柴晨微,郑晓英,杜彦清

随着城市化进程的加速，高层建筑在现代城市中扮演着愈发重要的角色。然而，传统高层建筑抗侧力结构拓扑优化设计方法在处理复杂结构时存在计算效率低、设计精度不足以及多目标优化困难等问题。为解决这些问题，本文提出了一种基于深度强化学习的新方法，旨在通过智能体与环境交互、奖励机制引导以及神经网络学习，实现高层建筑抗侧力结构的高效拓扑优化设计。实验结果表明，该方法不仅能够显著提升结构性能，还在材料成本降低方面展现出明显优势，为高层建筑结构设计提供了新的技术途径。

深度强化学习；高层建筑；抗侧力结构；拓扑优化设计

[1] 郭茂祖,曹印庚,王鹏跃,等.一种高层建筑群排布生成与推荐算法[J].南方建筑,2022,(9):96-106. [2] 杜文风,王英奇,王辉,等.基于拓扑优化和深度学习的新型结构生成方法[J].计算力学学报,2022,39(4):435-442. [3] 周绪红,胡佳豪,王禄锋,等.高层剪力墙结构多目标智能设计方法[J].土木工程学报,2024,57(6):92-100. [4] 刘红波,张帆,陈志华,等.人工智能在土木工程领域的应用研究现状及展望[J].土木与环境工程学报(中英文), 2024,46(1):14-32. [5] 殷磊,张达明.某超高层办公楼塔冠结构设计与研究[J].建筑结构,2023,53(S2):136-142.

点击下载PDF