28686

الگوريتم مولد براي طراحي و اجراي مسكن

كارشناسي ارشد

فناوري معماري

1398

1402/04/25

دكتر احمد اخلاصي - دكتر مرتضي رهبر

دكتر مهشيد قربانيان

معماري و شهرسازي

امروزه استفاده از هوش مصنوعي براي طراحي پلان مسكن محبوبيت روز افزوني را به خود ديده است. با اين حال، اكثر اين سيستم هاي هوش مصنوعي از الگوريتم هاي يادگيري ماشيني و يادگيري عميق استفاده مي نمايند كه بر مبناي مجموعه داده هاي پيكسلي پلان هاي مسكوني آموزش ديده و در پاسخ هاي خود ويژگي هاي سازه اي و محدوديت هاي ساخت را لحاظ نمي نمايند. در اين نوشتار به منظور بهبود اين نقص، كاركردهاي مختلف هوش مصنوعي و هزينه بر و زمان بر بودن سيستم هاي سنتي طراحي پلان يك هوش مصنوعي مولد قانونمند براي طراحي پلان هاي مسكوني بر مبناي سيستم سازه اي پي دال معرفي ميگردد. اين هوش مصنوعي، در تجزيه و تحليل و توليد پلان ها با توجه به نياز و سليقه كاربر واقعي در طراحي و پياده سازي پلان گسترش يافته است. اين پژوهش به صورت تركيبي از نوع توصيفي – تحليلي، پژوهشي است؛ در ابتدا از طريق روش توصيفي - تحليلي اطلاعات اوليه جمع آوري شده و سپس با استفاده از روش آزمايشي يك هوش مصنوعي بر مبناي سيستم پي دال براي طراحي و اجراي مسكن گسترش يافته است. در ادامه پژوهش به شناسايي مجموعه داده هاي لازم براي طبقه بندي نيازهاي فضايي كاربران در انواع پلان با متراژهاي متنوع، تشريح ساختار تبديل پلان به مدول‌هاي سازنده در سيستم پي دال، توليد الگوواره طراحي هوش مصنوعي مولد پلان در قالب فازبندي كاهنده نتايج قابل قبول و مطلوب براي كاربر و تدوين الگوريتم مولد پلان به كمك هوش مصنوعي پرداخته است. از نتايج پژوهش مي توان به دستيابي به يك الگوريتم طراحي ديجيتال پلان با قابليت بالاي صنعتي سازي، سازه اي بودن پاسخ هاي الگوريتم از بابت تطابق با پي دال و افزايش كيفيت پاسخ دهي و سرعت با عبور از طراحي پيوسته پلان به طراحي گسسته اشاره كرد.

1402/06/21

Algorithm for digital design & construction of house

7/15/2024 12:00:00 AM

Today, the use of artificial intelligence to design house plans has become increasingly popular. However, most of these artificial intelligence systems use machine learning and deep learning algorithms that are trained based on the pixel data set of residential plans and do not take into account structural features and construction limitations in their solutions. In this article, in order to improve these defects–the various functions of AI and the cost and time-consuming nature of traditional plan design systems–a rule-based artificial intelligence is introduced for designing residential plans based on a structural system named 'PeyDal'. This AI has been expanded in the analysis and production of plans according to the needs and preferences of the real user in the design and implementation of the plan. This research is a combination of descriptive-analytical and experimental methods; at first, initial information was collected through the descriptive-analytical method, and then, using the experimental method, an algorithm based on the Peydal System was developed for the design and implementation of houses. Next, the research aims to identify the necessary data sets for classifying the spatial needs of users in different types of plans with different sizes, describe the structure of converting plans into constructive modules in the Peydal System, produce a plan-generating AI design pattern in the form of a reduction of acceptable and desirable results for the user and develop a plan-generating algorithm with the help of artificial intelligence. The results of the study include the achievement of a digital design plan algorithm with high industrialization capability, the structurality of the algorithm's solutions due to matching with the Peydal Modular System, and the increase in response quality and speed by moving from continuous plan design to discrete design.

الگوريتم , طراحي جايگشت هاي فضايي , طراحي پلان , سيستم پي دال

Algorithm , Design spaces permutations, , plan design , PeyDal System

Mohammad Sabery & Iman Tajabadi

Dr. Ahmad Ekhlasi & Dr. Morteza Rahbar