朱姝妍，馬辰龍，向 科

引言

2020年伊始，由諾曼·福斯特及其團(tuán)隊(duì)(Foster +Partners)設(shè)計(jì)的上海阿里巴巴集團(tuán)總部大樓[1]的中標(biāo)方案吸引了眾多建筑師的關(guān)注，究其原因并非只是出于對(duì)設(shè)計(jì)方案本身的褒獎(jiǎng)，更重要的是關(guān)注到其設(shè)計(jì)理念中明確強(qiáng)調(diào)了“遺傳算法”這一方法。

“遺傳算法”（Genetic Algorithm，GA）對(duì)于學(xué)術(shù)界來說并不陌生，但在建筑設(shè)計(jì)實(shí)踐中，特別是投標(biāo)方案中，以此作為設(shè)計(jì)理念并最終中標(biāo)的項(xiàng)目則非常少見。這也印證了技術(shù)進(jìn)步在建筑界產(chǎn)生的越來越大的影響，近半個(gè)世紀(jì)以來，計(jì)算機(jī)輔助下的建筑設(shè)計(jì)實(shí)踐發(fā)生了日新月異的發(fā)展和變革：建筑實(shí)踐在20世紀(jì)80年代開始從手繪工具制圖轉(zhuǎn)變?yōu)橛?jì)算機(jī)2D制圖，90年代開始進(jìn)一步的3D建模時(shí)代，再到21世紀(jì)初逐漸興起的建筑信息模型（BIM）技術(shù)，而近年來人工智能、優(yōu)化算法則成為建筑學(xué)界相關(guān)研究的熱門（圖1 ）[2]。這5個(gè)時(shí)代分別反映了設(shè)計(jì)師不同階段關(guān)注點(diǎn)和思考維度的變化，它們?cè)趯?shí)踐中并不是相互獨(dú)立、連續(xù)發(fā)展的，大多時(shí)候是重疊存在的。

1 優(yōu)化算法及其設(shè)計(jì)平臺(tái)

算法是一種用于在有限步驟中解決問題的計(jì)算過程。它包括推導(dǎo)、歸納、抽象、概括和結(jié)構(gòu)化邏輯等方法；也是系統(tǒng)地提出符合邏輯的原則，進(jìn)而發(fā)展出一個(gè)方案，可以普適性地解決問題的過程。算法的策略在于它可以搜索重復(fù)模式、通用原則、可互換模塊和歸納鏈接等，而算法的優(yōu)勢還在于它推斷新知識(shí)的能力和擴(kuò)展人類智力極限的能力[3]。對(duì)于結(jié)果未知、模糊或不確定的命題,算法可以成為尋求潛在解決方案的最佳選擇。算法可以解決的問題包含P 問題 (Polynomial Problem) 和 NP1）問題，NP問題的運(yùn)算過程不確定，無法通過數(shù)學(xué)等式嚴(yán)格定義，“解空間”龐大，而建筑學(xué)學(xué)科中需要解決的大多數(shù)問題都是NP問題[4]，優(yōu)化算法則成為解決這些NP問題的最佳途徑。工程實(shí)踐界中應(yīng)用的優(yōu)化算法一般指代“元啟發(fā)式算法”，即以生物進(jìn)化、群體智能、免疫機(jī)制等自然界的隨機(jī)過程為啟發(fā)，以創(chuàng)建能夠逃避局部最優(yōu)解，并能夠可靠地搜索解決方案空間的過程[5]。

1.1 優(yōu)化算法的歷史及發(fā)展

算法自古始終伴隨著數(shù)學(xué)及物理學(xué)等學(xué)科的發(fā)展，而算法與機(jī)器交互的歷史可以追溯到20世紀(jì)50年代計(jì)算機(jī)學(xué)科的建立。隨著計(jì)算機(jī)運(yùn)算能力的提升以及工程界對(duì)性能的更高追求，各類優(yōu)化算法不斷涌現(xiàn)和進(jìn)一步發(fā)展完善，并從計(jì)算機(jī)實(shí)驗(yàn)室廣泛散播到各個(gè)工程實(shí)踐領(lǐng)域。

工程界較有名的優(yōu)化算法有遺傳算法（GA）、粒子群優(yōu)化算法(PSO)，模擬退火法(SA)，免疫算法（IA），廣義模式搜索法(GPS)，坐標(biāo)搜索法，胡克-吉夫斯(HJ)算法等。這些算法被運(yùn)用于解決工程實(shí)踐中的設(shè)計(jì)參數(shù)尋優(yōu)中，將優(yōu)化算法同一部分物理模擬過程相耦合則產(chǎn)生了混合算法（Hybrid Method），在建筑能源領(lǐng)域運(yùn)用較廣[6,7]。大多數(shù)優(yōu)化算法來源于對(duì)某種自然現(xiàn)象或物理過程的數(shù)學(xué)描述，依賴這種數(shù)學(xué)描述來在龐大的“解空間”中尋找較優(yōu)的性能結(jié)果。也正因?yàn)榇?，針?duì)不同領(lǐng)域的工程優(yōu)化問題，各類算法均存在不同的特征表現(xiàn)，實(shí)際上并不存在針對(duì)所有優(yōu)化問題都具有較高性能的優(yōu)化算法。Christoph Waibel等學(xué)者針對(duì)建筑能耗相關(guān)優(yōu)化問題，將不同優(yōu)化算法進(jìn)行了搜索速度和魯棒性的對(duì)比驗(yàn)證，發(fā)現(xiàn)對(duì)不同優(yōu)化算法的超參數(shù)設(shè)置將大大影響優(yōu)化收斂速度；不考慮預(yù)測速度的前提下，遺傳算法和粒子群優(yōu)化算法在不同優(yōu)化問題中總能較為穩(wěn)定地獲取較優(yōu)結(jié)果[8]。

前文提到的遺傳算法（GA）由密歇根大學(xué)的約翰·霍蘭德（John Holland）及他的同伴在20世紀(jì)60年代提出[9]，它是受到達(dá)爾文的進(jìn)化論啟發(fā)，基于遺傳原理和自然選擇的優(yōu)化計(jì)算方法，相較于其他優(yōu)化算法，遺傳算法的物理解釋更為直觀易懂，并由于大量成熟的算法工具的開發(fā)而在工程界得到大量運(yùn)用。遺傳算法適用于非線性、不連續(xù)的問題并對(duì)之建立優(yōu)化，且具有這樣幾個(gè)特征：采用隨機(jī)運(yùn)算符；處理大參數(shù)空間；開源性；可以同時(shí)處理離散參數(shù)和連續(xù)參數(shù)；利用帕累托前沿實(shí)現(xiàn)多目標(biāo)優(yōu)化等等[10]。

1.2 優(yōu)化算法與建筑設(shè)計(jì)

計(jì)算機(jī)與建筑設(shè)計(jì)的關(guān)系可以追溯到19世紀(jì)60年代和70年代，Nicholas Negroponte建立的計(jì)算機(jī)模型，突破了設(shè)計(jì)過程中的明確分工，并呼吁計(jì)算機(jī)和設(shè)計(jì)師之間建立更為親密的關(guān)系[11]。值得注意的是，在2D CAD、3D建模甚至BIM的初始階段，計(jì)算機(jī)大多是對(duì)繪圖和圖紙本身工作的輔助，對(duì)設(shè)計(jì)本身的優(yōu)化參與較少[12]。直到2003年，Generative Components 軟件[13]以及2007年的Grasshopper參數(shù)化軟件的出現(xiàn)，才使得參數(shù)設(shè)計(jì)（Parametric Design）及算法設(shè)計(jì)（Algorithmic Design）真正的被接受和推廣，后者也因此成為最為普及適用的建筑參數(shù)化設(shè)計(jì)工具[14]。

值得一提的是，“參數(shù)化”和“算法”經(jīng)常會(huì)被混為一談，甚至認(rèn)為二者是同樣概念甚至是包含關(guān)系。然而事實(shí)上，“參數(shù)”、“算法”、“結(jié)果”三項(xiàng)均是建筑參數(shù)模型的重要組成部分[15]，而“算法”本身闡述了從“參數(shù)”到“結(jié)果”的計(jì)算方法和生成邏輯。同時(shí)，“生成式設(shè)計(jì)”（Generative Design）的概念又和上述兩個(gè)設(shè)計(jì)概念屬于“一體兩面”，前二者強(qiáng)調(diào)數(shù)據(jù)和方法，生成式設(shè)計(jì)強(qiáng)調(diào)過程和結(jié)果，克里斯蒂諾·索杜展開的生成設(shè)計(jì)探索促發(fā)建筑設(shè)計(jì)從“結(jié)果導(dǎo)向”向“過程導(dǎo)向”演化[16]。

進(jìn)入21世紀(jì)，建筑師所面對(duì)的信息數(shù)量翻倍，復(fù)雜程度日益突出，而諸如遺傳算法（GA）等優(yōu)化算法既可以作為一個(gè)形式生成工具，也可以成為設(shè)計(jì)優(yōu)化工具，提供有效的手段來解決造型、結(jié)構(gòu)、性能、表皮等設(shè)計(jì)問題。近年來，優(yōu)化算法在建筑工程實(shí)踐中的應(yīng)用主要集中在能耗、結(jié)構(gòu)、采光等相關(guān)方面，通過模擬迭代獲取建筑的最優(yōu)性能。學(xué)術(shù)界最新的研究集中于針對(duì)建筑結(jié)構(gòu)性能的優(yōu)化[17-20]、針對(duì)建筑能耗及全生命周期運(yùn)營成本的優(yōu)化[21-24]、對(duì)建筑采光效能的優(yōu)化研究[25]、綜合了能耗與采光優(yōu)化的研究[26,27]，綜合能耗、采光、結(jié)構(gòu)成本的多目標(biāo)優(yōu)化[28]等。Berk Ekici等學(xué)者的一項(xiàng)最新綜述研究[29]較為全面地總結(jié)了遺傳算法和粒子群優(yōu)化算法兩種代表性優(yōu)化算法在建筑性能優(yōu)化領(lǐng)域的文獻(xiàn)。值得注意的是，這篇文章也反映了在建筑性能優(yōu)化領(lǐng)域，粒子群優(yōu)化算法、遺傳算法的大量變體應(yīng)用最為廣泛。但正如學(xué)者Thomas Wortmann所述，不同優(yōu)化算法的應(yīng)用廣泛程度并不直接反映其性能優(yōu)劣，而更受研究者的使用習(xí)慣、不同算法引入設(shè)計(jì)平臺(tái)的難易程度限制[30]。

圖1 計(jì)算機(jī)輔助建筑設(shè)計(jì)的歷史：五個(gè)時(shí)代

圖2 某辦公樓設(shè)計(jì)的多目標(biāo)性能優(yōu)化算法模型

表1 基于算法的設(shè)計(jì)平臺(tái)（Grasshopper & Dynamo）及其對(duì)應(yīng)插件

建筑各項(xiàng)性能在設(shè)計(jì)過程中并不是單純此消彼長的關(guān)系，單一元素的最優(yōu)解并不能導(dǎo)出全局最優(yōu)的方案。例如（圖2），丹麥技術(shù)大學(xué)學(xué)者在對(duì)BIG事務(wù)所某辦公樓立面開窗設(shè)計(jì)的分析中，利用了遺傳算法中的SPEA2算法進(jìn)行優(yōu)化，最終得到了鋸齒形窗戶在不同熱工屬性設(shè)置下所對(duì)應(yīng)的建筑性能參數(shù)，如：能耗、采光系數(shù)、成本等的最優(yōu)解及全局非支配最優(yōu)解，以供設(shè)計(jì)師調(diào)整和優(yōu)化開窗設(shè)計(jì)[31]。該案例所建立的算法模型可以滿足當(dāng)?shù)氐墓?jié)能設(shè)計(jì)標(biāo)準(zhǔn)，具有較高的精準(zhǔn)度和較快的計(jì)算速度，為設(shè)計(jì)前期決策的時(shí)效性提供了便捷條件。

1.3 基于優(yōu)化算法的生成設(shè)計(jì)平臺(tái)

優(yōu)化算法在建筑設(shè)計(jì)中的應(yīng)用及推廣是緊密伴隨著建模軟件中的“參數(shù)化”設(shè)計(jì)平臺(tái)的出現(xiàn)而普及的。其中，以 Robert McNeel & Associates公司開發(fā)的基于Rhino軟件的Grasshopper平臺(tái)和Autodesk公司開發(fā)的基于Revit軟件的Dynamo平臺(tái)最為出名。在不同設(shè)計(jì)平臺(tái)下，各類優(yōu)化算法可借助內(nèi)置插件或利用外部接口介入建筑設(shè)計(jì)流程。借助不同算法工具，可以迭代計(jì)算得到單目標(biāo)或多目標(biāo)條件下的最優(yōu)解，從而為建筑師的設(shè)計(jì)思考和創(chuàng)作方式提供技術(shù)支持，創(chuàng)造出更多的可能性。

借助內(nèi)置插件的實(shí)現(xiàn)方式：Grasshopper中的Octopus插件基于蘇黎世聯(lián)邦理工大學(xué)（ETH）的SPEA2和HypE算法，適用于單目標(biāo)或多目標(biāo)優(yōu)化 任 務(wù)； 除 此 之 外 還 有 Wallacei[32]、Optimus[33]、Silvereye[34]、Opossum[35]、Goat[36]、NELDER-MEAD OPTIMISATION[37]等各類插件。而在Dynamo平臺(tái)下則有Evo[38]插件和美國德州農(nóng)工大學(xué)團(tuán)隊(duì)開發(fā)的優(yōu)化算法工具Optimo[39]插件。相對(duì)于Grasshopper來說，Dynamo平臺(tái)內(nèi)的優(yōu)化插件較少，多需要設(shè)計(jì)師利用其內(nèi)置編程接口鏈接外部優(yōu)化程序。

利用外部接口的實(shí)現(xiàn)方式：Grasshopper和Dynamo均內(nèi)置了Python/C#編程接口，借助于MATLAB API可以將設(shè)計(jì)平臺(tái)內(nèi)的數(shù)值參數(shù)實(shí)時(shí)導(dǎo)入MATLAB，利用編程語言引入各類優(yōu)化算法；而modeFRONTIER則是一個(gè)專業(yè)的性能優(yōu)化工具，借助于modeFRONTIER API的數(shù)據(jù)轉(zhuǎn)換，作為流程控制核心，調(diào)用各類型的單目標(biāo)與多目標(biāo)優(yōu)化算法來進(jìn)行性能優(yōu)化及其可視化。Thomas Wortmann編寫了開源插件FrOG，其可作為接口靈活接入其他自定義優(yōu)化算法，不過這仍需設(shè)計(jì)師具有熟練的C#編程背景。

表1 列出了基于兩種介入方式的優(yōu)化算法生成設(shè)計(jì)平臺(tái)，以及各類優(yōu)化算法鏈接到建筑設(shè)計(jì)中所使用的插件并對(duì)其進(jìn)行了說明。

2 基于優(yōu)化算法的生成設(shè)計(jì)實(shí)踐

2.1 福斯特團(tuán)隊(duì)及阿里巴巴總部

諾曼·福斯特建筑事務(wù)所是世界上最著名的建筑事務(wù)所之一，成立于1967年。諾曼·福斯特作為高技派的代表人物之一，從20世紀(jì) 70 年代便開創(chuàng)了“可持續(xù)”的設(shè)計(jì)方法，將綠色、節(jié)能作為“可持續(xù)”設(shè)計(jì)的重點(diǎn)，從建筑的環(huán)境友好與節(jié)能技術(shù)等來考慮方案[40]。此外，還積極組織建立研發(fā)團(tuán)隊(duì)，利用計(jì)算機(jī)數(shù)據(jù)分析等技術(shù)手段全面介入設(shè)計(jì)的整個(gè)過程，從而使設(shè)計(jì)在可控的技術(shù)方面做到極致。

2.1.1 SMG團(tuán)隊(duì)

福斯特事務(wù)所的SMG(The Specialist Modelling Group)團(tuán)隊(duì)由休·懷特海德（Hugh Whitehead）于1997年創(chuàng)立，致力于在實(shí)際項(xiàng)目中通過計(jì)算機(jī)輔助來找到更節(jié)能的建筑形式[41]。團(tuán)隊(duì)是由若干位擅長數(shù)字技術(shù)的建筑師組成，陸續(xù)加入了數(shù)學(xué)、工業(yè)設(shè)計(jì)、機(jī)械工程、物理計(jì)算、制造和聲學(xué)等領(lǐng)域的專家，使團(tuán)隊(duì)不斷壯大。在之后的十年里，SMG發(fā)展側(cè)重于兩部分的內(nèi)容：其一是處理運(yùn)算、幾何和建造等相關(guān)問題，其二是環(huán)境分析和模擬計(jì)算[42]。他們?cè)跀?shù)以百計(jì)的項(xiàng)目實(shí)踐中運(yùn)用各種算法進(jìn)行設(shè)計(jì)優(yōu)化及生成設(shè)計(jì)，倫敦市政廳、瑞士再保險(xiǎn)公司總部大樓、北京首都國際機(jī)場3號(hào)航站樓等均是其中的代表作品。

2.1.2 阿里巴巴總部設(shè)計(jì)

正是由于諸如SMG在內(nèi)的專業(yè)團(tuán)隊(duì)的不斷發(fā)展，以及長達(dá)五十多年的實(shí)踐經(jīng)驗(yàn)和技術(shù)積累，使得福斯特事務(wù)所對(duì)于參數(shù)、算法及其相關(guān)設(shè)計(jì)方法有足夠的把握，在上海阿里巴巴總部設(shè)計(jì)競賽中（圖3），強(qiáng)調(diào)了方案采用獨(dú)特的建筑形式并以創(chuàng)新設(shè)計(jì)過程為指導(dǎo)，使用遺傳算法得到最優(yōu)方案。

該項(xiàng)目方案對(duì)于算法生成設(shè)計(jì)的運(yùn)用主要集中在以下四個(gè)方面[1，43]

（1）采用模塊化的單元組合和建造方式，利用“遺傳算法”對(duì)模塊進(jìn)行優(yōu)化設(shè)計(jì)后形成“像素化”的體塊關(guān)系。之后，模塊在場外進(jìn)行批量生產(chǎn)以減少浪費(fèi)，確保施工的質(zhì)量和效率。

（2）利用算法使得設(shè)計(jì)對(duì)環(huán)境條件具有高度的應(yīng)對(duì)能力，如在中央開放的公共空間部分為使用者提供全年最佳的舒適度，保證其免受冬季冷風(fēng)滲透和夏季太陽暴曬的影響。

（3）通過計(jì)算，對(duì)于室內(nèi)外的相互滲透，建筑單元獲得最大化的外部景觀視野等有很大幫助。本方案的一大特點(diǎn)就是期望提高建筑的透明性，使公眾可以了解阿里巴巴的世界，而員工可以更多地看到建筑周邊的外灘美景。

（4）針對(duì)不同區(qū)域的功能要求進(jìn)行優(yōu)化，得到最合適的布局形式。如：為阿里巴巴各個(gè)部門提供量身定制的工作區(qū)設(shè)計(jì)，將家具擺放與自然光線引入等綜合考慮，幫助提供使用者的工作效率。

2.2 MaRS Office

該項(xiàng)目是歐特克（Autodesk）公司在加拿大多倫多市新建的一棟3層的總面積約5600m2左右的辦公樓建筑，項(xiàng)目的設(shè)計(jì)愿景是創(chuàng)建一個(gè)動(dòng)態(tài)的且功能強(qiáng)大的創(chuàng)新型辦公空間。

在進(jìn)行三層的內(nèi)部平面布局設(shè)計(jì)（主要包括會(huì)議、社交、特色空間、設(shè)備等功能）時(shí)，設(shè)計(jì)團(tuán)隊(duì)首先收集了通常會(huì)被忽視的250多名辦公人員真實(shí)的使用需求，并提出下述6個(gè)不同的目標(biāo)參數(shù)用于辦公空間的算法生成及評(píng)價(jià)[44]，包括：

參數(shù)1.空間偏好，從每個(gè)員工到他們喜歡的交往空間和相關(guān)設(shè)施的距離；

參數(shù)2.工作風(fēng)格，用來衡量工作區(qū)域的光線或視覺元素是否符合使用者的喜好；

參數(shù)3.活躍度，根據(jù)房間平面幾何特征得到潛在高度活躍的區(qū)域（Buzz[45]）；

參數(shù)4.生產(chǎn)力，根據(jù)最大化減少視線和噪聲干擾來控制辦公桌的密度；

參數(shù)5.采光，全年自然采光時(shí)段的總數(shù)；

參數(shù)6.外部視野，在辦公桌、通道等工作空間可以一覽無余看到室外的窗戶比例。

2.2.1 模型生成

基于均質(zhì)的辦公空間平面，對(duì)方案進(jìn)一步的生成邏輯進(jìn)行了限定。首先基于設(shè)計(jì)平面圖建立平面輪廓和標(biāo)準(zhǔn)柱網(wǎng)；劃分出需要做出優(yōu)化的區(qū)域，建立7個(gè)不同工作團(tuán)隊(duì)所在區(qū)域的軸線、邊界、捕捉點(diǎn)等，捕捉點(diǎn)的改變可以自動(dòng)引發(fā)邊界的變化；每個(gè)區(qū)域的其中一條邊自動(dòng)生成會(huì)議室單元，其他區(qū)域則自動(dòng)布置員工工作臺(tái)。（#3251）所對(duì)應(yīng)生成的平面圖，主要分為了四種功能屬性空間：基本辦公（藍(lán)色）、團(tuán)隊(duì)會(huì)議（綠色）、設(shè)備器材（紅色）、配套服務(wù)（橙色），滿足了辦公空間使用者基本的使用需求和個(gè)人偏好。

圖3 上海阿里巴巴總部設(shè)計(jì)競賽效果圖

2.2.5 小結(jié)

本項(xiàng)目完整的設(shè)計(jì)流程體現(xiàn)了基于算法的生成式設(shè)計(jì)具備以下幾個(gè)優(yōu)勢：首先，真正地實(shí)現(xiàn)了“人機(jī)協(xié)同”設(shè)計(jì)；其次，與傳統(tǒng)設(shè)計(jì)方式相比，可以建立目標(biāo)、約束條件和幾何體系等來不斷進(jìn)化得到方案，而不是直接設(shè)計(jì)出一個(gè)最終的形式；第三，可以遍歷成千上萬種選擇，最終得到針對(duì)于前期制定的不同目標(biāo)參數(shù)的最優(yōu)解；第四，可以實(shí)現(xiàn)數(shù)據(jù)交換，為更多新奇的設(shè)計(jì)創(chuàng)造可能性；第五，算法和進(jìn)化的過程可以實(shí)現(xiàn)循環(huán)利用，為以后的項(xiàng)目策劃和設(shè)計(jì)方案提供參考和借鑒。

2.3 其他相關(guān)項(xiàng)目

近些年，其他的涉及到優(yōu)化算法驅(qū)動(dòng)下的生成設(shè)計(jì)實(shí)踐主要可以分為以下五大類，主要是按照使用時(shí)所針對(duì)建筑不同的優(yōu)化目標(biāo)而區(qū)分的，如表2所示。捕捉點(diǎn)、邊界的不同組合方式對(duì)應(yīng)生成了各種各樣的方案供設(shè)計(jì)師選擇，如圖4所示。

2.2.2 參數(shù)評(píng)價(jià)

基本的模型生成系統(tǒng)建立之后，設(shè)計(jì)團(tuán)隊(duì)選用了多目標(biāo)遺傳算法（MOGA），計(jì)算在不同方案的輸入值和與之對(duì)應(yīng)變化的6個(gè)參數(shù)目標(biāo)值時(shí)得到的評(píng)價(jià)結(jié)果，并獲得實(shí)時(shí)的設(shè)計(jì)平面反饋，如圖5所示。

2.2.3 方案進(jìn)化

本方案設(shè)計(jì)遺傳算法的交叉率為95%，突變率為0.2%，進(jìn)行了每一代100個(gè)，總共進(jìn)化100代的進(jìn)化迭代，對(duì)生成的10000個(gè)設(shè)計(jì)進(jìn)行取樣[44]。圖6反映了整個(gè)進(jìn)化的過程，其中每個(gè)點(diǎn)代表一個(gè)設(shè)計(jì)方案，每一列代表一代的方案，不同顏色代表不同參數(shù)特性，橫軸反映了進(jìn)化的代數(shù)，各點(diǎn)之間連接的細(xì)密黑線說明設(shè)計(jì)被直接帶入下一代。

2.2.4 數(shù)據(jù)分析

方案進(jìn)化過程完成后，對(duì)不同設(shè)計(jì)方案的各項(xiàng)性能進(jìn)行數(shù)據(jù)分析和篩選，利用多目標(biāo)遺傳算法（MOGA）可以得到滿足各性能的帕累托最優(yōu)解集，進(jìn)一步縮小了設(shè)計(jì)范圍。如圖7所示，最終選擇了編號(hào)為#3251的設(shè)計(jì)方案，該方案在6個(gè)參數(shù)綜合評(píng)價(jià)（雷達(dá)圖）中明顯占優(yōu)，且各項(xiàng)參數(shù)的得分比較平均。

圖8 為經(jīng)過完整的優(yōu)化計(jì)算過程后最終得到的方案

3 優(yōu)化算法驅(qū)動(dòng)的生成設(shè)計(jì)實(shí)踐一般流程

圖4 生成后的模型平面以及各要素的示意圖

圖5 各評(píng)價(jià)參數(shù)所對(duì)應(yīng)的實(shí)時(shí)模擬分析圖

圖6 方案進(jìn)化中不同迭代次數(shù)的實(shí)時(shí)反饋圖

圖7 數(shù)據(jù)分析后的方案群組及選出的最優(yōu)方案

圖8 優(yōu)化計(jì)算后得到的對(duì)應(yīng)生成方案的平面圖

“優(yōu)化算法”概念與當(dāng)今的建筑學(xué)領(lǐng)域密切相關(guān)的，且已經(jīng)在建筑實(shí)踐中不斷地得到應(yīng)用和發(fā)展。通過以上相關(guān)概念研究及案例的解讀和分析，筆者針對(duì)優(yōu)化算法驅(qū)動(dòng)下的生成設(shè)計(jì)實(shí)踐進(jìn)行了總結(jié)，一個(gè)典型的優(yōu)化算法驅(qū)動(dòng)下的建筑設(shè)計(jì)實(shí)踐流程主要包括以下幾個(gè)環(huán)節(jié)：設(shè)計(jì)、計(jì)算平臺(tái)的選取；所處的建筑實(shí)踐階段不同優(yōu)化目標(biāo)的確定、算法優(yōu)化的迭代過程，最終導(dǎo)向一個(gè)優(yōu)化后的方案，如圖9所示。

其中設(shè)計(jì)、計(jì)算平臺(tái)的選取主要基于目前建筑實(shí)踐中常用的Revit和Rhino平臺(tái)（參考1.3節(jié)）；建筑實(shí)踐階段以及對(duì)應(yīng)優(yōu)化目標(biāo)選取可以參照表2中的案例，由設(shè)計(jì)師針對(duì)項(xiàng)目所要達(dá)到的優(yōu)化效果做出選擇；而算法優(yōu)化的迭代過程對(duì)應(yīng)的四個(gè)主要步驟，在前文的MaRS辦公樓（參考2.2節(jié)）進(jìn)行了詳細(xì)闡述；最終經(jīng)過一系列的篩選、進(jìn)化、分析、評(píng)價(jià)等過程，得到一個(gè)相對(duì)的最優(yōu)解，也就是設(shè)計(jì)師所期望得到的優(yōu)化方案。

圖9 優(yōu)化算法驅(qū)動(dòng)的生成設(shè)計(jì)實(shí)踐一般流程

表2 基于不同優(yōu)化目標(biāo)的算法驅(qū)動(dòng)生成設(shè)計(jì)實(shí)踐統(tǒng)計(jì)表

結(jié)語與展望

技術(shù)的發(fā)展終將引起行業(yè)的變革，“數(shù)字化”、“綠色化”、“工業(yè)化”、“信息化”、“智能化”等等建筑實(shí)踐中的新興語匯無不與計(jì)算機(jī)軟件的更新和發(fā)展息息相關(guān)。21世紀(jì)的建筑師們除了要關(guān)注建筑本身的造型和空間等元素外，對(duì)于其內(nèi)在性能和外在影響的回應(yīng)也應(yīng)該作為設(shè)計(jì)的重中之重，而“優(yōu)化算法”或多或少地為建筑師們提供了這樣一種途徑和方法，可以運(yùn)用相對(duì)科學(xué)的方法獲取建筑更全面的信息。

毋庸置疑的是，將優(yōu)化算法大面積推廣于設(shè)計(jì)實(shí)踐各個(gè)步驟是有極大難度的，但是可以看到它們對(duì)于現(xiàn)階段設(shè)計(jì)中的某些環(huán)節(jié)以及未來全流程設(shè)計(jì)方法研究是有很大幫助的。隨著使用者生活方式的改變和對(duì)空間品質(zhì)的關(guān)注，建筑設(shè)計(jì)要滿足更復(fù)雜的功能需求和更創(chuàng)新的形式追求，從而使其設(shè)計(jì)的復(fù)雜性越來越增加。有了算法驅(qū)動(dòng)的生成式設(shè)計(jì)，建筑師可以利用計(jì)算來探索比現(xiàn)在更廣泛的解決問題的可能性。此外，算法在解決具體問題時(shí)沒有人為的直覺或看法，可以幫助建筑師擺脫傳統(tǒng)思考過程中的主觀意識(shí)，最終導(dǎo)向一個(gè)既滿足設(shè)計(jì)過程新穎又滿足結(jié)果具備高性能的設(shè)計(jì)方案。正如MaRS辦公樓項(xiàng)目團(tuán)隊(duì)技術(shù)負(fù)責(zé)大衛(wèi)·本杰明所說：在最好的情況下，整個(gè)基于算法的自動(dòng)化流程可以使設(shè)計(jì)決策更具包容性。計(jì)算可以輔助設(shè)計(jì)師更好地權(quán)衡取舍，并不是脫離主觀的判斷，而是讓他們可以不用依靠模糊的觀念來解釋為什么一種設(shè)計(jì)有效，而另一種無效[49]。

算法生成設(shè)計(jì)，并不意味著建筑設(shè)計(jì)師的作用將被取代，建筑師必須對(duì)相關(guān)的設(shè)計(jì)問題進(jìn)行概況和簡化，這些問題是需要與建筑師自身的設(shè)計(jì)思想和構(gòu)思理念相契合的。因而，如何實(shí)現(xiàn)設(shè)計(jì)方案與算法數(shù)據(jù)之間的轉(zhuǎn)譯，是否增加和減少有效評(píng)價(jià)或優(yōu)化參數(shù)，怎樣取舍和評(píng)判理性指標(biāo)和人文因素之間的矛盾等等，在實(shí)現(xiàn)設(shè)計(jì)師和優(yōu)化算法“人機(jī)交互”的過程中，建筑師的決策作用應(yīng)該是舉足輕重的，這也對(duì)設(shè)計(jì)師的綜合素養(yǎng)提出了更高要求，任重而道遠(yuǎn)[50]。

圖、表來源

圖1：作者根據(jù)參考文獻(xiàn)[2]繪制；

圖2：作者根據(jù)參考文獻(xiàn)[31]繪制；

圖3：Foster + Partners官網(wǎng)；

圖4～8:作者根據(jù)ARCHITECT網(wǎng)站項(xiàng)目視頻資料改繪；

圖9：作者繪制；

表1、表2：作者繪制，圖片來源網(wǎng)絡(luò)及參考文獻(xiàn)[46-48]。

注釋

1）NP：英文全稱是Non-deterministic Polynomially，即非確定性多項(xiàng)式，能在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證得出一個(gè)正確解的問題。P問題（polynominal）即為存在多項(xiàng)式時(shí)間算法的問題；NP問題代表不知道這個(gè)問題存不存在一個(gè)多項(xiàng)式時(shí)間的算法，所以叫非確定性，但是可以在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證并得出這個(gè)問題的一個(gè)正確解。