粒子群算法在参数化BIM模型优化中的应用研究

发布时间：2024-03-24 15:29

　　随着各类优化算法在建筑建造工程(ACE)领域的广泛应用,特别是在建筑性能优化领域中的应用,智能算法渐渐展现了和传统算法相比的优势(对决策变量、目标函数及约束条件的要求并不严格,且能处理大体量复杂系统的优化问题)。但现阶段研究存在一定的局限性,例如智能算法在与建筑信息模型(BIM)模型的结合应用过程中需要借助第三方的优化软件或平台,降低了建筑设计师使用的便捷性;优化算法中的群智能算法本身的优化过程存在一定的偶然性和随机性;针对特定的优化问题,特定的优化算法或者特定的优化算法的参数设置才能更具有效性与准确性。考虑到以上问题,本文基于Optimo(现阶段包括NSGA-II的多目标优化插件),完成粒子群优化算法在Revit+Dynamo参数化BIM平台上的添加、测试与应用研究。多目标粒子群算法采用MATLAB与C#语言混合编程,利用MATLAB强大的科学计算能力完成粒子群优化算法内核的编写与测试,通过对3个常用的多目标测试函数的求解,证明编写的优化算法程序的有效性。其次,在Microsoft Visual Studio 2017平台环境中,以C#语言完成类库封装与变量转换与传递,使得运算内核能...

【文章页数】：100 页

【学位级别】：硕士

【部分图文】：

图1-1Pareto前沿示意图

图1-1Pareto前沿示意图目标优化问题的两种常用方法[3]：单目标优化的多目标优化方法法也被称为传统优化方法，其基本思想是将多目标优化问换为单目标优化问题，然后进行单目标优化问题的求解。、分层序列法、评价函数法、功效系数法（目标规划法）启发式算法的多目标优化方法法通过模....

图2-1各个算法特征

17图2-1各个算法特征[37]viewofcomputationaloptimisationmethodsappliedtosuswable&SustainableEnergyReviews,2013,22(8):230~245.Fig.以看出，....

图2-2各算法（于2014年前在Elsevier上）的使用频率

图2-2各算法（于2014年前在Elsevier上）的使用频率[38]TsangrassoulisA,AxarliK.Algorithmsforoptimizationofbuilnewable&SustainableEnergyReview....

图2-3粒子在时间时的位置示意图

()ivt粒子在时间时的速度p(t)粒子在时间时具最佳适应度值的位置g(t)群体在时间时具最佳适应度值的位置(1)ixt+粒子在时间t+1时的位置(1)ivt+粒子在时间时的速度w惯性系数，表示粒子惯性的大小12C,C....

本文编号：3937660