粒子群算法在参数化BIM模型优化中的应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 参数化设计概述 | 第8-9页 |
| 1.1.2 多目标优化问题 | 第9-11页 |
| 1.2 国内外研究动态 | 第11-15页 |
| 1.3 研究内容及意义 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究意义 | 第15-16页 |
| 1.4 研究方法与技术路线 | 第16-18页 |
| 1.4.1 研究方法 | 第16-17页 |
| 1.4.2 论文框架 | 第17-18页 |
| 第2章 智能优化算法及参数化BIM平台简介 | 第18-32页 |
| 2.1 相关优化算法简介 | 第18-25页 |
| 2.1.1 传统优化算法概述 | 第18-20页 |
| 2.1.2 智能优化算法概述 | 第20-23页 |
| 2.1.3 优化算法的比较 | 第23-25页 |
| 2.2 粒子群算法简介 | 第25-28页 |
| 2.3 参数化设计及BIM平台简介 | 第28-32页 |
| 第3章 粒子群算法代码开发与平台耦合 | 第32-58页 |
| 3.1 粒子群算法代码开发 | 第33-45页 |
| 3.1.1 粒子群算法求解器构架 | 第33-34页 |
| 3.1.2 程序编写 | 第34-39页 |
| 3.1.3 算法检验 | 第39-45页 |
| 3.2 代码封装 | 第45-50页 |
| 3.2.1 Objective类 | 第45-46页 |
| 3.2.2 Parameters类 | 第46-47页 |
| 3.2.3 Constraint类 | 第47-48页 |
| 3.2.4 NLConstraint类 | 第48-49页 |
| 3.2.5 Solver类 | 第49-50页 |
| 3.3 参数化设计平台耦合发布 | 第50-58页 |
| 3.3.2 Constraint小类 | 第51-52页 |
| 3.3.3 NLConstraint小类 | 第52-53页 |
| 3.3.4 Objective小类 | 第53-54页 |
| 3.3.5 Parameters小类 | 第54-55页 |
| 3.3.6 Solver小类 | 第55-58页 |
| 第4章 室内人工照明优化设计——以办公建筑为例 | 第58-76页 |
| 4.1 提出问题 | 第58-59页 |
| 4.2 建立优化模型 | 第59-64页 |
| 4.2.1 办公建筑建筑标准房间模型 | 第59-60页 |
| 4.2.2 决策变量 | 第60页 |
| 4.2.3 目标函数 | 第60-62页 |
| 4.2.4 约束条件 | 第62-63页 |
| 4.2.5 模型与程序 | 第63-64页 |
| 4.3 优化结果分析及对比 | 第64-75页 |
| 4.3.1 参数调整分析 | 第64-65页 |
| 4.3.2 进化过程分析 | 第65-67页 |
| 4.3.3 Pareto解集评价分析 | 第67-70页 |
| 4.3.4 优化结果对比分析 | 第70-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 总结与展望 | 第76-80页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 附录 | 第86-98页 |
| 科研情况说明 | 第98-100页 |
| 致谢 | 第100页 |
