论文部分内容阅读
随着数字化模拟、优化与生成设计技术的发展,建筑结构性能化设计得到了越来越多建筑师的关注和应用.由于建筑设计目标的综合性,与之相随的建筑结构优化问题往往含有多个优化目标,多个可优化的参数.这为优化找形带来了一定的难度.因此,选取适合的优化算法在建筑结构性能化设计中尤为重要.本研究通过一个参数化的壳体结构实验模型,设定了多个优化参数(底部宽度、中点宽度、整体高度、局部翻起高度)和多个优化目标(结构形变、结构质量、结构应变能),通过运用人工智能算法中的遗传算法与神经网络算法,对其进行了多目标的优化.研究发现基于遗传算法和神经网络算法的优化提供了不同的优化过程和优化结果.这为建筑结构性能化优化问题中的算法选择提供了一定的思路.