الگوریتم تکاملی ژنتیک در معماری: تحلیل روش های الگوریتم های تکاملی ژنتیک در فرآیند باز تولید ارزش های زیبایی شناختی طراحی معماری
الموضوعات : تخصصی
سید علی یار ابراهیمی وفایی
1
,
مهدی خاکزند
2
,
محمد حسن طالبیان
3
,
محمد بهزادپور
4
,
فهیمه معتضدیان
5
1 - دانشجوی دکتری تخصصی، گروه معماری، واحد پردیس، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه معماری، دانشکده معماری و طراحی محیطی، دانشگاه علم و صنعت، تهران، ایران
3 - گروه معماری، دانشکده هنرهای زیبا، دانشگاه تهران، تهران، ایران
4 - موسسه آموزشی دانشگاه غیرانتفاعی رجا، قزوین
5 - استادیار گروه معماری، واحد پردیس، دانشگاه آزاد اسلامی، تهران، ایران
الکلمات المفتاحية: طراحی معماری, الگوریتم ژنتیک, الگوریتم تکاملی, زیبایی شناسی,
ملخص المقالة :
این پژوهش به بررسی کاربرد الگوریتم ژنتیک (Genetic Algorithm – GA) در فرآیند طراحی معماری با تمرکز بر بازتولید ارزشهای زیباییشناختی مانند تعادل، تناسب، هماهنگی، ریتم و نوآوری میپردازد. در جهان امروز، که مرزهای هنر، علم و فناوری بهویژه با ورود هوش مصنوعی در حال همگراییاند، استفاده از ابزارهای محاسباتی مانند الگوریتم ژنتیک در طراحی معماری به ضرورتی اجتنابناپذیر تبدیل شده است. مسئله اساسی که مقاله به آن میپردازد، چالش درک و بازتولید مؤلفههای ذهنی و زیباییشناسی در طراحی معماری است؛ مفاهیمی که معمولاً در فرآیند طراحی سنتی بهصورت شهودی و غیرکمی در نظر گرفته میشوند. الگوریتم ژنتیک اما این قابلیت را دارد که این مفاهیم را به پارامترهای کمی و قابل سنجش تبدیل کرده و در قالب تابع برازندگی به سیستم محاسباتی وارد کند. بر این اساس، فرضیه مقاله بر آن است که با طراحی صحیح کروموزومها، تعریف تابع هدف مناسب و بهکارگیری عملگرهای ژنتیکی نظیر جهش و ترکیب، میتوان فرمهایی خلق کرد که دارای ارزشهای زیباییشناسی معماری باشند. روش تحقیق مقاله کیفی و مبتنی بر تحلیل محتواست. در این مسیر، نویسندگان با بررسی هفت نمونه طراحی مبتنی بر الگوریتم ژنتیک، مراحل مختلف طراحی معماری با این الگوریتم را تحلیل کردهاند. این مراحل شامل کدگذاری فرم به صورت کروموزومهای دیجیتالی، تعریف تابع هدف بر اساس معیارهای زیباییشناسی، اجرای فرآیند تکراری تولید نسل، انتخاب بهترین فرمها و ارتقاء تدریجی کیفیت طراحی است. در این الگوریتم، فرمهای اولیه به صورت تصادفی تولید میشوند و سپس با هر تکرار، فرمهایی که بیشترین انطباق با تابع هدف دارند، انتخاب و تولید نسل جدید را هدایت میکنند
