Los primeros índices, parámetros y variables de toma de decisiones se definen

de la siguiente manera:
 Optimización Robusta de Modelo
El hombre se ha encontrado con muchas incógnitas a lo largo de la historia, uno de sus más grandes
limitantes desde tiempos inmemorables, ha sido un tema importante de cómo lidiar con las incertidumbres con
relación a la planificación matemática problemas, teniendo que crear o innovar nuevas formas de solventar
estos inconvenientes, o en otras palabras, optimizaciones del sistema. desarrollado para hacer frente a las
incertidumbres en los problemas de planificación matemática, incluyendo planificación difusa y robust, las
cuales se utilizan en casos donde existan muchas similitudes que puedan llevar a equivocaciones o
confusiones que conllevan comúnmente a la ambigüedad y planificación aleatoria (en caso de información
histórica).

Uno de los principales requisitos previos para hacer frente a las incertidumbres, es desarrollar el método
Soysters para modelos de PNL inciertos con diferentes conjuntos convexos de incertidumbre y dio un paso
significativo en el desarrollo de una teoría de planificación robusta.
 Modelo Descrito

Una solución óptima para el modelo descrito en mención es una solución óptima robusta para el
Modelo. Dicha solución busca satisfacer todas las restricciones para todos los datos inciertos por
ende elimina toda inseguridad o cualquier tipo de incertidumbre para el efecto que se elimine
cualquier tipo de ambigüedad dentro de los datos que se obtendrán y asegura que el valor de la
función objetivo óptima no es peor que cualquier valor lo que significa que el modelo resuelve el
modelo en el peor de los casos. es un problema de optimización lineal semi infinito y parece ser
computacionalmente Sin embargo, parece que para una amplia gama de conjuntos de
incertidumbres convexos, un El problema matemático convexo se puede resolver (en forma de
un polinomio soluble) - Suele ser una optimización lineal o un problema cónico cuadrático.
 Ben-Tal y Nemirovski

Se dice que Ben-Tal y Nemirovski indicaron que para este caso (es decir, caja
cerrada), deben de seguirse determinados lineamientos debido a que la mayoría
de soluciones incluyendo el método de robustez puede conllevar a un tipo de
problema de la contraparte robusta podría resolverse como un problema
equivalente tal que hubo se reemplaza por un conjunto finito uext y uext involucra
los puntos radicales de ubox. demostrar la forma solucionable del modelo robusto
compacto , ecuación abordada en la siguiente forma robusta resoluble
 Modelo Matemático -Creación-

1. No se realiza ninguna actividad antes de proporcionar los requisitos previos

2. El tiempo, el costo, la calidad, la energía y el consumo son inciertos para cada actividad.
3. Cabe señalar ti ≥ t 0 i , c≤c 0 i , qi ≥ q 0 i , ei ≤ e 0 i and pi ≥ p 0 i .
4. El costo y el consumo de energía aumentan a medida que disminuye el tiempo.
5. Cabe señalar que el consumo de energía de cada actividad se estima en función de la cantidad
de consumo de recursos basados en energía.
6. Las actividades tienen una demanda diaria de sus recursos requeridos.
7. Se definen múltiples recursos renovables y no renovables. La capacidad de suministro de estos
recursos está restringida y se conoce al inicio del proyecto.
8. La calidad y la contaminación aumentan a medida que se reduce el tiempo.
Modelo 1
 Sistemas de Gestión de Puentes

Los sistemas de gestión de puentes, según se puede extraer de las aplicaciones

desarrolladas en los diferentes países que ya los tienen implementados, se
plantean como herramientas cada vez más desarrolladas como resultado de la
evolución de las computadoras y su capacidad de procesamiento. Generalmente
presentan una estructura modular, con una serie de elementos comunes, que
forman los siguientes módulos básicos:
● Inventario
● Inspección y evaluación
● Apoyo a las decisiones y la gestión. Matrices de decisión
● Catálogo de daños
SGP
 Diseño del Sistema
Según la condición geotécnica, las cargas actuantes, el tipo de estructura, la sismicidad del sitio y los
requisitos de desempeño, existirán ciertas configuraciones típicas de cimientos que podrían utilizarse en un
proyecto de puentes
 Ubicación y Magnitud

Ubicación y tipo de estructura

El ingeniero de puentes tiene un mayor abanico de posibilidades para la elección del tipo de cimentación, en
comparación con otros tipos de estructuras y, a menudo, puede controlar la magnitud de la carga sobre los
cimientos ajustando la longitud del vano para que se adapte a las condiciones topográficas y geológicas del
sitio.Una buena recomendación (según el alcance del proyecto) consiste en dimensionar la longitud del vano,
de forma tal que, el coste de los cimientos equilibre aproximadamente el coste de la superestructura del
puente.

Magnitud y distribución de las cargas

Las cargas sobre los cimientos de puentes son muy diferentes a las que típicamente se identifican en los
edificios. Las cargas impuestas pueden ser dominantes y pueden llegar a ser hasta la mitad de la carga
muerta de los puentes de carretera y hasta dos tercios de la carga muerta de los puentes de ferrocarril.
 Aspectos del Diseño
Aspectos de interés en el diseño
Para llevar a cabo un diseño típico de cimentación, el ingeniero geotécnico se encargará de estimar la
capacidad vertical y lateral del sistema suelo-cimentación de acuerdo con la información obtenida del
informe geotécnico, y a partir de expresiones y/o correlaciones de uso amplio para estimar la resistencia de
la cimentación mediante métodos analíticos o mediante expresiones semi-empíricas derivadas de ensayos
de campo (SPT, CPT, DMT, etc).