深度强化学习支持下风环境性能驱动的设计研究与实践

作者：姚佳伟; 黄辰宇; 付斌; 纪尧姆·卡尼奥

来源：建筑学报, 2022, S1: 31-38.

• 室外风环境
• 街区形态
• 生成式设计
• 深度强化学习
• 生成对抗网络
• MADRL-GAN

基于多智能体深度强化学习算法与生成对抗网络，提出风环境性能驱动的计算性生成设计与交互式优化方法，并展开实践应用。实践结果表明：该方法可有效提高方案设计阶段风环境性能评估效率，增强性能导向的街区空间形态自适应调控能力，提升复杂设计场景下室外风环境优化潜能。

• 单位
  北方工业大学; 同济大学