王勤宏

摘 要：隨著社會經(jīng)濟建設進程的快速發(fā)展，人們的生活水平得到提高，現(xiàn)代化城市建設的進程促使房地產(chǎn)建筑項目數(shù)量增加，我國逐漸成為全世界建筑行業(yè)發(fā)展最迅速的發(fā)展中國家之一，同時也加劇了房地產(chǎn)市場競爭的激烈程度。而優(yōu)化房屋結(jié)構(gòu)設計，能增加企業(yè)效益，滿足居民需求。文章將通過粒子群優(yōu)化算法對房屋布局進行優(yōu)化。

關(guān)鍵詞：房屋結(jié)構(gòu)；設計優(yōu)化；粒子群優(yōu)化算法

隨著人們生活質(zhì)量的不斷提高，物質(zhì)生活的不斷豐富，人們對于住房的要求越來越高，這就會導致房屋建筑工程作業(yè)的難度不斷提高。相對應的，對房屋內(nèi)部的結(jié)構(gòu)設計工作提出了更精致的要求，因此為了滿足人們的要求，房屋建設行業(yè)必須對房屋結(jié)構(gòu)設計進行不斷的優(yōu)化改革，從而使房屋建設行業(yè)與人們達到雙贏的狀態(tài)也同時達到提高企業(yè)市場適應力與競爭力的目的。

1 房屋布局的優(yōu)化重要性

很多人會走入這樣的一個誤區(qū)，即房屋布局很簡單或者不值得重視。但是，合理的房屋布局不僅能給房屋帶來一定的舒適感，還能使房屋在類似房屋中脫穎而出，獲得較高流量和良好的房屋排名。房屋布局不僅僅要從用戶體驗上、房屋美觀上，還要從利于房屋格局優(yōu)化的角度去考慮，我們最需要注意的一件事情就是重要頁面的排版是有利于搜索引擎對我們的房屋內(nèi)部進行抓取以及索引的，這些重要的布局可以提升優(yōu)化的速度。房屋千篇一律的空間布局面，很難滿足客戶對室內(nèi)格局設計的多樣性與獨特性需求，這樣就激起了對房屋格局的創(chuàng)新和新鮮感的熱情。同樣的裝飾手法，同樣的材料選擇、燈光配置、以及軟包裝的搭配，在不同的房間布局中會產(chǎn)生不同的房屋效果。故而在現(xiàn)代社會中，房屋布局的優(yōu)化越來越有其存在的必要性。

2 房屋虛擬場景的構(gòu)建

2.1 視點變換

在虛擬現(xiàn)實建模語言（Virtual Reality Modeling Language，VRML）構(gòu)建的虛擬場景中的視點就是虛擬空間中提前預先定義的空間朝向和觀察位置，瀏覽者可以通過這個位置和朝向來觀察虛擬世界相應的場景。瀏覽者在對房屋進行瀏覽的時候，不僅要看房屋格局的整體，而且也要看房屋中一個家具的擺放位置，如果讓瀏覽者在瀏覽器中一點點走動調(diào)整視點，將會給瀏覽者帶來許多的不便，為了避免在低空探測系統(tǒng)（Low-Altitude Detection System，LADS）的虛擬世界中迷失方向，適當?shù)卦O置視點和觀察位置。例如在空間的設計中，應設置俯視圖、正視圖、側(cè)視圖以及全局視圖的視點，為了使瀏覽者在瀏覽的過程中快速地切換觀察方式，必要時可提供自動瀏覽的功能。在LADS系統(tǒng)的VRML虛擬世界中可以創(chuàng)建多個視點，供瀏覽者選擇。

2.2 虛擬場景導航

導航就是在VRML虛擬空間中使用一個三維的虛擬造型來作為用戶在虛擬空間中的替身并且用戶能夠使用這個替身在虛擬空間中行動，不但可以通過這個替身的視角和方向來觀察虛擬空間，還可以通過該替身去和虛擬設備進行交互操作。設置該視點要使用Viewpoint節(jié)點，這個節(jié)點確定了一個VRML空間坐標系中的觀察位置、觀察朝向以及視野范圍等參數(shù)，該節(jié)點既可看作獨立的節(jié)點，也可看作其他組節(jié)點中的一個節(jié)點。

2.3 虛擬現(xiàn)場聲音設定

為了模擬現(xiàn)實中的每一種聲音，VRML通過各種聲音節(jié)點將現(xiàn)實中的聲音文件引入虛擬的世界中，在VRML有效的聲音文件中有樂器數(shù)字接口（Musical Instrument Digital Interface，MIDI）文件、MPEG—1文件以及WAV文件。在VRML中添加聲音的節(jié)點是利用osund節(jié)點來指定聲音的播放形式，利用MovieTexeritt節(jié)點、AudoiClPi節(jié)點和MoveiTexture節(jié)點和sound節(jié)點創(chuàng)建聲源。Sound節(jié)點用的url域的作用不僅是引入一個外部的聲音文件，還要規(guī)定這個聲音文件在VRML世界的播放參數(shù)。為了使整個VRML世界更逼真，更具有真實感，需要先錄制一段使用家具時現(xiàn)場發(fā)出的聲音，然后按照動作過程把聲音進行剪裁處理、分段處理，最后通過與之相對應的聲音節(jié)點在VRML空間不同的場合添加適合的聲音。

3 粒子群優(yōu)化算法

通過對生物群體的研究和觀察發(fā)現(xiàn)，生物群體中個體間的合作和競爭等復雜性行為產(chǎn)生的群體智能，通常可以為某些特定的問題提供高效快捷的解決方案。Kennedy等受鳥群覓食行為的啟發(fā)，在1995年提出粒子群優(yōu)化算法。與進化算法相比，粒子群優(yōu)化算法保留了基于種群的全局搜索策略，但其所采用的速度-位移搜索模型操作簡單，避免了復雜的進化操作，在解決復雜非線性函數(shù)優(yōu)化和電壓穩(wěn)定控制等實際問題中取得了成功的應用?，F(xiàn)在我們也將其運用在房屋布局優(yōu)化上。

粒子群優(yōu)化算法采用以上公式進行單位迭代次數(shù)解的更新。

其中：a1和a2作為學習因子；p為慣性權(quán)重；rand（）為均勻分布在（0，1）之間的隨機數(shù)。式中的速度vi=（vi1，vi2，…，vid）決定粒子在解空間內(nèi)單位迭代次數(shù)的位移，它反映了粒子所代表的解xi=（xi1，xi2，…，xid）單位迭代次數(shù)的變化， 如上式所示。每一次迭代，粒子通過兩個極值更新其速度和位置。第一個極值是粒子從算法迭代初始到當前迭代搜索所生成的最優(yōu)解，即Ni（個體極值）；第二個極值是粒子所在鄰域內(nèi)的最優(yōu)解，即Mi（鄰域極值）。粒子在解空間內(nèi)不斷跟蹤個體極值和鄰域極值進行搜索， 直到滿足迭代停止條件，即達到規(guī)定的迭代次數(shù)或滿足規(guī)定的誤差標準。

粒子群優(yōu)化算法基本步驟如下：（1）首先隨機初始化粒子種群中所有粒子的速度和位置；（2）根據(jù)適應度函數(shù)對粒子種群進行評價；（3）更新粒子的個體極值；（4）更新粒子的鄰域極值；（5）根據(jù)式上式進行速度和位置的迭代；（6）重復步驟（2）—（5），直到滿足算法停止迭代的條件。

4 基于粒子群優(yōu)化算法的約束處理

布局優(yōu)化問題包含大量復雜的非線性約束，約束處理對于布局優(yōu)化解的質(zhì)量有決定性的影響。本文提出了適合基于種群的粒子群算法（Particle Swarm Optimization，PSO）優(yōu)化機理的約束處理方法，其主要特性包括：endprint

（1）在迭代過程中，用PF記錄當前粒子是否曾經(jīng)滿足所有約束條件，即粒子通過記憶保留的歷史約束狀態(tài)；（2）用PF并結(jié)合粒子當前約束狀態(tài)及帶懲罰項的目標函數(shù)更新粒子種群的個體和鄰域極值；（3）根據(jù)PF選擇粒子的速度更新策略。

4.1 基于粒子群優(yōu)化的約束處理步驟

（1）隨機初始化粒子種群，并令每個粒子的PF = false，初始種群為隨機產(chǎn)生。

（2）判斷當前粒子是否違反約束。若不違反，則計算初始目標函數(shù)，并將該粒子的PF設置為 true；否則計算含懲罰項的目標函數(shù)。

（3）根據(jù)粒子記錄的歷史約束狀態(tài)、目標函數(shù)以及當前約束狀態(tài)，更新粒子種群的鄰域極值和個體極值。具體過程如下：

If 當前粒子 PF = true Then

If 當前粒子優(yōu)于個體極值 piand 當前粒子滿足約束 Then

更新 Ni

If Ni優(yōu)于鄰域極值 Mi T hen

更新 Mi

END If

END If

Else If PF = false Then

If PF滿足所有約束條件 Then

更新 Ni

If 個體極值Ni優(yōu)于鄰域極值Mi Then

更新 Mi

END If

Else If 當前粒子值優(yōu)于 Ni值 Then

更新 Ni

END If

END If

對每一個粒子均作以上處理。

（4）如果當前粒子 PF = true，則采用原始速度和位置更新公式，否則令速度迭代公式中c1=0，其余不變，將該粒子盡快引入可行解空間。

5 結(jié)語

隨著社會科技的快速進步，人們生活質(zhì)量水平不斷提高，對于住房的要求不僅要滿足基本的生活需求，還要求房間的布局更為舒適?；诖?，本文主要通過粒子群優(yōu)化算法對房屋布局結(jié)構(gòu)進行優(yōu)化，希望可以通過優(yōu)化房屋結(jié)構(gòu)布局設計，降低開發(fā)成本，增加企業(yè)效益，同時為工程質(zhì)量奠定基礎。

[參考文獻]

[1]李寧，劉飛，孫德寶.基于帶變異算子粒子群優(yōu)化算法的約束布局優(yōu)化研究[J].計算機學報，2004（7）：897-903.

[2]周馳，高亮，高海兵.基于粒子群優(yōu)化算法的約束布局優(yōu)化[J].控制與決策，2005（1）：36-40.

[3]黃婉平.自適應粒子群優(yōu)化算法及其應用研究[D].杭州：浙江大學，2006.

[4]錢志勤，滕弘飛，孫治國.人機交互的遺傳算法及其在約束布局優(yōu)化中的應用[J].計算機學報，2001（5）：553-559.endprint