基于深度强化学习的建筑管线布局自动设计方法
机器学习
2023-05-19 v1 神经与进化计算
摘要
管线布局设计是建筑行业中的一项关键任务。目前，管线布局由工程师手动设计，耗时费力。实现该过程的自动化与精简可减轻工程师负担并节省时间。本文提出一种基于深度强化学习（DRL）的管线三维布局生成方法。首先，我们对空间的几何特征进行抽象以建立训练环境，并基于管线长度、弯头与安装距离三项约束定义奖励函数。接着，我们通过智能体与环境的交互收集数据并训练DRL模型。最后，我们使用训练好的DRL模型自动设计单条管线。我们的结果表明，DRL模型能够在远短于传统算法的时间内完成空间中的管线布局任务，同时保证高质量的布局结果。
引用
@article{arxiv.2305.10760,
title = {Automatic Design Method of Building Pipeline Layout Based on Deep Reinforcement Learning},
author = {Chen Yang and Zhe Zheng and Jia-Rui Lin},
journal= {arXiv preprint arXiv:2305.10760},
year = {2023}
}