典型文献
基于Octopus和SVMs的住区强排多目标优化设计研究
文献摘要：
人工智能技术的发展为设计师提供了新的分析和设计工具,基于机器学习算法,在住区强排设计中引入新的设计方法,在满足良好日照性能的前提下,增加项目的容积率,从而提升土地的使用效率.日照参数和容积率是住区强排设计中两个重要的指标,目前设计者为获得较高的容积率,多采用基于日照模拟分析结果进行多方案对比的方法,效率不高,而使用基于遗传算法和帕累托最优原理的Octopus求解器,对日照性能和容积率两个参数值进行多目标优化可以提升效率.但Octopus求解器进行多目标优化时需要进行多次迭代,每次迭代过程中需要进行日照仿真模拟,耗时较多,因此引入支持向量机,根据多次日照模拟结果数据训练出一个支持向量回归模型,然后用这个训练出的回归模型替代日照模拟软件,可以缩短每次迭代进程的时间,从而提高多目标优化效率.以两个不同的住区基地为例,验证所提方法的应用效果,结果表明该方法能够适应不同的住区基地,所生成方案的日照性能和容积率也达到较为平衡的最优解,能够满足设计师需求.
文献关键词：
日照性能;容积率;支持向量机;遗传算法;多目标优化
中图分类号：
作者姓名：
刘德利;王科奇;闫海燕
作者机构：
吉林建筑大学 建筑与规划学院,长春 130118;河南理工大学 建筑与艺术设计学院,河南 焦作 454000
文献出处：
引用格式：
[1]刘德利;王科奇;闫海燕-.基于Octopus和SVMs的住区强排多目标优化设计研究)[J].建筑节能（中英文）,2022(11):21-27
A类：
日照性能
B类：
Octopus,SVMs,住区,强排,多目标优化设计,优化设计研究,设计师,设计工具,基于机器学习,机器学习算法,排设,容积率,使用效率,设计者,多方案对比,效率不高,帕累托最优,求解器,参数值,提升效率,多次迭代,仿真模拟,次日,数据训练,练出,一个支,支持向量回归模型,优化效率,所生,最优解
AB值：
0.284767
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
