基于生成式设计的建筑方案自动生成与评估——以住宅户型布局为例的强化学习方法 .docxVIP

PAGE2

基于生成式设计的建筑方案自动生成与评估——以住宅户型布局为例的强化学习方法

摘要

本文旨在探讨深度强化学习在住宅户型布局自动生成与评估中的应用机制。面对传统户型设计效率低、多目标优化难等现实矛盾，本文提出构建基于通风、采光与动线奖励函数的智能生成模型。第一章提出核心问题，明确研究边界；第二章梳理国内外生成式设计文献，确立切入点；第三章界定核心概念并构建理论分析框架；第四章剖析空间组合问题的历史演变与内在矛盾，揭示其多目标博弈本质；第五章深入阐释强化学习在空间探索中的主导逻辑、边界条件与演变规律；第六章提出“多目标奖励驱动”理论框架，论证其解释力；第七章总结结论并提炼理论贡献与实践启示；第八章反思局限并展望未来。本文核心在于论证强化学习驱动空间组合的理论自洽性，为建筑设计管理提供智能化决策支撑。

第一章绪论

1.1研究背景

当前住宅建筑设计领域面临着日益严峻的社会现实背景与核心矛盾。随着城市化进程的推进与居民生活品质的提升，住宅户型设计需兼顾通风、采光、动线等多维度的物理性能与体验需求。然而，传统设计模式高度依赖设计师的经验直觉，方案生成周期长，且在多目标约束下难以实现全局最优。

这种现实困境折射出理论发展中尚未解决的关键议题。传统空间组合理论多基于静态几何规则，对动态复杂约束的解释力不足。生成式设计虽引入了算法探索，但基于规则推导的方法易陷入组合爆炸，且缺乏对