[论文分享]Multi-objective optimization design of a complex building based on an artificial neural network and performance evaluation of algorithms
📃 基本信息
[论文标题] 基于人工神经网络的复杂建筑多目标优化设计及算法性能评估
[期刊信息] Advanced Engineering Informatics (2019) | 作者: Binghui Si, Jianguo Wang, Xinyue Yao, Xing Shi, Xing Jin, Xin Zhou
📌 一句话概括
该研究提出了一种使用人工神经网络和多目标算法优化建筑设计的方法，效果显著改善建筑性能。
📚 深度总结
该研究在建筑性能优化（BPO）领域中解决了一些对复杂建筑进行优化的难题，包括建筑形态的数学表述、计算费用昂贵的模拟过程，以及选择合适的优化算法和参数。作者应用BPO技术对一座新建的复杂旅游中心进行了设计优化，旨在提高建筑能效和室内热舒适性，利用人工神经网络（ANN）作为替代模型以减少计算时间。
研究使用了四种多目标优化算法：NSGA-II、MOPSO、MOSA和ES，结合ANN模型对这些算法的性能进行了比较。研究表明，NSGA-II算法表现最佳，其次是MOPSO，而ES和MOSA算法相对表现较差。基于ANN模型和NGA-II优化算法的设计结果表明，在提高能效和热舒适性的同时，年均能耗需求（AED）减少了8.3%，室内不满意度预测百分比（AAPPD）降低了11%。
该研究提供了一种应用于复杂建筑设计的BPO方法，通过整合ANN和合适的优化算法有效地应对了建筑设计中的多个优化目标。研究结果对于选择合适的算法和设置算法参数具有指导意义，尤其适用于类似复杂度的优化问题。
不过，该研究仅考虑了种群大小和代数，对其他算法参数的影响尚未探讨。此外，该研究仅适用于两个主要优化目标的情况，未来可以拓展至多目标设计。
本速览仅作研究参考，不替代原文阅读。如需引用，请参考原论文。
🔍 要点追溯
- 研究方法: 模拟+算法优化+ANN模型
- 适用范围: 复杂建筑设计，尤其是具有特殊建筑形态的旅游中心
- 使用工具: EnergyPlus, MATLAB, modeFRONTIER
- 数据来源: 中国南京的一座新建旅游中心的设计与运营数据
- 参考标准: 中国民用建筑热工设计规范GB50176-93, 公共建筑节能设计标准GB50189-2015