本文介绍了EFP项目，一个利用遗传算法和图形收缩、蚁群路径模拟方法生成及优化平面图的研究。通过算法，可以结合多种限制条件生成复杂的建筑平面布局，尽管结果可能看似非理性，但展现了算法在空间设计中的潜力。项目涉及的平面图优化考虑了步行时间、建材使用、消防通道和采光等因素，并探讨了未来在排课、环境适应性等方面的潜在应用。
点击上方“ikuku建筑网”可以订阅哦！
作者: Joel Simon翻译: 马海东
编者按: 一个关于平面生成的算法,期望可以启发对CAAD感兴趣的同学 
平面图生成(EFP)是一个实验性的项目，研究平面的生成及优化的可能性。初始条件为各个房间关系及人流分布, 通过一个遗传算法来优化生成平面图，其优化的限制因素为步行时间和走廊的长度等。EFP项目只是从设定的优化条件来进行平面布局，而不去考虑传统的布局要求及可建性等因素。EFP的目标是如何通过算法将显性、隐性的限制条件结合起来,生成高复杂度的平面图。EFP的平面图是从它的遗传编码中“生长”出来，使用的算法是图像收缩方法生成布局及蚁群算法生长走廊。
其最终的结果在外观上有生物学的特性，其特色看起来耐人寻味的, 从实践的角度来看是疯狂的非理性的。本项目是一次有趣的学习经历，我期望在其他项目中可以继续使用本项目中的方法。
原始的平面布局
缅因州某个地方的小学平面图
‘平面优化’
左：优化了班级之间的人流量和建材的使用量。右边：加入了消防通道长度因
最低0.47元/天 解锁文章
扫一扫
3698
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
