基于遗传算法搜索的住宅布局生成设计方法和系统

本发明涉及数字化居住区规划，特别涉及一种基于遗传算法搜索的住宅布局生成设计方法和系统。

背景技术：

1、居住区规划领域技术涉及到城市规划、土地利用规划、建筑设计、交通规划、环境保护等多个方面。

2、现有技术中的居住区规划已经开展有关数字化方案生成的工作，但大多数研究成果局限于技术经济指标的约束优化，有的则停留在变量随机生成的方法进行日照时间方面的强排工作，设计效率低，算法适应力差。

技术实现思路

1、本发明针对现有技术的缺陷，提供了一种基于遗传算法搜索的住宅布局生成设计方法和系统。通过计算机辅助设计人员或非专业人员进行自动化住宅楼栋排布，探索合理性的居住区住宅楼栋布局。

2、为了实现以上发明目的，本发明采取的技术方案如下：

3、一种基于遗传算法搜索的住宅布局生成设计方法，包括以下步骤：

4、s1、设定设计条件：包括外部环境和待部署楼栋信息，外部环境包括：场地边界、容积率和日照时间，待部署楼栋信息包括：楼栋数量、楼栋位置、标准层尺寸、层高和朝向。

5、s2、初始化居住区楼栋布局状态：根据设计条件，初始化楼栋布局状态，设计条件，包括：场地边界，建筑容积率和日照最小值。

6、参数取值范围部署包括楼栋数量，楼栋位置中心点坐标、标准层尺寸、楼层高度、楼层数量、建筑朝向。

7、其中部署遗传搜索的参数为：楼栋数量、楼栋位置中心点坐标与场地的关系、标准层尺寸、楼层高度、建筑朝向、楼层数量。

8、s3、运行遗传搜索算法：使用nsga-ii算法进行解码、产生初始种群、快速非支配排序、拥挤距离计算、选择和精英策略，确定生成住区布局方案的可行解。

9、s4、目标函数评价：根据设计条件和楼栋场地空间位置关系评价，计算优化目标函数得分，包括日照得分、容积率得分和空间关系得分。

10、s5、输出最优布局结果：根据评价函数结果，得出居住区楼栋布局的最优结果，满足设计条件并具有合理的楼栋空间位置关系。

11、进一步地，s3中nsga-ii算法的运行策略包括：

12、s31、解码、产生初始种群，设定群体中的个体数量为100，由算法随机生产初始种群。初始化种群指的是所有楼栋位置和楼栋高度参数，并种群x坐标、y坐标和z高度的搜索范围；

13、s32、快速非支配排序，通过非支配排序nsgaii算法实现种群个体的非支配排序；

14、s33、拥挤距离计算；

15、s34、根据非支配排序与拥挤度计算结果，所有个体被赋予排序和拥挤距离两个属性，同时，在非支配序相同时，判定拥挤距离较大的个体较优；

16、s35、精英策略。

17、进一步地，所述s4中，优化目标函数的计算如下式：

18、min score＝[ssun,srt,sspace]     (1)

19、score居住区布局总得分；

20、ssun日照得分；

21、srt容积率得分；

22、sspace空间关系得分。

23、进一步地，所述s4中，日照评价如下式：

24、

25、

26、

27、式中，w建筑日照值；

28、rad采光软件radiance的计算模块；

29、sitep场地模型信息；

30、bp建筑楼栋模型信息；

31、wp建筑窗户模型信息；

32、wepw地理气象信息；

33、timep日照计算时长；

34、gridsize_w日照模拟点的窗户网格大小；

35、q总测量点除以测量点数；

36、sun满足日照规范的测量计算点百分率；

37、nd w大于2小时的测量计算点位；

38、nt所有日照测量点位。

39、进一步地，所述s4中，容积率评价如下式：

40、

41、rt容积率；

42、已部署的所有住宅楼栋总面积；

43、site_x*site_y已部署的场地总面积

44、

45、rtmin指定容积率最小值；

46、rtmax指定容积率最大值。

47、进一步地，所述s4中，空间关系评价如下式：

48、sspace＝pbuilding+psite    (7)

49、pbuilding楼栋位置关系得分；

50、psite楼栋与场地位置关系得分；

51、

52、q楼栋相交数量；

53、第i个楼栋位置坐标集合

54、

55、

56、sitecoords场地坐标位置集合。

57、本发明公开了一种基于遗传算法搜索的住宅布局生成设计系统，该系统能够用于实施上述的基于遗传算法搜索的住宅布局生成设计方法，包括：

58、参数设置模块：用于设定设计条件，包括场地边界、建筑容积率和日照最小值参数。

59、初始化模块：根据设计条件，初始化楼栋布局状态，包括楼栋数量、位置中心点坐标、标准层尺寸、楼层高度、楼层数量和建筑朝向参数。

60、遗传搜索算法模块：使用遗传算法进行解码、产生初始种群、快速非支配排序、拥挤距离计算、选择和精英策略等步骤，以确定生成住区布局方案的可行解。

61、评价函数模块：根据设计条件和楼栋场地空间位置关系评价，计算优化目标函数得分，包括日照得分、容积率得分和空间关系得分。

62、结果输出模块：根据评价函数结果，得出居住区楼栋布局的最优结果，满足设计条件并具有合理的楼栋空间位置关系。结果可以以图形化方式呈现给用户。

63、用户界面模块：提供用户界面，让用户输入设计条件，观察结果并对结果进行调整和优化。

64、本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述一种基于遗传算法搜索的住宅布局生成设计方法。

65、与现有技术相比，本发明的优点在于：

66、高效性：基于遗传算法能够并行搜索多个可能的解，因此可以在较短的时间内找到较优解，提高了设计效率。

67、自适应性：基于遗传算法可以根据设计条件和评价函数的变化，自适应地搜索最优解，适应不同的设计需求。

68、多样性：基于遗传算法能够保持多样性，保证搜索过程的多样性，避免陷入局部最优解，得到更全面的解决方案。

69、可视化：系统可将最终生成的住宅布局以图形化方式展现，方便用户直观地观察和理解设计结果。

70、用户交互性：系统提供用户友好的界面，让用户输入设计条件、观察结果并对结果进行调整和优化，提高了用户参与度。

71、辅助性：能够通过计算机很好的辅助设计人员或非专业人员进行自动化住宅楼栋排布，探索合理性的居住区住宅楼栋布局。