[发明专利]一种基于多代理辅助的快速绿色建筑节能进化设计方法

权利要求书

1.一种基于多代理辅助的快速绿色建筑节能进化设计方法，其特征在于，包括以下步骤：

步骤1、确定建筑的结构参数，并绘制建筑的3D模型；建筑的结构参数包括建筑物大小、窗户大小、建筑物的围护结构、人员密度和耗电设备信息；

步骤2、选择建筑能耗和用户不舒适小时数作为多目标优化问题的2个目标函数；选择影响这2个目标函数的K个结构参数，这K个结构参数也就是需要优化的K个决策变量；K个决策变量包括房间朝向、墙体外保温层厚度、外墙日射吸收率、窗户的传热系数、窗户的太阳得热系数、客厅窗户长、客厅窗户宽、卧室窗户长、卧室窗户宽、厨房窗户长、厨房窗户宽、卫生间窗户长、卫生间窗户宽、客厅照明密度、卧室照明密度、厨房照明密度、卫生间照明密度、空调系统供热设置温度和空调系统制冷设置温度，这K个决策变量组成一个个体，N个个体组成一个种群；

步骤3、在每个决策变量的范围内采样获得个个体，这些个体形成初始的训练样本集Tdata；

采用多代理辅助多目标进化优化算法来更新训练样本集，直到多代理辅助多目标进化优化算法中真实评估次数NFE达到预设的最大真实评估次数NFEmax，输出更新后的训练样本集Tdata；

步骤4、利用Pareto支配关系确定步骤3中更新后的训练样本集Tdata中的最优解作为算法所得的最终结果；

步骤3具体步骤如下：

步骤3.1、将步骤2中的多目标优化问题分解为N个单目标子优化问题；随后，针对每个单目标子优化问题，借助一定数量相邻子优化问题的信息进行优化；

步骤3.2、设置多代理辅助多目标进化优化算法运行参数，设置步骤2的K个决策变量的初始值及范围，算法运行参数包括种群规模N、算法终止条件最大真实评估次数NFEmax、最大迭代次数T_max和训练样本数目N′，其中训练样本为K个决策变量的范围内采样获得的个体，聚合个体数目τ；

步骤3.3、初始化均匀分布的N个权重向量，λ＝{λ₁,λ2₂,...,λ_N}，一个权重向量对应一个子优化问题，确定每个个体的邻域；其中，λ为N个权重向量的集合，λ_i为第i个个体对应的权重向量；

从λ中寻找与λ_i最近的Q个权重向量，并使用这些权重向量的索引值确定当前个体的邻域，记第i个个体的邻域为B(i)＝{i₁,i₂,...,i_Q}，其中，1≤j≤Q，i_j表示与λ_i距离最近的第j个权重向量的索引值；

步骤3.4、在每个权重向量上为每个目标函数产生一个初始基础代理模型，用来评价该权重向量所确定子优化问题的最优解；遍历每个权重向量，直到为每个权重向量产生一对初始基础代理模型，最终N对初始基础代理模型组成基础代理模型库；

步骤3.5、在决策变量范围内随机生成N个个体X_i,i＝1,2,...,N,X_i为第i个个体，之后评价每个个体的建筑能耗和用户不舒适小时数这两个目标函数值；

步骤3.6、初始化迭代次数t＝0，更新种群，针对第i个个体X_i从B(i)中随机选择第k个个体X_k和第l个体X_l，然后通过遗传算法产生一个新的子代个体，再用步骤3.5的评价方法评价新的子代个体的建筑能耗和用户不舒适小时数这两个目标函数值；

步骤3.7、针对当前基础代理模型，当在λ_i上的最优解即g^tche(X|λ_i,Z^*)值最小的解连续T′代不变时，T′为1到5之间的整数，选择一些个体作为填充样本，用EnergyPlus软件对这些填充样本进行真实评估；真实评估后再将这些填充样本加入到训练样本集Tdata中；g^tche(X|λ_i,Z^*)是MOEA/D算法的切比雪夫分解法的公式；

步骤3.8、更新步骤3.7g^tche(X|λ_i,Z^*)中的参考点Z^*后完成一次迭代，t＝t+1；

步骤3.9、判断真实评估次数NFE是否达到了算法的最大真实评估次数NFEmax，若达到最大真实评估次数，则终止；否则，返回步骤3.6-3.8。