建筑设计多目标优化的研究热点与趋势分析.pdf

建筑经济CONSTRUCTION ECONOMY第 44 卷第 S1 期2023 年 7 月Vol.44 No.S1Jul.2023摘要：以中国知网（CNKI）和Web of Science（WOS）数据库中建筑多目标优化的相关文献为基础，运用CiteSpaces总结其研究历程与研究热点，讨论不同工况性能优化设计与工作流的研究进展。结果表明：建筑光热环境、能耗效率等单一物理场是研究热点，建筑全生命周期成本、建筑风环境、能耗模拟仿真有望成为今后研究的重点方向；多物理场耦合仍存在局限性，仿真引擎与设计软件结合、优化算法迭代是深化研究的主要挑战；设计优化与工程项目对接有待提升，这需要更准确规范的数据集、BIM框架以及能够支持各种建筑方案、尺寸、配置的系统；目前研究多集中于单体建筑性能提升，对城市设计中多尺度指标，如碳排放、生活体验、经济效益等要素，需要统筹考虑。关键词：建筑设计；多目标优化；文献计量；研究进展；CiteSpace中图分类号：TU201.5文献标识码：A文章编号：1002-851X（2023）S1-0271-08DOI：10.14181/ki.1002-851x.2023S1271Research on Hotspots and Trend Analysis of Multi-Objective Optimization of Architecture DesignZHANG Yirang，GAO Jialu，ZHANG Hongchi（Dalian University of Technology，Dalian 116024，China）Abstract：Based on the literature on multi-objective optimization of buildings in CNKI and Web Of Science（WOS）databases，this paper summarizes the research process and research hotspots of CiteSpace，and discusses the research progress of performance optimization design and workflow under different working conditions.The results show that：（1）Single physics such as building solar and thermal environment and energy efficiency are research hotspots，and building life cycle cost，building wind environment，and energy consumption simulation are expected to become the key directions of future research；（2）Multiphysics coupling still has limitations，and the combination of simulation engine and design software and optimization algorithm iteration are the main challenges for deepening research；（3）The connection between design optimization and engineering projects needs to be improved，which requires more accurate and standardized data sets，BIM frameworks，and systems that can support various architectural schemes，sizes，and configurations；（4）At present，most of the research focuses on the performance improvement of individual buildings，and multi-scale indicators in urban design，such as carbon emissions，living experience，economic benefits and other elements，need to be considered as a whole.Keywords：architectural design；multi-objective optimization；bibliometrics；research progress；CiteSpace全球气候变暖导致的一系列环境问题正深刻影响公共健康及生命安全，而快速城市化及过度能源消耗产生的温室气体使这一现象愈发严重。建筑物在整体能源使用以及环境品质方面发挥着重要作用，我国建筑全过程能耗占全国能源消费总量的46.5%，因此，建筑的节能减排已成为“双碳”目标和“健康中国2030战略”实现的重要前提。建筑设计有解决此问题的巨大潜力，在过去的二十年中，应用于建筑物能源效率的优化*基金项目：基于局地气候分区的城市热环境评估及规划机制研究（52108044）；校级大学生创新创业训练计划支持项目（20231014110287）作者简介：张艺壤，本科生，主要研究方向：建筑能耗与热舒适。张弘驰（通讯作者），讲师，主要研究方向：建筑能耗与热舒适。建筑设计多目标优化的研究热点与趋势分析*张艺壤，高嘉璐，张弘驰（大连理工大学，辽宁 大连 116024）建 筑 经 济2023年272研究可以高效辅助设计师选择最佳设计方案，但依然存在诸多目标约束与优化的问题。近年来，我国公共建筑与居住建筑逐渐从措施导向转变为性能导向，节能减排战略正从建筑运行阶段逐步扩展到建筑全过程，相关部门出台的一系列强制性规范对建筑性能的限定逐渐强化。在这一背景下，计算性思维对设计前端创造表达的影响逐渐加强，使得设计师能够在建筑设计前期通过人机协同，高效解决复杂工况下建筑性能优化问题。建筑设计多目标优化是基于人居环境科学思想与计算机科学，通过设定设计参数，控制自变量（建筑空间指标）并优化因变量，在多性能目标耦合的情况下展开建筑设计参数自动生成与自适应优化的过程。在建筑性能优化的工作流中，基于多目标优化的方法在决策阶段具备了更多的优势，即在建筑方案设计阶段，通过不同建筑方案的综合性能模拟，快速获取多个反馈结果从而得到最优解，加深建筑师对建筑形式与性能的认识，提高设计效率。传统建筑设计中，设计师一般通过成本、舒适度、能耗等限制条件，通过经验性的设计手法达到“综合性能最优”的设计方案，但在达到多个条件最优时，由于目标间存在内在冲突，难以出现绝对最优解。因此，随着计算机性能提升和算法迭代，基于数字化平台的多目标优化被更多地应用于建筑设 计中。本文以中国知网（CNKI）和Web of Science（WOS）数据库中关于建筑设计多目标优化研究的文献为基础数据，通过可视化软件CiteSpace V.5.3.R1对以启发式算法为主要手段的国内外建筑设计多目标优化研究进行分析，利用图谱可视化的手段梳理建筑设计多目标优化的研究前沿与热点，推进研究热点向纵深化和多元化方向发展，并为后续的相关研究提供参考。1数据来源与研究方法1.1数据来源国外文献以Web of Sicence（WOS）核心合集为数据库，通过检索“Architectural design”and“Multi-objective optimization”；“Multi-objective optimization”and“building”；“Multi-objective optimization”and“Urban design”；“Multi-objective optimization”and“house”主题词，按照主题相关性排序。删除会议论文、综述、卷首语、报道等不相关条目以体现文献代表性和相关性，最终筛选得到165篇英文文献，以文本文档格式导出“全记录与参考 文献”。国内文献以中国知网（CNKI）数据库为基础数据库，以“建筑设计”（主题）+“多目标优化”（主题）；“城市设计”（主题）+“多目标优化”（主题）；“建筑”（主题）+“多目标优化”（关键字）；“房屋”（主题）+“多目标优化”（关键字）筛选得到中文文献197篇。以Refworks格式导出为文本文件。1.2研究方法本文采用定性定量结合的方法，利用CiteSpace绘制关键词共现图谱、关键词时间图谱、利用Excel对相关文献各统计量进行分析，对国内外发文量进行统计并直观展示。参数选取默认的Top 50 per slice，根据筛选的文献，CNKI数据库和WOS核心集的时间跨度均为2005-2022年，时间切片（slice length）为1。在软件计算过程中，“设计（design）”“优化（Multi-objective）”“建筑（architecture、building）”等关键词会产生无意义节点，本文综合利用剪切（Puring）中的最小生成树（Minimum Spanning Tree）功能和手动删除的方式对节点进行了合并、删除等调整。1.3研究基础情况目前参加分析的样本文献除了在建筑学科范畴内，还涉及到计算机科学与技术、土木工程、力学等领域。发文量前三的研究机构分别为哈尔滨工业大学（23篇）、天津大学（15篇）、西安建筑科技大学（12篇）。发文量最多的是哈尔滨工业大学，其研究文献多为严寒及寒冷地区低能耗优化等方向，这与其独特的地理位置有关。通过广泛查阅建筑节能相关文献，目前对建筑能耗的多目标优化研究多位于在北方寒冷地区，多数论文关注建筑围护结构设计参数的优化等方面。夏热冬暖地区的建筑设计则主要依据传统设计理论，如增大灰空间等方式提高建筑复杂性与舒适性。因此，南方科研院所可以借鉴寒冷地区建筑能耗多目标优化的经验，对夏热冬暖地区建筑进行优化设计。整理统计国内外历年相关文献发表量（图1），可看出国内外研究起步时间基本相同，国外略早于国内。国外文章发表量自2012年起呈上升趋势，国内文章发表量自2015年起呈上升趋势，但在2021年略有下降。2017年之后，国内相关研究数量慢慢远高于国外。2研究热点与前沿2.1关键词共现关键词是论文主题的高度概括，不同时期论文的高第 44 卷第 S1 期273张艺壤，等建筑设计多目标优化的研究热点与趋势分析*频关键词代表着不同时期的研究热点。关键词出现的频率与关联程度体现了该领域研究的热点与内在联系。本文利用CiteSpace绘制了国内外建筑设计多目标优化关键词时间图谱（图2），其中节点大小表示出现频次的多少，节点之间的连线则反映不同关键词间的共现关系。结果表明：在国内外的文献关键词时间图谱中，遗传算法（genetic algorithm）是节点最大且出现较早的，这表明，遗传算法作为应用最广泛的优化算法成为了建筑设计多目标优化的算法核心。2010-2015年间，热环境与热舒适（heat）、建筑成本（cost）、住宅建筑（residential building）等关键词也逐渐成为中外研究的重点之一。2016年至今，中外文献研究的关键词越来越细化，越来越具有人文关怀。例如，从最初的以建筑能耗为优化目标的建筑热性能优化到以居住者舒适度为优化目标的热舒适优化。对197篇中文文献关键词进行分析并绘制出关键词聚类图谱（图3（a），图中出现次数较多且具有代表性的关键词有：遗传算法、模糊分析、绿色建筑、建筑节能、热舒适、建筑能耗、成本、天然采光、严寒地区、BIM等关键词。对167篇英文文献关键词进行分析并绘制出关键词聚类图谱（图3（b）。图中出现次数较多且具有代表性的关键词有：遗传算法（genetic algorithm）、能耗特性（energy performance）、排放（emmission）、立面（facade）、舒适（comfort）、成本（cost）、住宅建筑（residential building）等关键词。2.2关键词突现绘制2005-2022年间建筑设计多目标优化关键词突显图（图4）。对比国内国外突现关键词可以发现，国内外较早的研究均是从住宅、成本、热环境、能耗出发，国内研究方面，高层住宅、风环境、光环境、能耗模拟和代理模型成为建筑设计多目标优化领域的新兴关键词；而国外近期研究则主要集中在视觉舒适、生命周期评估、图12005-2022年国内外研究文献数量年度分布（图片来源：作者自绘）（a）中文文献（b）外文文献图22005-2022年国内外研究文献关键词时间图谱（图片来源：作者自绘）（a）中文文献（b）外文文献图32005-2022年国内外研究文献关键词共现图谱（图片来源：作者自绘）建 筑 经 济2023年274办公建筑等关键词。3应用领域结合Citespace文献计量分析及文献筛查，目前建筑设计的多目标优化根据关联学科不同可大致分为三类，即算法优化（计算机科学与技术相关）、建设工程（土木工程、力学相关）、建筑能耗（建筑物理相关）。3.1算法优化算法优化是在建筑设计早期阶段用来检测设计的可能性和提高建筑性能的一种优化做法。从建筑设计可视化、参与性角度可将优化算法与技术分为三类，即白盒、黑盒和灰盒。白盒主要载体为可视化模拟平台，如IDAIDE、Ecotect和Radiance等，可以使非计算机背景的设计师们更快、更直观地进行模拟；黑盒指代不可见算法，如人工智能（AI）、机器学习（ML）等，适合计算机专业的使用者，在了解算法原理的基础上使用；灰盒则是将白盒和黑盒结合的一种优化技术，主要是结合遗传算法、人工神经网络算法和原型模型集 成等。现有的建筑设计平台搭建的前沿算法能够确定在设计中影响最大的变量，还能探讨最优的设计解决方案及建筑功能的最佳值。目前包含评估优化、可视化等功能的决策支持工具在不断探索，MOOSAS、Lightsolve、Cove、EcoGen等工具可以通过将主观设计思维及偏好与客观评估相结合，为设计师提供替代方案。但是算法优化在设计支持工具的可解读性、设计师参与和开发性上还存在一定局限，主要表现在：设计师一般只能获取最优结果或理想方案，但推导过程的不可见将很难确定优化成因及指导改进；优化结果的直接获取意味着设计师的主观意图很难影响计算过程，这对主观性较强的设计工作并不友好；算法与工具的协调性仍有待加强，尤其是针对方案的部分修正很难及时保持整体更新，从而无法适应设计师工作 流程。此外，大部分学者利用启发式算法来定义最合适的优化算法，启发式算法以仿自然体算法为主，主要有遗传算法、粒子群算法、蚁群算法、模拟退火法、神经网络等，其中遗传算法在所有研究中出现频率最高。NSGA-II（二代非支配排序遗传算法）是目前最流行的多目标遗传算法之一，但多数研究少于三个建筑设计优化目标，优化算法的性能有待提高，而实际场景中通常有更多的优化目标。增加优化目标对优化算法及硬件性能均带来了挑战，可能出现计算成本高、搜索过程慢、多维前沿难以可视化等问题。目前已有研究尝试了收敛性更好的算法，可以解决5个甚至更多的目标。例如，Wu以武汉某教学楼为例，结合BIM-DB（Design Builder）和RF-NSGA-III智能解决方案，获取了五个指标的帕累托最优解集。3.2建筑工程在建筑、工程、施工（Architecture，Engineering，and Construction，简称AEC）行业中，建筑信息模型（BIM）是一种潜力巨大的共享资源，用于提供与建筑相关的各类信息，诸多研究人员尝试在工程管理乃至建筑生命周期内应用BIM，并综合考量方案设计阶段和方图42006-2022年国内外研究文献关键词突现度图谱（图片来源：作者自绘）第 44 卷第 S1 期275案施工阶段所进行的多目标优化研究。传统研究方向主要为：工期-成本优化。根据现有的工期/成本或合同数据，快速提供最优的工期、成本决策，徐圆圆利用BIM技术，结合IFC标准，建立了统一的多维优化信息模型。江媛静主要是对BIM的装配式建筑施工工期-成本优化展开研究，构建了基于BIM的构件级装配式建筑计量计价的框架，细化了装配式建筑的成本组成；施工进度优化。可视化的施工过程，可以协调各工种作业进度，给出可靠的施工进度安排。刘岳鹏和周天义等人利用BIM-5D可视化信息技术，深度优化工程项目施工进度。新兴研究方向主要集中在BIM技术与设计阶段方案优化的结合。赵亮、陈玉梅和谢存仁等人基于NSGA-II算法和GA-PSO（遗传粒子群）算法对BIM模型进行多目标优化，很好地实现了施工项目在工期、成本、质量、安全和环境保护五个目标的均衡 优化。BIM促进了设计和施工阶段的信息流动，但这种多目标交互在ACE中依然存在数据丢失、缺乏统一标准及技术滞后等挑战，这可能导致运营成本增加和建筑性能不佳，因此还需要其他相关数据来改善建筑和 管理。3.3建筑能耗与宜居影响建筑能耗的因素包括背景气候、建筑形态和布局、围护结构和通风等，在既有研究中针对建筑围护结构的多目标设计优化最广泛，因为其直接影响建筑造型、立面形式及施工方式，对建筑物内外环境也有良好响应。长久以来，建筑围护结构的保温性能、窗墙布局、遮阳组件、采光效率和热传递等因素被设计师权衡考虑，根据优化目的不同可分为热环境、光环境、风环境及综合设计优化。3.3.1建筑热环境多目标优化建筑能耗主要取决于室内外热传递，因此优化建筑围护结构参数与夏冬两季空调负荷早已成为建筑设计多目标优化的重点。针对室内外环境的研究可以分为人体热舒适度和建筑能耗提升。在热舒适优化方面，早期研究侧重室内热舒适，结合神经网络（BP），但只利用多个采样点表征舒适度，与室内真实舒适度有所差别（喻伟，2012）。王晓辉等改进了BP神经网络，利用K-means聚类算法和遗传算法提高舒适度数据的精度，对室内进行更好的优化。在此过程中，对于室外环境舒适度的优化也慢慢发展起来。目前对于室外的研究大多集中在寒冷地区，如袁一美主要对寒地街区的室外热舒适水平、制冷、采暖季日照辐射得热量等进行多目标优化。在建筑能耗方面，研究的建筑类型从住宅逐渐扩展到公共建筑领域，同时在空间及时间维度上也有所进展。在空间维度上，动态热模拟被应用于建筑外部遮阳设施的多目标优化、能耗仿真软件也被应用于建筑优化计算中，余镇雨等还研究了不同气候区典型城市多目标优化均衡解为近零能耗建筑性能的优化提供数据参考。在时间维度上，被动热量存储的概念被应用于中小型商业建筑热质量控制模型中。Gercek，M.和Arsan，Z.D研究了未来气候条件下2050年和2080年的年度供暖、制冷和二氧化碳排放量之间的关系。随着人对室内外环境的满意度与舒适度成为建筑设计的重要检验标准，更多的设计正考虑热舒适与建筑能耗的交互研究。如Moon和Jung开发了 一种基于人工神经网络的预测及自适应模型控制算法，以提高住宅建筑的热舒适度和能源效率。Zhu等人考虑了能耗、采光和热舒适度的多目标优化提高建筑性能，得到了三类乡村旅游建筑最优解方案。3.3.2建筑光环境多目标优化建筑光环境研究起步虽然较早，但早期的光环境设计停留在具备一套多目标优化设计流程的感性阶段，无法通过计算给出设计参数，而具备实际应用意义的建筑光环境优化大致起步在2015年左右。建筑光环境主要分为室外光环境和室内光环境两部分，室外光环境优化一般可分为两大方向，其一是对建筑层高、窗墙比、窗户位置等设计参数的多目标优化，其二是对建筑表皮（围护结构）进行优化，这一方向多将算法程序与参数化建模软件、光环境仿真软件耦合，通过迭代计算寻求最优的建筑表皮设计参数。目前，孙澄等人提出了计算性设计思维运用到多目标自适应建筑表皮形态 设计。3.3.3建筑风环境多目标优化与建筑热环境、光环境相比，基于多目标的建筑风环境优化起步较晚。最初iSIGHT（一种MDO应用软件）的Rhinoceros和Fluent仿真被应用于建筑性能优化系统。随后，舒适风速区比率、风速比、风压差等评价因子被应用于行列式住宅楼间距等参数的优化当中。相比于这种在大尺度上建筑风环境的研究，建筑小尺度风环境优化研究也有所进展，Rhino-Grasshopper参数化设计与CFD模拟结合实现了基于自然通风性能的教学楼窗墙设计参数的优化。在CFD等仿真过程中，计算成张艺壤，等建筑设计多目标优化的研究热点与趋势分析*建 筑 经 济2023年276本随着考虑因素的增大而不断增加，为解决这个问题，代理模型被应用于自然通风性能优化的CFD数值模拟阶段，在计算精度能够接受的范围内有效地降低了计算成本。针对国内风寒性地区哈尔滨某办公园区也利用了CFD模拟，研究了以冬季风寒温度和冬夏季平均风速比的舒适面积占比，提出了多目标优化设计流程，拓展了在风寒性能导向下建筑设计的广度。3.3.4建筑环境多参数优化热、光、风环境这三个参数也互相作用，形成了建筑环境的多参数优化。其中，目前研究大多数是针对建筑热环境和光环境进行多目标优化，主要解决采光与热舒适性能的冲突。通过利用多目标的遗传算法和EnergyPlus模拟引擎对建筑立面上窗户的各种参数、建筑朝向及不同气候带等方面进行分析，得出最佳替代方案。倪平安以吐鲁番示范区为例，运用ML构建了建筑性能预测模型，在提升采光性能、提高了空间舒适度的同时又降低了能耗。在建筑热、光、风环境这三个方面中，要同时解决采光、通风和能耗的问题，算法工作量更大、优化更复杂，所以在此方面研究较少。Suga等人针对外窗形式利用了多目标遗传算法进行搜索，以增强室内环境的照明、改善通风并降低能耗。4仿真模拟与优化流程21世纪以来，建筑设计的多目标优化主要有三大途径，即基于传统设计参数的多目标优化、基于建筑信息模型的多目标优化、基于参数化建筑模型的多目标优化。所述三种途径的核心均是多目标优化算法与物理场仿真模拟的结合，本节总结了常用物理场仿真模拟软件或引擎（表1）及三种路径的主要优化流程（图5）。4.1基于传统设计参数的多目标优化传统设计参数以窗墙比、建筑外墙厚度为代表，通过设计参数利用仿真引擎计算建筑光热信息进行优化。康宇等、王嘉川等利用Design Builder能耗模拟软件对建筑耗热量、耗电量进行计算，利用Matlab的遗传算法表1常用物理场仿真模拟软件或引擎名称物理场特点名称物理场特点Open Foam风流体力学计算类库Autodesk-Green Building Studio热模拟分析评估建筑能耗；比较建筑不同设计方案对能耗的影响PHOENICS风开放性高Graphisoft EccDesigner热建筑能耗模拟与碳排放足迹分析Soudplan声噪声预测与评估Window光热窗系统模拟分析Cadna/A声环境噪声预测和评价Sunshine光遮挡与日影分析Canda/R声室内噪声预测和评价Radiance光光环境模拟与仿真BASTIAN声建筑声学Ecotect光遮挡与日影分析光环境模拟与仿真Environment热模拟评估建筑能耗Daysim光照明能耗分析Autodesk-Ecotect Analysis热建筑全能耗分析软件DIVA光光环境模拟与仿真、能耗分析DOE-2热建筑逐时能耗模拟：HVAC系统全寿命周期成本分析ANSYS多商用多物理场仿真Revit MEP热面向MEP建筑设计师，设计内容持续性强，可共享Comsol多商用多物理场仿真EnergyPlus热建筑全面模拟分析和经济分析工具Bentley Hevacomp热建筑能耗、光照模拟DeST热建筑的HVAC系统运行模拟和建筑环境模拟平台Bentley Tas热大型建筑动态热环境模拟e-QUEST热对空调等建筑机电系统的热环境模拟第 44 卷第 S1 期277工具箱进行多目标优化，得到了建筑围护结构设计参数的优化值。4.2基于BIM的多目标优化建筑信息模型一般以Revit为主要软件，通过Green Building插件或Dynamo进行优化。梁玉美通过Revit构建建筑信息模型，利用建筑能耗分析工具Green Building Studio进行全年建筑能耗模拟与分析，以确定优化程序目标函数的形式，通过Matlab编写建筑节能多目标优化程序。王欣怡通过Revit构建建筑信息模型，并将简化后的BIM模型通过gbXML格式在建筑能耗模拟软件DesignBuilder中进行能耗仿真，通过机器学习算法中的支持向量机非支配排序遗传算法II（SVM-NSGA-II）进行多目标优化。王军等利用Revit构建建筑信息模型，利用Green Building生成gbXML格式文件在GBS上进行能耗仿真模拟计算，利用Dynamo编写NSGA-II多目标优化算法程序，实现绿色建筑设计方案的优化。4.3基于参数化建筑模型的多目标优化参数化建筑模型一般以Rhino为主要软件，通过Grasshopper调用各类插件进行多物理场优化。袁栋等以建筑表皮为研究对象，利用Rhino-Grasshopper建立参数化建筑模型，通过Ladybug进行光环境、热环境仿真，利用Octopus进行数据处理，在Grasshopper中进行多目标优化，获得了夏季最小辐射得热量、冬季最大辐射得热量的建筑表皮设计方案。韩昀松等利用参数化设计工具完成建筑环境信息建模，利用OpenFoam进行风环境模拟，在开源编程平台Anaconda上完成CGAM风环境映射建模，最后利用Grasshopper的插件Wallacei进行寒地街区设计多目标优化。Konis等利用Rhino-Grasshopper建立参数化建筑模型，利用Ladybug+Honeybee以能耗和光性能为目标对建筑形态进行多目标优化。5结语建筑设计多目标优化为绿色建筑、低碳建筑、零碳建筑的设计革新带来了新的发展契机和技术支点，基于建筑环境动态交互机理，面向多性能目标优化需求，本文进行了文献计量与总结分析。（1）大部分研究考量了建筑外立面构型对建筑能耗、建筑生命周期成本的影响，进而为建筑师对建筑形态设计提供参考；也有研究侧重建筑内部贯通空间构型对建筑能耗的影响，但同时考虑外立面和内部空间进行优化的研究较少，二者的深度结合将会进一步推动建筑设计多目标优化在实际项目中的应用。（2）单物理场的相关研究多集中在光热环境。建筑光、热物理场的课题起步较早，且研究的导向性正逐步从能耗效率提升向以人为本的建筑舒适性、宜居性转变。建筑声环境研究较少，主要集中在歌剧院、办公建筑室内设计等方面，在城市设计中，基于声环境的住区优化可能成为未来研究方向。（3）多物理场耦合的研究仍存在局限性。导致这一现象的主要原因是建筑领域常用的物理场仿真引擎、软件间关联不够紧密。目前的建筑设计多物理场仿真多依靠Rhino-Grasshopper的插件进行联动仿真，但不同插图5建筑设计多目标优化的三种途径（图片来源：作者自绘）张艺壤，等建筑设计多目标优化的研究热点与趋势分析*建 筑 经 济2023年278件间的关联较弱，这也导致很多研究是对单一物理场的研究。未来，商用多物理场仿真软件，如Comsol等可能是解决这一问题的途径之一。（4）目前的设计多目标优化缺乏与工程项目的对接，实操性不强。如建筑动态表皮对光环境的优化，一般只关注设计参数，缺乏对机械原理层面动态表皮可实现性的考量，这使得优化得到的帕累托解集中的设计方案并不具备实际应用意义。因此，建设工程与BIM技术结合需要集中于BIM框架向设计方案的整合和并行操作，加强设备方案与设计方案的联系。（5）城市设计方向，目前研究多集中在住区热岛强度的计算与优化方面，在噪声、节水、能耗等方面的优化模型仍亟需建立。将城市设计多目标优化与单体建筑设计方案的整合，以实现全设计阶段的优化将推动城市设计的发展。建筑设计多目标优化正朝向更细致、更真实、更全面发展，随着能耗仿真、CFD仿真的成熟与发展、代理模型的应用，计算成本已经不再是限制多目标优化的难点，相信日后多目标优化将广泛应用于复杂工况下的建筑物理性能提升。参考文献1 Crawley D B，Pless S，Torcellini P.Getting to Net ZeroJ.Ashrae Journal，2009（9）：18-25.2 Hermelink A，Schimschar S，Boermans T，etal.Towards nearly zero-energy buildings：Definition of common principles under the Energy Performance Building Directive（EPBD）J.2013.3 中国建筑节能协会能耗统计专业委员会.中国建筑能耗研究报告（2020）成果发布R.2020.4 梁玉美.基于BIM的建筑能耗自动化分析的多目标优化研 究D.大连：东北财经大学，2018.5 孙澄，袁烽，陈自明，等.计算性设计赋能人居环境营造J.当代建筑，2022（6）：6-13.6 姚佳伟，黄辰宇，袁烽.多环境物质驱动的建筑智能生成设计方法研究J.时代建筑，2021（6）：38-43.7 孙澄，韩昀松，任惠.面向人工智能的建筑计算性设计研 究J.建筑学报，2018（9）：98-104.8 白晓伟，王超，夏柏树.方案设计阶段建筑自然通风性能优化方法研究J.建筑学报，2020（S2）：100-104.9 王军，李希胜，刘勤文.基于Dynamo的绿色建筑方案设计优化J.土木建筑工程信息技术，2019（3）：121-127.10 王嘉川，郭咪.基于遗传算法的甘肃地区城镇办公建筑多目标优化设计J.城市建筑，2021（35）：104-106.11 Xianguo Wu，Zongbao Feng，Hongyu Chen，etal.Intelligent optimization framework of near zero energy consumption building performance based on a hybrid machine learning algorithmJ.Renewable and Sustainable Energy Reviews，Volume，2022.12 何威，史一超.基于BIM遗传算法的建筑施工期多目标优化设计J.土木工程与管理学报，2019（4）：89-95.13 徐圆圆.基于BIM与IFC的多目标施工信息优化模型建立及管理研究D.邯郸：河北工程大学，2017.14 江媛静.基于BIM的装配式建筑施工工期-成本优化研究D.南京：南京林业大学，2021.15 刘岳鹏.基于改进遗传算法和BIM技术的工程项目进度优化研究D.长沙：长沙理工大学，2019.16 康宇，夏博，张建新.银川城镇办公建筑多目标节能优化设计研究J.新型建筑材料，2021（10）：130-133.17 周天义.BIM5D技术在工程项目施工过程中的应用研究D.成都：西华大学，2018.18 赵亮.建设项目全生命周期节能驱动机制与多目标优化策略研究D.徐州：国矿业大学，2019.19 陈玉梅.基于GA-PSO算法的绿色施工项目多目标均衡优化研究D.扬州：扬州大学，2019.20 谢存仁.基于BIM与遗传算法的建筑工程施工进度多目标优化研究J.工程管理学报，2021（6）：117-122.21 王晓辉，刘静蕾，边会娟，等.基于改进BP神经网络的室内环境热舒适度预测与分析J.控制工程，2021（7）：1437-1445.22 袁一美.基于室外热舒适的寒地街区式商业综合体形态优化研究D.哈尔滨：哈尔滨工业大学，2019.23 Jung，Kwon S，Moon，etal.Development of a thermal control algorithm using artificial neural network models for improved thermal comfort and energy efficiency in accommodation buildingsJ.Applied thermal engineering：Design，processes，equipment，economics，2016.24 Zhu L，Wang B，Sun Y.Multi-objective optimization for energy consumption，daylighting and thermal comfort performance of rural tourism buildings in north ChinaJ.Building and Environment，2020，176：106841.25 张华，陈冰，熊明惠，等.基于多目标评价的村镇住宅室外通风优化设计研究J.建筑学报，2017（S2）：69-72.