基于混合评估框架的厨房布局进化优化方法

《Scientific Reports》：Integrating domain knowledge and user requirements in kitchen layout optimization

　　布局设计数据源存在一种根本性的不对称：挑战在于同时处理结构化的、高质量的领域知识与任务相关的自然语言用户需求。为解决这一问题，我们提出了一种针对进化算法（EA）的混合评估框架，将约束违反量化为虚拟位移成本。本研究在四个具有任务特定用户需求和组件集合的厨房布局优化场景中对该框架进行了评估。通过将硬编码的领域规则与模糊逻辑驱动的抽象语法树（AST）相结合，该系统实现了一种灵活且可解释的评分机制。该方法允许对个体实施细粒度的惩罚体系，同时通过组件级别的诊断日志来引导局部搜索启发式方法。AST的实现略微降低了收敛成本，同时减少了算法的相对离散度。在该厨房布局基准测试中，进化算法的执行时间和累积惩罚得分均低于所选的大语言模型聊天应用程序。由于参与者样本数量少且人口统计学特征较为单一，这三份非专家人工生成的布局方案仅作为探索性参考纳入。