一种基于GA-RBF算法的既有建筑多目标优化改造决策方法

摘要

本发明为一种基于GA‑RBF算法的既有建筑多目标优化改造决策方法，该方法包括以下步骤：以制冷能耗、热舒适、改造成本三者同时达到最小作为既有建筑改造优化目标，并构建目标函数，确定既有建筑多目标优化改造的决策变量种类及数量P，同时确定每个决策变量的优化区间；确定参考建筑，设计正交表；建立既有建筑性能模拟RBF神经网络模型；利用NSGA‑Ⅱ算法对多目标优化计算，在每一次迭代中NSGA‑Ⅱ算法都调用RBF神经网络模型获得输出向量矩阵以更新下一次迭代的种群，实现RBF神经网络模型与NSGA‑Ⅱ算法的动态耦合，获得帕累托最优解集；通过对计算出的帕累托最优解集进行统计学分析，得出决策变量的分布情况，从而获得所需的最优改造措施。提高了实际工程的效率。