《ADVANCED ENGINEERING INFORMATICS》：A human knowledge–driven generative AI design approach for architecture and structure integration
编辑推荐：
摘要本文提出了一种生成式人工智能设计方法，从一开始即将建筑设计目标与潜在的结构逻辑相结合。该方法将蕴含人类知识的参数与基于学习的交互式多目标优化相结合，以将建筑师的专长和偏好与结构性能集成。基于该方法，开发了一种持续且可解释的人机协同工作流，用于生成平衡的建筑-结构解决方案。
摘要
本文提出了一种生成式人工智能设计方法，从一开始即将建筑设计目标与潜在的结构逻辑相结合。该方法将蕴含人类知识的参数与基于学习的交互式多目标优化相结合，以将建筑师的专长和偏好与结构性能集成。基于该方法，开发了一种持续且可解释的人机协同工作流，用于生成平衡的建筑-结构解决方案。该工作流将设计知识编码为语义组织的参数，通过机器学习评分模型学习建筑师的评估，并将由此产生的主观目标纳入结构优化中。该方法在曲面板柱系统上进行验证，并进一步应用于不规则桁架系统。在曲面板柱案例中，与传统交互式多目标优化方法相比，代表性方案在保持可接受结构性能的同时，主观性能提高了32%，方案多样性增加了24%。在不规则桁架案例中，证明该工作流适用于另一种结构系统，从而证实了框架的跨类型可转移性和工作流的优越性。这些结果表明，所提出的工作流能够更持续、更精确地将人类知识融入交互式多目标优化中，从而生成更加平衡和多样的设计方案。
引言
建筑设计是一项全面而复杂的任务，需要广泛的专业知识、经验和创造力[1]，以平衡多个目标。这些目标可以是定量的，如结构可靠性、物理性能和建造成本；也可以是定性的，如功能、美感和城市融合度。后者在早期设计阶段通常被视为定性标准，因为其评估更多依赖于设计师的判断而非固定的量化指标[2]。传统建筑设计方法通常从主观确定空间布局出发，基于场地分析及设计要求建立形态模型。结构工程师随后从固定模式中选择合适的结构体系，再进行结构分析、优化和验证。这种顺序方法论往往抑制了设计创新，尤其是将结构逻辑与建筑拓扑相结合所带来的机遇。它还造成了早期设计意图与后续结构决策之间的不一致，导致阶段间冲突和频繁迭代修改（图1a）。此外，对于复杂建筑项目，设计参数的迅速增加进一步放大了试错成本，降低了设计效率，并最终限制了设计多样性和质量。
在概念阶段整合结构与建筑设计以提升方案生成效率，已逐渐成为建筑师群体的共识，这也呼唤与之匹配的新设计程序[3]。通过集成化的自动化数字工作流（图1b），可以建立一种融合的生成式设计方法。在该工作流中，结构逻辑在设计要求和场地条件分析后立即引入。控制参数不再受预选结构模式的限制，同时结构目标与主观建筑目标相融合。这使得生成的方案能够在建筑功能、美学和结构性能之间实现更好的平衡。
该设计过程本质上涉及求解多目标问题，其中改善一个目标可能会削弱另一个目标。然而，传统多目标优化（MOO）方法仍存在局限，因为许多建筑目标（如空间质量和美学）难以直接量化[4]。现有交互式优化方法通过在设计搜索过程中引入设计师偏好，部分解决了这一问题。然而，这些偏好通常仅以间歇性方式从优化循环之外纳入，难以持续且稳健地引导搜索过程，尤其是在复杂参数化设计问题中[5]。
随着人工智能（AI）的发展，主观目标和客观目标可以在建筑-结构生成式设计中更紧密地集成。然而，现有方法在现实设计语境下整合建筑因素时仍面临困难，因为需要同时考虑功能适用性、空间质量、环境响应、视觉感知和结构性能。因此，本文提出了一种基于人类知识驱动、基于学习的交互式多目标优化方法，用于解决复杂建筑设计问题。在该方法中，项目特定的主观评估由机器学习模型学习，并在优化过程中与结构性能仿真集成。借助具有可解释几何意义的结构化参数表示，所提出的方法旨在提高设计多样性，并支持建筑功能、美学、环境响应和结构性能之间更加精确和全面的平衡。
本文结构如下：首先，回顾了参数化和性能驱动的建筑生成式设计文献，随后介绍了用于整合结构与建筑设计的交互式多目标优化（IMO）方法，以及机器学习在建筑设计优化中的最新应用。接着，提出了五步人类知识驱动框架及其组件模型。然后根据所提出的方法学框架，通过两类案例研究进行验证。最后，本文以结果和讨论作为结论，包括主要发现、局限性和未来研究方向。
章节片段
参数化和性能驱动的建筑生成式设计
建筑生成式设计通常基于参数化定义，该定义指定设计变量并生成一组备选方案[6]、[7]、[8]。作为设计生成的形式基础，参数化表示不仅产生备选方案，还通过优化结构化待探索的设计空间。优化作为一种参数化搜索过程，识别在给定约束下满足指定目标函数的解决方案，长期以来已被广泛应用于
方法学
如前所述，在传统建筑设计中，建筑师根据客户需求和场地条件建立建筑物的整体设计框架，主要依赖主观判断和决策。这包括功能方面，如平面布局、交通流线、入口，以及美学方面，如尺度、可视化呈现和环境背景。基于该框架和所选结构体系，传统优化
设计原型
巴林珍珠路停车场及其历史场地条件（图5a和b）被选为新提出方法验证的原型。该建筑最初由Christian Kerez设计，主要作为停车设施，同时也是容纳祈祷、活动和集市的多功能公共空间。原始设计依赖曲面楼板在不同楼层之间创造连续过渡，提供不断变化的空间
曲面板柱系统案例结果
验证工作在搭载Intel Core i9-12900H处理器（14核，2.50 GHz）、32 GB内存和NVIDIA GeForce RTX 3070 Ti笔记本GPU的Windows 11系统上进行，以评估所提出方法在自动化设计生成方面的效率。
跨类型可转移性验证：不规则桁架系统的应用
为进一步检验所提出框架的可转移性，在不规则桁架结构上进行了额外验证。与上述板柱系统不同，该案例涉及不同的结构逻辑、几何组织、客观性能标准和主观评分标准。因此，它提供了补充性测试，以检验所提出的人类知识驱动生成式设计框架能否适应另一种建筑-结构
讨论与结论
本文介绍了一种用于建筑与结构整合的生成式人工智能设计框架。使用该框架，可以将所有系统化的复杂建筑设计因素与结构优化全过程相结合，这接近实际建筑设计场景，因此有望在真实设计实践中实现结构与建筑的深度整合。该生成式设计方法整合了四个核心模型：(1)
利益冲突声明
作者声明不存在已知的财务利益冲突或个人关系可能影响本文报告的工作。
致谢
本研究未获得公共、商业或非营利领域资助机构的任何专项资助。
邓景峰 | 戴航
