一种基于遗传算法的室内环境反向设计方法
【技术领域】
[0001] 本发明涉及建筑的室内环境设计领域，特别是基于遗传算法的室内环境反向设计 方法。
【背景技术】
[0002] 建筑室内环境设计包含三个主要内容:设计变量、设计目标以及设计方法。设计方 法是室内环境设计的核心内容，可按设计方向分为两大类:正向设计与反向设计。正向设计 根据设计变量值确定相应的设计目标值，通过不断的尝试或利用设计者本身的经验，对设 计变量值进行修正，逐步使设计目标值达到设计要求，进而完成室内环境的设计过程。但由 于室内环境设计问题的复杂性和设计参数的非线性等因素，正向设计过程往往很难得到理 想的结果。反向设计基于结果求原因的顺序，根据设计目标值确定相应的设计变量值，设计 过程存在明确的方向性，且不需要设计者有丰富的经验。因此，反向设计方法在室内环境设 计中的适用性更强。
[0003] 优化方法是最常用的反向设计方法，其适用性强，应用范围广。遗传算法是一种经 典的优化算法，与其它优化算法相比，遗传算法更容易探索整个设计空间，并找到全局最优 解。它把优化过程看成是生物种群的进化过程，每个变量可能的解表示成一个染色体的片 段，所有变量可能的解按顺序排列成一条完整的染色体，每条染色体代表进化过程中的一 个个体，处于同一代的所有个体称为一个种群。在执行遗传算法之前，首先给出初始种群， 也就是一些假设的解。然后，把这些假设解置于问题的环境中，并按照适者生存的原则，通 过交叉、变异、选择等过程产生更适应环境的新一代种群。这样一代一代地进化，最后就会 收敛得到问题的最优解。
[0004] 使用遗传算法时，经常会遇到多目标问题，可以使用非支配排序的方法解决此问 题。这里以最大化问题为例，表述非支配关系，对于两个任意个体A、B:
[0005] 对于任意目标函数f，均满足f (A) >f (B)，称A占优B (A B )或A支配B;
[0006] (2)若A不占优于B，且B不占优于A时，称A与B无差别。
[0007] 非支配个体是指不被其它任何个体所支配的个体，它们的特点是如果对其中一个 目标进行提高，必将损害其它至少一个目标。所有非支配个体构成帕累托前沿，在帕累托前 沿上的个体不受任何其它个体支配。
[0008] 通过非支配排序方法，对个体数为η的种群进行排序的具体步骤如下：
[0009] (!)设i = !;
[0010] (2)对于所有的j = 1，2…，η，且j矣i，按照支配关系的定义比较个体i和个体j之间 的支配与非支配关系；
[0011] (3)如果不存在任何一个个体j优于i，则i标记为非支配个体；
[0012] (4)令i = i+l，转到步骤(2)，直到找到所有的非支配个体。
[0013] (5)通过上述步骤得到的非支配个体集是种群的第一级非支配层，然后，忽略这些 已经标记的非支配个体，再遵循步骤（1)~(4)，就会得到第二级非支配层。依此类推，直到 整个种群被分层。
[0014] (6)种群分层结束后，对每个支配层内的个体，使用拥挤度进行排序，得到所有个 体的排序。拥挤度计算公式如下：
[0016] tk为第k个点的拥挤度,fdk+Ι)为第k+Ι个点第i个目标的目标函数值,fdk-Ι)为 第k-Ι个点的第i个目标的目标函数值。
[0017] 将遗传算法应用于室内环境反向设计，能够解决单目标与多目标设计问题，获得 最优的设计参数，提高室内环境质量。
【发明内容】
[0018] 针对上述的现有技术及存在的问题，本发明提出了一种基于遗传算法的室内环境 反向设计方法，根据室内环境控制区域的要求，对室内环境进行反向设计，提出保障控制区 室内环境质量的控制方法。
[0019] 本发明提出了一种基于遗传算法的室内环境反向设计方法该方法包括以下步骤：
[0020] 步骤1、根据设计对象确定设计变量与设计目标；
[0021] 步骤2、对于单设计目标，确定反向设计的目标函数后，利用遗传算法的交叉变异 过程对目标函数进行优化，找到最优的设计变量值;使用计算流体力学方法计算新个体的 适应度，即根据设计变量值确定设计对象的边界条件，使用流体力学方法计算得到设计对 象内部的速度、温度等的分布，进而可以得到设计目标值，即为个体的适应度，即设计目标 值，然后通过非支配排序方法对种群中的个体进行排序，并使用锦标赛算法进行选择，产生 新种群，若新种群的目标函数符合收敛标准，设计过程结束，否则继续进行交叉变异过程， 产生新种群；
[0022] 步骤3、对于多设计目标，确定反向设计的设计要求后，利用遗传算法的交叉变异 过程同时得到多组符合设计要求的设计变量值，从中搜索满足设计要求的个体，使用计算 流体力学方法计算新个体的适应度，即根据设计变量值确定设计对象的边界条件，使用流 体力学方法计算得到设计对象内部的速度、温度等的分布，进而可以得到设计目标值，即为 个体的适应度），即设计目标值，然后通过非支配排序方法对种群中的个体进行排序，并使 用锦标赛算法进行选择，产生新种群，若新种群符合收敛标准，设计过程结束，否则继续进 行交叉变异过程，产生新种群。
[0023] 与现有技术相比，本发明能够实现室内环境的反向设计:对于单目标设计问题，可 利用单目标遗传算法找到最优的设计变量值;对于多目标设计问题，可利用多目标遗传算 法同时得到多组符合设计要求的设计变量值。
【附图说明】
[0024] 图1为本发明的基于遗传算法的室内环境反向设计方法流程图；
[0025]图2为本发明具体实施例的Blay模型示意图；a)Blay模型的几何结构，（b)网格划 分；
[0026]图3为本发明具体实施例的座舱模型示意图；（a)座舱模型，（b)网格划分；
[0027] 图4为本发明具体实施例的Blay模型反向设计目标函数随遗传代数变化曲线图；
[0028] 图5为本发明具体实施例的Blay模型反向设计计算量增长曲线；
[0029] 图6为本发明具体实施例的座舱模型反向设计解数量随遗传代数变化曲线；
[0030]图7为座舱模型反向设计计算量随遗传代数变化曲线。
【具体实施方式】
[0031] 以下结合附图及【具体实施方式】，进一步详述本发明的技术方案。
[0032] 使用遗传算法进行反向设计的对象分别为Blay模型以及客机座舱模型。如图2所 示，为Blay模型的几何结构及网格划分。Blay模型的外部结构为正方形，尺寸为1.04 X 1.04m，包含一个入口和一个出口，入口尺寸为0.018m，出口尺寸为0.022m。入口速度为 0.57m/s，入口温度为15°C，送风角度为水平方向，四周使用无滑移的壁面边界条件，壁面温 度均设为恒温条件，监测点位于出口附近，。<