期刊：《Building and Environment》\nTitle：Prediction and optimization of daylight performance of Al-generated residential floor plans\n \n【摘要】\n本研究针对AI生成住宅设计中性能评估滞后的问题，提出了一种融合扩散模型与生成对抗网络（GAN）的闭环工作流。通过构建智能平面图生成器与日光性能评估模型的协同框架，实现了从自动化方案创作到即时环境性能反馈的整合。实验表明，该系统能高效产出兼具美学与高采光性能的居住空间布局方案。\n \n【引言】\n住宅平面设计需在空间形式与物理性能间取得平衡，其中自然采光对居住舒适度与节能至关重要。现有AI生成设计多聚焦形态创新，缺乏对光环境等性能指标的同步优化。本研究深入探讨扩散模型与GAN的协同机制，建立生成-评估-筛选的自动化设计闭环。\n \n【核心技术框架】\n1. 智能平面生成模块基于扩散模型构建方案生成器，通过隐空间特征解耦与重组，输出多样化的住宅平面布局方案。该模块突破传统参数化设计的约束，在门厅流线组织、房间功能分区等方面展现创造性表达能力。\n2. 采光性能预测模块创新性地采用条件式GAN架构构建评估模型。通过输入平面几何数据、窗墙比及方位参数，模型直接输出动态日光自主度、眩光概率等关键指标。相比传统光线模拟软件，评估速度提升2个数量级，精度误差控制在8%以内。\n3. 性能驱动优化机制建立多层级筛选策略：首轮基于sDA>55%的阈值进行方案粗选；次轮采用非支配排序（NSGA-II）对采光均匀度、有效日照时长等指标进行多目标优化；最终输出Pareto最优解集，确保方案在采光性能与空间品质上的均衡性。\n \n【创新价值与实践意义】\n本研究核心突破在于：\n1. 构建生成-评估一体化架构，解决AI设计中形式与性能脱节问题\n2. 开发轻量化性能预测代理模型，将采光评估耗时从小时级压缩至秒级\n3. 建立性能阈值引导的进化筛选机制，实现设计方案的定向优化\n实验显示，系统生成方案中达标方案占比达78%，较基线模型提升41%，验证了闭环优化机制的有效性。\n#人工智能 #AI #建筑设计 #平面图 #生成 #SCI #顶刊 #学术论文
