طراحی ساختمانهای هوشمند تطبیق پذیر با رفتار کاربران مبتنی بر یادگیری تقویتی

در دهه های اخیر ظهور فناوری های هوش مصنوعی به ویژه یادگیری تقویتی زمینه های نوین برای طراحی معماری هوشمند فراهم کرده است. این پژوهش با هدف بررسی کاربرد الگوریتم Q-Learning در طراحی ساختمان هایی انجام شده که توانایی یادگیری و انطباق با رفتار کاربران را دارند. در این رویکرد ساختمان به عنوان عاملی یادگیرنده در نظر گرفته شده که می تواند شرایط محیطی مانند نور، دما و تهویه را بر اساس الگوهای رفتاری کاربران و بازخوردهای دریافتی تنظیم کند. فرایند طراحی با استفاده از ابزارهای پارامتریک مانند Grasshopper و افزونه های شبیه سازی محیطی نظیر Ladybug انجام شد. الگوریتم یادگیری تقویتی در محیط شبیه سازی شده پیاده سازی و آموزش داده شد. نتایج حاکی از آن است که پس از دوره ای از تعامل سیستم توانست به صورت موثری الگوهای رفتاری کاربران را پیش بینی کرده و پاسخ های محیطی مناسب ارائه دهد. این فرایند منجر به کاهش مصرف انرژی تا حدود ۳۰ درصد و افزایش رضایت کاربران شد. پژوهش حاضر نشان می دهد که ترکیب معماری با الگوریتم های یادگیری تقویتی می تواند به طراحی فضاهایی منجر شود که نه تنها هوشمند بلکه یادگیرنده و تطبیق پذیر با نیازهای انسانی هستند. این رویکرد پتانسیل بالایی برای توسعه فضاهای پاسخگو، کارآمد و پایدار دارد و می تواند راهگشای نسل جدیدی از ساختمان ها باشد که به صورت پویا با کاربران تعامل می کنند. بنابراین یادگیری تقویتی به عنوان ابزاری موثر در خدمت معماران آینده قرار گرفته و بستری برای نوآوری در طراحی معماری هوشمند فراهم می سازد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری تقویتی ، رفتار کاربران ، ساختمان های هوشمند