王力凱 譚子龍 吉國華 / WANG Likai, TAN Zilong, JI Guohua

面向應(yīng)用的建筑風(fēng)環(huán)境優(yōu)化設(shè)計(jì)技術(shù)探索

王力凱 譚子龍 吉國華 / WANG Likai, TAN Zilong, JI Guohua

操作復(fù)雜和耗時(shí)較長，是限制與風(fēng)環(huán)境相關(guān)的建筑性能自動(dòng)優(yōu)化設(shè)計(jì)方法研究的兩個(gè)主要因素。通過多學(xué)科優(yōu)化設(shè)計(jì)平臺(tái)，將參數(shù)化建模軟件與CFD軟件進(jìn)行整合，本文提出了一種便于操作，以與風(fēng)環(huán)境相關(guān)性能為目標(biāo)的建筑自動(dòng)優(yōu)化設(shè)計(jì)方法，可作為后續(xù)相關(guān)研究及設(shè)計(jì)的技術(shù)基礎(chǔ)。同時(shí)，本文以3×3多層小區(qū)為例，利用該方法對(duì)其布局進(jìn)行優(yōu)化設(shè)計(jì)，以說明在設(shè)計(jì)方案初期如何利用該方法為設(shè)計(jì)提供決策依據(jù)。

性能優(yōu)化設(shè)計(jì) 風(fēng)環(huán)境 多學(xué)科優(yōu)化設(shè)計(jì)

1 引言

建筑性能（如能耗、采光、通風(fēng)等）模擬工具的出現(xiàn)及發(fā)展，使得建筑“預(yù)設(shè)計(jì)”成為可能。但由于模擬結(jié)果僅能呈現(xiàn)問題而無法解答問題，因此單純依靠此類技術(shù)，往往使得建筑設(shè)計(jì)陷入一種反復(fù)“試錯(cuò)”的過程。目前，國內(nèi)設(shè)計(jì)單位根據(jù)性能模擬分析結(jié)果，對(duì)設(shè)計(jì)進(jìn)行調(diào)整的平均次數(shù)僅為2.7次（Shi Xing，2011），遠(yuǎn)不足以使設(shè)計(jì)方案得到充分考察和優(yōu)化。隨著計(jì)算科學(xué)的發(fā)展，包括“遺傳算法”在內(nèi)的優(yōu)化算法受到建筑科學(xué)研究學(xué)者的關(guān)注，通過整合優(yōu)化算法與性能模擬軟件，相關(guān)學(xué)者積極探索基于各種建筑性能的自動(dòng)優(yōu)化設(shè)計(jì)方法（下文簡稱“建筑性能優(yōu)化”）。新的建筑性能優(yōu)化的設(shè)計(jì)方法可以使建筑設(shè)計(jì)擺脫以往“試錯(cuò)”式的設(shè)計(jì)流程，轉(zhuǎn)為一種主動(dòng)的、動(dòng)態(tài)的、科學(xué)的設(shè)計(jì)探索過程。這種設(shè)計(jì)方法能夠幫助建筑師對(duì)方案進(jìn)行科學(xué)地評(píng)估和篩選；在性能引導(dǎo)下，幫助建筑師探索區(qū)別于以往認(rèn)知的建筑形態(tài)或布局；同時(shí)，在數(shù)字設(shè)計(jì)的背景下，為建筑師的設(shè)計(jì)“找形”過程提供科學(xué)和綠色的探索方向。

目前，國內(nèi)外關(guān)于建筑性能優(yōu)化設(shè)計(jì)的學(xué)術(shù)研究已取得了一定的成果。在建筑單體尺度方面包括：以GENE_ARCH作為控制平臺(tái)，對(duì)建筑能耗與建筑形體、外墻開窗率之間的關(guān)系進(jìn)行的探討和研究（Caldas Luisa，2008）；通過分級(jí)幾何結(jié)構(gòu)，對(duì)復(fù)雜形體進(jìn)行的建筑性能優(yōu)化的設(shè)計(jì)方法研究（Yi Yun Kyu，Malkawi Ali Malkawi，2009）；在Grasshopper中開發(fā)一套整合EnergyPlus、Radiance和Ecotect的設(shè)計(jì)平臺(tái)（Shi Xing，Yang Wenjie，2013），為建筑師提供更加便捷的設(shè)計(jì)工具；以降低成本和能耗為目標(biāo)，利用進(jìn)化算法對(duì)建筑外墻開窗進(jìn)行多目標(biāo)優(yōu)化的設(shè)計(jì)研究（Wright Jonathan A. et al.， 2014）。在建筑群體及城市尺度方面包括：利用遺傳算法結(jié)合天空可視因子（Sky View Factor），對(duì)高密度城市形態(tài)進(jìn)行優(yōu)化設(shè)計(jì)（胡友培，2015），通過調(diào)節(jié)熱島強(qiáng)度來改善城市局部熱環(huán)境；利用遺傳算法和CFD（Computational Fluid Dynamics，計(jì)算流體力學(xué)）模擬（Chen Hong et al.，2008），針對(duì)室外風(fēng)環(huán)境舒適度，對(duì)建筑布局和植被種植位置進(jìn)行優(yōu)化的設(shè)計(jì)方法，等等?？傮w而言，在目前的技術(shù)條件下，相關(guān)研究從各個(gè)方面嘗試為建筑設(shè)計(jì)提供更加科學(xué)、主動(dòng)和性能導(dǎo)向的輔助設(shè)計(jì)工具或方法。

然而，由于建筑風(fēng)環(huán)境優(yōu)化設(shè)計(jì)涉及大量的編程及流體力學(xué)模擬操作，相較于其他性能優(yōu)化研究，其發(fā)展仍較為緩慢。已有的研究成果主要集中在簡單的模型或者室內(nèi)通風(fēng)方面：有學(xué)者提出利用遺傳算法結(jié)合CFD模擬，對(duì)單個(gè)房間的尺寸和洞口位置進(jìn)行優(yōu)化搜索的建筑形式生成系統(tǒng)研究（Malkawi Ali M. et al.，2005）；有學(xué)者以室內(nèi)風(fēng)環(huán)境為目標(biāo)，利用FFD（Fast Fluid Dynamics，快速流體計(jì)算）模擬分析和遺傳算法，對(duì)某展館立面百葉進(jìn)行自動(dòng)優(yōu)化設(shè)計(jì)（Karagkouni Chrysanthi Sandy et al.，2014）；還有學(xué)者利用FFD對(duì)自由曲面形態(tài)進(jìn)行優(yōu)化（Chronis Angelos et al.，2011），以減小該曲面的風(fēng)壓，等等。目前，這些研究均涉及較復(fù)雜的代碼編寫和流體力學(xué)模擬，因此與建筑設(shè)計(jì)的實(shí)際應(yīng)用仍有較大的距離。

目前，基于CFD分析的建筑自動(dòng)優(yōu)化研究仍存在兩個(gè)問題：（1）可操作的優(yōu)化工具專業(yè)性太強(qiáng)，建筑優(yōu)化研究中涉及大量的專業(yè)知識(shí)，導(dǎo)致相關(guān)的研究和設(shè)計(jì)往往僅能由專門的研究人員進(jìn)行；（2）優(yōu)化效率不佳，由于在建筑尺度上的CFD模擬耗時(shí)較長，一般僅能針對(duì)單一或小范圍的目標(biāo)進(jìn)行搜索次數(shù)較少的優(yōu)化設(shè)計(jì)。

近年來，一些學(xué)者借鑒工業(yè)設(shè)計(jì)領(lǐng)域較為成熟的優(yōu)化方法，采用多學(xué)科優(yōu)化設(shè)計(jì)（Multi-Discipline Optimization Design，MOD）程序，進(jìn)行建筑性能方面的優(yōu)化設(shè)計(jì)研究，如以MOD為平臺(tái)并與EnergyPlus進(jìn)行整合（Shi Xing，2011），對(duì)建筑的保溫層厚度進(jìn)行優(yōu)化設(shè)計(jì)。MOD程序提供了豐富的程序數(shù)據(jù)接口，便于與各類性能模擬軟件進(jìn)行連接，并對(duì)不同設(shè)計(jì)目標(biāo)進(jìn)行分析和優(yōu)化，此外，易于操作的特點(diǎn)也使其受到大量工程師的青睞。在工業(yè)設(shè)計(jì)領(lǐng)域，利用MOD平臺(tái)與CFD模擬相結(jié)合對(duì)汽車等工業(yè)產(chǎn)品的氣動(dòng)力性能進(jìn)行優(yōu)化的方法已被廣泛應(yīng)用。但由于工業(yè)設(shè)計(jì)領(lǐng)域與建筑領(lǐng)域的優(yōu)化目標(biāo)不同，導(dǎo)致相應(yīng)的優(yōu)化系統(tǒng)構(gòu)架和方法無法直接應(yīng)用在建筑風(fēng)環(huán)境的優(yōu)化設(shè)計(jì)中。盡管如此，MOD平臺(tái)仍為解決目前基于CFD分析的建筑優(yōu)化設(shè)計(jì)方法中所存在的問題提供了可行的技術(shù)基礎(chǔ)，通過對(duì)該平臺(tái)進(jìn)行調(diào)整和改進(jìn)，可以進(jìn)一步提升建筑風(fēng)環(huán)境優(yōu)化設(shè)計(jì)方法的適用性和可操作性。

為了進(jìn)一步探索和提高風(fēng)環(huán)境優(yōu)化設(shè)計(jì)在建筑設(shè)計(jì)實(shí)踐工作中的可操作性，本研究以建筑設(shè)計(jì)工作中常用建模軟件Rhino（犀牛）作為生成設(shè)計(jì)平臺(tái)，并以iSIGHT①作為優(yōu)化控制平臺(tái)，通過腳本語言和各相關(guān)程序的自動(dòng)運(yùn)行機(jī)制，引入一種面向建筑設(shè)計(jì)需求、針對(duì)建筑風(fēng)環(huán)境的優(yōu)化設(shè)計(jì)方法。在平衡“時(shí)間”和“精度”問題方面，由于高精度的CFD模擬耗時(shí)較長，因此在方案初期基于大量樣本的優(yōu)化設(shè)計(jì)并不可行；若能夠在較短的時(shí)間內(nèi)了解不同設(shè)計(jì)方案在風(fēng)環(huán)境方面大致的趨勢(shì)及特征，則對(duì)項(xiàng)目初期的設(shè)計(jì)決策更具參考價(jià)值。近年來，針對(duì)建筑設(shè)計(jì)的需求和特點(diǎn)，采用低精度的模擬并對(duì)其結(jié)果進(jìn)行優(yōu)化設(shè)計(jì)，也被視為一種可行且有效的手段（Karagkouni Chrysanthi Sandy et al.，2014；Kaushik Vignesh et al.，2015）。

因此，本研究基于低精度的CFD模擬，建立了一套能夠在相對(duì)合理的時(shí)間跨度內(nèi)，對(duì)建筑設(shè)計(jì)進(jìn)行“生成－模擬－分析－輸出”的自動(dòng)分析與優(yōu)化機(jī)制，并通過改進(jìn)優(yōu)化流程，使該方法能夠完成設(shè)計(jì)參數(shù)范圍較大的建筑形態(tài)、布局優(yōu)化設(shè)計(jì)。借助基于CFD分析的建筑自動(dòng)優(yōu)化設(shè)計(jì)方法，可以在不同基地條件下，高效、科學(xué)地對(duì)設(shè)計(jì)方案進(jìn)行優(yōu)化，以輔助設(shè)計(jì)師在建筑方案設(shè)計(jì)階段的決策工作。

2 基于CFD分析的建筑自動(dòng)優(yōu)化設(shè)計(jì)方法

本研究的技術(shù)基礎(chǔ)是一個(gè)以iSIGHT為核心、多程序協(xié)同工作的運(yùn)行流程系統(tǒng)。為了使建筑模型的生成和控制更加符合建筑師的設(shè)計(jì)習(xí)慣，提高系統(tǒng)的可操作性，本研究采用Rhino軟件作為模型生成平臺(tái)。此外，為了在較短的時(shí)間內(nèi)更有效地進(jìn)行優(yōu)化，該方法對(duì)優(yōu)化流程進(jìn)行了細(xì)分，以減少優(yōu)化過程中計(jì)算資源在目標(biāo)函數(shù)值較低的參數(shù)范圍內(nèi)的浪費(fèi)。

2.1 基于CFD分析的建筑自動(dòng)優(yōu)化設(shè)計(jì)系統(tǒng)

2.1.1 系統(tǒng)構(gòu)架

基于CFD分析的建筑自動(dòng)優(yōu)化設(shè)計(jì)系統(tǒng)是以iSIGHT為核心，連接ICEM CFD（Integrated Computer Engineering and Manufacturing code for Computational Fluid Dynamics）、FLUENT和Rhino等軟件，iSIGHT可以通過調(diào)用該系統(tǒng)自動(dòng)完成相應(yīng)的模型生成、前處理、數(shù)值求解和結(jié)果輸出（圖1）。此外，通過將具體的設(shè)計(jì)對(duì)象和優(yōu)化目標(biāo)抽象為控制建筑模型生成的控制參數(shù)和生成算法，以及可量化的優(yōu)化指標(biāo)，iSIGHT能夠自動(dòng)對(duì)模型進(jìn)行調(diào)整和生成，并對(duì)相應(yīng)的生態(tài)性能進(jìn)行分析、評(píng)價(jià)。基于此系統(tǒng)架構(gòu)，iSIGHT可以通過特定設(shè)計(jì)矩陣或優(yōu)化算法，完成不同建筑的風(fēng)環(huán)境相關(guān)性能的數(shù)據(jù)分析及優(yōu)化設(shè)計(jì)。

2.1.2 運(yùn)行流程

通過批處理文件，以及其他相關(guān)的腳本文件和操作記錄文件，iSIGHT調(diào)用所需程序?qū)崿F(xiàn)優(yōu)化設(shè)計(jì)，自動(dòng)完成對(duì)設(shè)計(jì)對(duì)象“調(diào)整－生成－模擬－評(píng)價(jià)－再調(diào)整”的優(yōu)化流程。系統(tǒng)的運(yùn)行流程主要包括模型生成、前處理、數(shù)值求解、結(jié)果輸出4個(gè)部分（圖2）。iSIGHT首先生成待分析建筑模型的設(shè)計(jì)參數(shù)并輸出，Rhino根據(jù)該參數(shù)和模型生成規(guī)則生成并輸出實(shí)例化的待分析對(duì)象，ICEM CFD和FLUENT分別完成待分析模型前處理，以及數(shù)值求解和結(jié)果輸出。iSIGHT根據(jù)結(jié)束條件（一般為是否達(dá)到指定的迭代次數(shù)）判斷是否完成優(yōu)化，若滿足則將優(yōu)化結(jié)果輸出，若不滿足，優(yōu)化算法則對(duì)已有結(jié)果進(jìn)行分析，并生成新的設(shè)計(jì)變量。

2.2 優(yōu)化設(shè)計(jì)流程

為了進(jìn)一步提高CFD優(yōu)化設(shè)計(jì)的效率，減少優(yōu)化算法在適應(yīng)度（Fitness）較低區(qū)域所花費(fèi)的計(jì)算資源，本研究將優(yōu)化設(shè)計(jì)流程分為“DOE（Design of Experiment，實(shí)驗(yàn)設(shè)計(jì)）”和“優(yōu)化設(shè)計(jì)”兩步。

“實(shí)驗(yàn)設(shè)計(jì)”是在設(shè)計(jì)初期利用實(shí)驗(yàn)設(shè)計(jì)方法，對(duì)不同的設(shè)計(jì)參數(shù)進(jìn)行敏感性和相關(guān)性分析。通過采用如“最優(yōu)拉丁超立方設(shè)計(jì)（Optimal Lation Hypercube Design）”等方式（Zhang Jingjun et al.，2012），在一個(gè)較為合理的樣本數(shù)量基礎(chǔ)上，在較大的范圍內(nèi)對(duì)各設(shè)計(jì)參數(shù)進(jìn)行對(duì)比分析，結(jié)果可為后續(xù)優(yōu)化設(shè)計(jì)提供參考。同時(shí)，在“實(shí)驗(yàn)設(shè)計(jì)”階段也可以高效地對(duì)不同設(shè)計(jì)方向進(jìn)行考察，并從中選擇較優(yōu)的設(shè)計(jì)方向。

“優(yōu)化設(shè)計(jì)”則是在上一步的基礎(chǔ)上，選擇優(yōu)化潛力較大的參數(shù)范圍，通過縮小優(yōu)化算法的搜索范圍，以較少的優(yōu)化代數(shù)和樣本量，取得相對(duì)較優(yōu)的結(jié)果。

3 案例分析

為了說明本研究提出的建筑自動(dòng)優(yōu)化設(shè)計(jì)方法的可行性及可操作性，下文以南京地區(qū)某小區(qū)布局設(shè)計(jì)為例，進(jìn)行基于冬、夏兩季風(fēng)環(huán)境的DOE分析及自動(dòng)優(yōu)化設(shè)計(jì)。以往普遍性的布局策略研究（龔晨，汪新，2014；邵騰，2013；都桂梅，2009），無法提供針對(duì)小區(qū)建筑布局的動(dòng)態(tài)的輔助設(shè)計(jì)策略。而相應(yīng)的基于CFD模擬的優(yōu)化設(shè)計(jì)方法的研究（Chen Hong et al.，2008），目前多針對(duì)方法探索，使用這類方法則要求使用者具有較高的編程及CFD操作技能。因此，本研究將通過具體案例進(jìn)一步說明優(yōu)化設(shè)計(jì)系統(tǒng)在操作及優(yōu)化設(shè)計(jì)流程方面的特點(diǎn)。

3.1 實(shí)驗(yàn)設(shè)置

3.1.1 設(shè)計(jì)對(duì)象

圖1 系統(tǒng)構(gòu)架

圖2 運(yùn)行流程

實(shí)驗(yàn)研究以3×3多層小區(qū)作為基本布局方式，其中單體建筑尺寸為36m×18m×24m（長×寬×高），同一行和列內(nèi)建筑的間距均為9m和24m（圖3）。若采用常規(guī)變量設(shè)置方法，需要由18個(gè)變量控制9棟建筑在x-y平面內(nèi)的位置。這種設(shè)置方式會(huì)出現(xiàn)建筑重合或間距過小問題，產(chǎn)生大量無效樣本。因此，本實(shí)驗(yàn)參考兩種小區(qū)調(diào)整模式（錯(cuò)列式和斜列式）布局，將變量數(shù)量減少為6個(gè)，分別控制x方向（x1，x2，x3）及y方向（y1，y2，y3）上的建筑進(jìn)行移動(dòng)，各變量的控制方向及移動(dòng)范圍如圖4所示。這種方式不但能夠保證布局變化的多樣性，同時(shí)有效限制了優(yōu)化算法的搜索范圍。

3.1.2 優(yōu)化目標(biāo)（目標(biāo)函數(shù)）

小區(qū)風(fēng)環(huán)境的優(yōu)化目標(biāo)一般包括以下兩方面：一是行人高度上的風(fēng)舒適度，根據(jù)埃米爾 · ?？姡‥mil Simiu）和羅伯特 · H · 斯坎倫（Robert H. Scanlan）在《風(fēng)對(duì)結(jié)構(gòu)的作用——風(fēng)工程導(dǎo)論》（1992）一書中提出的風(fēng)速與行人舒適感的對(duì)應(yīng)關(guān)系，行人高度上的舒適風(fēng)速應(yīng)處于1～5m/s之間；二是建筑室內(nèi)自然通風(fēng)潛能，《綠色奧運(yùn)建筑評(píng)估體系》（2003）一書指出，為了保證室內(nèi)有效自然通風(fēng)，同時(shí)避免局部渦旋出現(xiàn)，夏季應(yīng)保證75%以上的板式建筑前后壓差保持在1.5Pa左右，冬季應(yīng)保證建筑物前后壓差不大于5Pa。根據(jù)上述指標(biāo)，本實(shí)驗(yàn)以圖5所示區(qū)域?yàn)槿臃秶?70m×140m（長×寬），并以在該范圍中冬、夏兩季1.5 m高度舒適風(fēng)速（1～5m/s）所占面積比例（Ration of Comfortable Zone，RCZ）分別作為多目標(biāo)優(yōu)化的目標(biāo)函數(shù)（Objective Function）。此外，將建筑迎背風(fēng)面平均風(fēng)壓差作為輔助的判斷標(biāo)準(zhǔn)，即限制條件（Constraint）。

3.1.3 CFD模擬相關(guān)參數(shù)設(shè)置

在CFD模擬時(shí)間的控制上，有研究采用分步設(shè)計(jì)，即前期利用低精度的模擬篩選出較優(yōu)的樣本，后期再利用更為精確的模擬來獲得這些樣本更為詳細(xì)的風(fēng)環(huán)境特征（Chen Hong et al.，2008）。除此之外，近年來一些能夠快速進(jìn)行流體力學(xué)分析的方法也被用于相關(guān)的優(yōu)化設(shè)計(jì)研究中（Karagkouni Chrysanthi Sandy et al.，2014；Kaushik Vignesh et al.，2015）。因此，基于目前計(jì)算機(jī)的計(jì)算能力，通過降低模擬精度以提高優(yōu)化效率是可行且必要的。

為減少CFD模擬時(shí)間，本研究主要采取降低模擬網(wǎng)格密度和減少計(jì)算步數(shù)的手段。具體設(shè)置如下：采用非結(jié)構(gòu)網(wǎng)格生成模擬模型，以適應(yīng)不斷變化的建筑布局；待分析建筑物周邊網(wǎng)格的最小精度為1.8m，外圍網(wǎng)格的最大精度為32.0m；在FLUENT的設(shè)置中，黏性模型采用標(biāo)準(zhǔn)k-ε模型；壓力－速度耦合方程采用SIMPE（Semi-Implicit Method for Pressure Linked Equation，壓力耦合方程的半隱方法）方程，梯度差值采用Least Squares Cell Based（基于單元體的最小二乘法差值），壓力差值為二階，其余各項(xiàng)均為二階迎風(fēng)；計(jì)算步數(shù)為700。在此設(shè)置下，單次模擬耗時(shí)約為8min（惠普Z620工作站）。CFD模擬的邊界條件則根據(jù)南京地區(qū)氣象數(shù)據(jù)進(jìn)行設(shè)置（宋芳婷 等，2006），即夏季主導(dǎo)風(fēng)向?yàn)闁|南偏南（SSE），平均風(fēng)速為2.4m/s，冬季主導(dǎo)風(fēng)向?yàn)闁|北偏東（ENE），平均風(fēng)速為3.2m/s。

3.2 實(shí)驗(yàn)過程

3.2.1 DOE實(shí)驗(yàn)

在DOE實(shí)驗(yàn)中，對(duì)各變量設(shè)置了較大的變化范圍，并采用“最優(yōu)拉丁超立方設(shè)計(jì)”確定設(shè)計(jì)矩陣（Viana Felipe A. C.，2010），樣本數(shù)量設(shè)置為200個(gè)。最終結(jié)果顯示，建筑迎背風(fēng)面的平均風(fēng)壓差在冬季均小于5.0Pa，而在夏季均大于1.5Pa。因此，將夏季風(fēng)壓大于2.5Pa作為限制條件，對(duì)樣本進(jìn)行篩選，最終滿足該限制條件的有效樣本為151個(gè)。

選取有效樣本中兩目標(biāo)函數(shù)值之和前5%的樣本（8個(gè)）進(jìn)行分析（表1），通過對(duì)比x1～x3與y1～y3的標(biāo)準(zhǔn)差可以發(fā)現(xiàn)，在較優(yōu)的樣本中，x方向較y方向的建筑間錯(cuò)動(dòng)距離更加明顯，說明x方向的錯(cuò)動(dòng)對(duì)改進(jìn)目標(biāo)函數(shù)的作用更加顯著。同時(shí)可以看出，x方向和y方向的變量并沒有明顯的集中區(qū)域。

根據(jù)上述分析，在下一階段的優(yōu)化設(shè)計(jì)中可以縮小y方向的變量的變化范圍，x方向的變量則維持原有范圍。

圖3 初始布局方式

圖4 變化方式及設(shè)計(jì)參數(shù)

圖5 研究范圍及舒適風(fēng)速范圍

圖6 目標(biāo)函數(shù)變化趨勢(shì)

3.2.2 優(yōu)化設(shè)計(jì)

在優(yōu)化設(shè)計(jì)中將y1～y3的設(shè)計(jì)范圍調(diào)整至0～12.0m。同時(shí)，為了避免優(yōu)化進(jìn)程出現(xiàn)“早熟”，在優(yōu)化設(shè)計(jì)階段采用“多島遺傳算法”（Multi-Island Genetic Algorithm）作為優(yōu)化策略。該算法在設(shè)計(jì)范圍內(nèi)設(shè)置若干“島”，各島之間的優(yōu)化搜索相對(duì)獨(dú)立，以避免優(yōu)化進(jìn)入局部解（Keane A. J.，1995）。

表1 DOE實(shí)驗(yàn)數(shù)據(jù)

圖7 帕累托前沿面

圖8 帕累托解樣本布局

根據(jù)本實(shí)驗(yàn)優(yōu)化的設(shè)計(jì)范圍，將優(yōu)化算法中的種群數(shù)和子群規(guī)模均設(shè)置為8，優(yōu)化代數(shù)設(shè)置為10。由于搜索樣本量相對(duì)較少，因此將變異概率和島間遷移率由默認(rèn)值0.01調(diào)整至0.09，以避免優(yōu)化算法在各島內(nèi)進(jìn)行局部搜索。優(yōu)化設(shè)計(jì)總共進(jìn)行8代，樣本模擬數(shù)量為8×8×10（子群規(guī)?！练N群數(shù)×代數(shù)），共640組，耗時(shí)約7天。根據(jù)優(yōu)化進(jìn)程中改進(jìn)解出現(xiàn)的位置及其對(duì)應(yīng)的目標(biāo)函數(shù)值可得到目標(biāo)函數(shù)變化趨勢(shì)曲線（圖6），可以看出，該曲線在100步后基本趨于平穩(wěn)。

3.3 優(yōu)化結(jié)果分析

通過自動(dòng)優(yōu)化設(shè)計(jì)，獲得了由15個(gè)樣本組成的帕累托解（Pareto set）。帕累托解常見于多目標(biāo)優(yōu)化中，是一組在若干個(gè)相制衡的優(yōu)化目標(biāo)間相互平衡的設(shè)計(jì)樣本（Evins Ralph，2013）。通過分析本次優(yōu)化設(shè)計(jì)所得到的所有合格解的解集，可以清晰地描繪出本次優(yōu)化所得的帕累托前沿面（Pareto Frontier，圖7），從而進(jìn)一步得出兩目標(biāo)函數(shù)之間相互制約的關(guān)系。圖8以夏季RCZ升序方式顯示了此次優(yōu)化設(shè)計(jì)的帕累托解中各設(shè)計(jì)樣本的布局形式及主要參數(shù)。通過對(duì)比兩目標(biāo)函數(shù)值可以看出，冬、夏兩季的RCZ基本呈反相關(guān)。此外可以發(fā)現(xiàn)，夏季RCZ隨x方向上建筑移動(dòng)距離的增大而提高。綜上所述，通過所得的優(yōu)化結(jié)果，可以基本了解不同布局下冬、夏兩季風(fēng)環(huán)境的特征和趨勢(shì)，并作為后續(xù)設(shè)計(jì)決策的參考。

為進(jìn)一步分析該優(yōu)化設(shè)計(jì)對(duì)風(fēng)環(huán)境的提升效果，本文選取目標(biāo)函數(shù)之和最大的平面布局與初始平面布局進(jìn)行對(duì)比（圖9），可以看出，相較于初始平面布局，所選取布局在冬、夏兩季中風(fēng)速不足1m/s的范圍有所減少。同時(shí)可以較為明顯地發(fā)現(xiàn)，在所選取布局中，建筑在x方向的移動(dòng)減少了冬季因建筑間遮擋導(dǎo)致的風(fēng)影區(qū)面積，使得小區(qū)內(nèi)部舒適風(fēng)速的范圍增加。

通過以上分析可以看出，采用優(yōu)化算法對(duì)風(fēng)環(huán)境進(jìn)行設(shè)計(jì)，可以更加有效地改進(jìn)建筑方案，而這種改進(jìn)是以往經(jīng)驗(yàn)式的設(shè)計(jì)手法或定性的設(shè)計(jì)策略難以實(shí)現(xiàn)的。

4 結(jié)語

本研究探索了基于多學(xué)科優(yōu)化平臺(tái)和CFD模擬軟件的建筑風(fēng)環(huán)境自動(dòng)優(yōu)化設(shè)計(jì)方法。首先，通過案例分析證明了自動(dòng)優(yōu)化設(shè)計(jì)方法能為具體的設(shè)計(jì)提供較為可靠的參考，較以往“試錯(cuò)”式的設(shè)計(jì)方法更加科學(xué)、有效。其次，采用低精度的CFD模擬設(shè)置，可以在相對(duì)合理的時(shí)間跨度內(nèi)對(duì)大量樣本進(jìn)行總體分析及比較，其結(jié)果對(duì)項(xiàng)目初期的設(shè)計(jì)決策有較大的參考價(jià)值。第三，將CFD模擬程序與建筑行業(yè)常用參數(shù)化設(shè)計(jì)平臺(tái)進(jìn)行整合，希望為建筑師提供一個(gè)可操作、可擴(kuò)展的風(fēng)環(huán)境相關(guān)的建筑性能優(yōu)化設(shè)計(jì)方法。

本研究旨在改善已有的風(fēng)環(huán)境相關(guān)的建筑優(yōu)化設(shè)計(jì)方法，使其更加符合設(shè)計(jì)師或相關(guān)研究者的使用習(xí)慣；在未來面向更加復(fù)雜的建筑形態(tài)時(shí)，該方法可以作為建筑自然通風(fēng)、城市風(fēng)環(huán)境、被動(dòng)式降溫等自動(dòng)優(yōu)化設(shè)計(jì)研究的方法和技術(shù)儲(chǔ)備；在后續(xù)的設(shè)計(jì)或研究中，建筑師或相關(guān)研究者可在該方法及系統(tǒng)的基礎(chǔ)上進(jìn)一步對(duì)建筑設(shè)計(jì)和優(yōu)化目標(biāo)等問題進(jìn)行探索。

圖9 兩種布局冬、夏兩季的風(fēng)速云圖

本研究尚處于初步階段，仍然存在需要在后續(xù)研究中進(jìn)一步改進(jìn)的地方。一方面，為了提高風(fēng)環(huán)境優(yōu)化設(shè)計(jì)方法在建筑設(shè)計(jì)中的可操作性，本研究采用了常用的設(shè)計(jì)軟件及整合度較高的優(yōu)化平臺(tái)，但仍對(duì)使用者在優(yōu)化設(shè)計(jì)及CFD操作方面有一定的要求，因此，為提高其實(shí)際的可操作性，需對(duì)相應(yīng)的設(shè)計(jì)方法進(jìn)一步整合及改進(jìn)。另一方面，由于CFD模擬的精度較低，因此模擬結(jié)果的穩(wěn)定性、與精確模擬結(jié)果間的一致性均有待進(jìn)一步考察。

注釋

① 一種基于參數(shù)的MOD軟件。

[1] Shi Xing. Design optimization of insulation usage and space conditioning load using energy simulation and genetic algorithm[J]. Energy, 2011, 36(3).

[2] Caldas Luisa. Generation of energy-efficient architecture solutions applying GENE_ARCH: An evolution-based generative design system[J]. Advanced Engineering Informatics, 2008, 22(1).

[3] Yi Yun Kyu, Malkawi Ali Malkawi. Optimizing building form for energy performance based on hierarchical geometry relation[J]. Automation in Construction, 2009, 18(6).

[4] Shi Xing, Yang Wenjie. Performance-driven architectural design and optimization technique from a perspective of architects[J]. Automation in Construction, 2013, 32(4).

[5] Wright Jonathan A., Brownlee Alexander, Mourshed Monjur M., et al. Multi-objective optimization of cellular fenestration by an evolutionary algorithm[J]. Journal of Building Performance Simulation, 2014, 7(1).

[6] 胡友培. 高密度城市形態(tài)熱島性能優(yōu)化設(shè)計(jì)研究[J]. 建筑學(xué)報(bào), 2015 (2).

[7] Chen Hong, Ooka Ryozo, Kato Shinsuke. Study on optimum design method for pleasant outdoor thermal environment using genetic algorithms (GA) and coupled simulation of convection, radiation and conduction[J]. Building & Environment, 2008, 43(1).

[8] Malkawi Ali M., Srinivasan Ravi S, Yi Yun K., et al. Decision support and design evolution: integrating genetic algorithms, CFD and visualization[J]. Automation in Construction, 2005, 14(1).

[9] Karagkouni Chrysanthi Sandy, Gen Schieck Ava Fatah, Tsigkari Martha, et al. Performance-driven facades: Analysis of natural cross-ventilation in an indoor environment with Fast Fluid Dynamics and apertures optimization based on a genetic algorithm[J]. Simulation, 2014, 90(8).

[10] Chronis Angelos, Turner Alasdair, Tsigkari Martha. Generative Fluid Dynamics: Integration of Fast Fluid Dynamics and Genetic Algorithms for wind loading optimization of a free form surface[C]//Proceedings of the 2011 Symposium on Simulation for Architecture and Urban Design. Society for Computer Simulation International, 2011.

[11] Kaushik Vignesh, Janssen Patrick. Urban Windflow: Investigating the use of animation software for simulating windflow around buildings[C]// Ecaade Conference, 2015.

[12] Zhang Jingjun, Xu Liwei, Gao Ruizhen. Multi-island genetic algorithm opetimization of suspension system[J]. TELKOMNIKA Indonesian Journal of Electrical Engineering, 2012, 10(7).

[13] 龔晨, 汪新. 建筑布局對(duì)住宅小區(qū)風(fēng)環(huán)境的影響研究[J]. 建筑科學(xué), 2014, 30(7).

[14] 邵騰. 嚴(yán)寒地區(qū)居住小區(qū)風(fēng)環(huán)境優(yōu)化設(shè)計(jì)研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2013.

[15] 都桂梅. 幾種典型布局住宅小區(qū)風(fēng)環(huán)境數(shù)值模擬研究[D]. 長沙: 湖南大學(xué), 2009.

[16] 埃米爾·布繆, 羅伯特·H·斯坎倫. 風(fēng)對(duì)結(jié)構(gòu)的作用——風(fēng)工程導(dǎo)論[M]. 劉尚培, 項(xiàng)海帆, 謝霏明, 譯. 上海: 同濟(jì)大學(xué)出版社, 1992.

[17] 綠色奧運(yùn)建筑研究課題組著. 綠色奧運(yùn)建筑評(píng)估體系[M]. 北京: 中國建筑工業(yè)出版社, 2003.

[18] 宋芳婷, 諸群飛, 吳如宏, 等. 中國建筑熱環(huán)境分析專用氣象數(shù)據(jù)集[C]//全國暖通空調(diào)制冷學(xué)術(shù)年會(huì)資料集, 2006.

[19] Viana Felipe A. C., Venter Gerhard, Balabanov Vladimir. An algorithm for fast optimal Latin hypercube design of experiments[J]. International Journal for Numerical Methods in Engineering, 2010, 82(2).

[20] Keane A. J. Genetic algorithm optimization of multi-peak problems: studies in convergence and robustness[J]. Artificial Intelligence in Engineering, 1995, 9(2).

[21] Evins Ralph. A review of computational optimisation methods applied to sustainable building design[J]. Renewable & Sustainable Energy Reviews, 2013, 22(8).

2016-03-02

INVESTIGATION OF APPLICATION-ORIENTED TECHNIQUE OF WIND-ENVIRONMENT RELATED PERFORMANCE OPTIMIZATION DESIGN

The complexity of operation and time consumption are two main factors restricts the research of architectural automatic optimization. By integrating the parametric modeling and CFD analysis software based on multi-discipline optimization design platform, this paper presents a building automatic optimization approach based on the wind-related performance, and characterized by easy-operating. This approach lays a technical foundation for the further relevant research and design. Taking a 3 by 3 multistory residential area as an example, and using presented approach to improve the buildings layout, this paper shows how to utilize this approach to support decision making during the initial stage of design.

Performance Optimization, Wind Environment, Multi-Discipline Optimization Design

國家自然科學(xué)基金資助項(xiàng)目（編號(hào)：51378248）；江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目（編號(hào)：KYZZ15_0047）。

王力凱，博士研究生，南京大學(xué)建筑與城市規(guī)劃學(xué)院，dg1436002@smail. nuj.edu.cn

譚子龍，碩士研究生，南京大學(xué)建筑與城市規(guī)劃學(xué)院

吉國華，通訊作者，南京大學(xué)建筑與城市規(guī)劃學(xué)院教授，jgh@nju.edu.cn