Multi-Objective Optimization in Space Planning: A Graph-Based Approach

Namvar, Nima (2023) Multi-Objective Optimization in Space Planning: A Graph-Based Approach. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria edile - architettura [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (12MB) | Contatta l'autore

Abstract

Abstract This thesis investigates the integration of multi-objective optimization, space syntax, and graph analysis in the context of space planning for single-unit buildings. Focused on demonstrating the effectiveness of advanced techniques in generating diverse design options, the study emphasizes optimization based on specific criteria. Building regulations, client needs, and architectural considerations are central to achieving optimal solutions. The research methodology involves a comprehensive exploration of design possibilities that adeptly balances conflicting elements. Utilizing space syntax and graph analysis, the study visualizes relationships between spaces and movements within the building. The integration of sophisticated plugins, Termite Nest and Wallacei, within the Grasshopper platform enhances the analysis. Termite Nest employs space syntax and graph analysis to generate design options, while Wallacei leverages multi-objective optimization, specifically through genetic algorithms, to harmonize conflicting design considerations. This study contributes insights into the practical application of these advanced techniques in space planning, demonstrating their capacity to yield optimized design solutions aligned with specific criteria.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Namvar, Nima
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Architectural Layout Generation,Evolutionary Algorithms,Multi-Objectives Optimization, Generative Design,Graph-Theoretical Techniques,Space Syntax,Space Planning
Data di discussione della Tesi
16 Dicembre 2023
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^