بهینه سازی مصرف انرژی در ساختمان ها با استفاده از الگوریتم های ژنتیک و یادگیری ماشین

بهینه سازی مصرف انرژی در ساختمان ها به دلیل افزایش هزینه های انرژی، ضرورت ارتقای بهره وری و توجه به ملاحظات زیست محیطی، به یکی از موضوعات مهم در طراحی معماری و مدیریت ساختمان تبدیل شده است. پیچیدگی روابط میان ویژگی های پوسته ساختمان، شرایط اقلیمی، تجهیزات تاسیساتی و رفتار کاربران موجب شده است که روش های محاسباتی پیشرفته جایگاه مهمی در تحلیل و بهینه سازی عملکرد انرژی پیدا کنند. هدف این مقاله، بررسی کاربرد الگوریتم های ژنتیک و روش های یادگیری ماشین در کاهش مصرف انرژی ساختمان ها و تبیین ظرفیت های حاصل از ترکیب این دو رویکرد است. پژوهش حاضر با روش مروری توصیفی و با اتکا به منابع فارسی و انگلیسی انجام شده است. در این راستا، کاربرد الگوریتم های ژنتیک در بهینه سازی پوسته ساختمان، انتخاب مصالح، تعیین نسبت پنجره به دیوار و بررسی اهداف متعارضی مانند مصرف انرژی، هزینه و آسایش حرارتی تحلیل می شود. همچنین، نقش روش هایی نظیر جنگل تصادفی، ماشین بردار پشتیبان و شبکه های عصبی در پیش بینی مصرف انرژی و پشتیبانی از تصمیم گیری بررسی می شود. یافته های مطالعات پیشین نشان می دهد که روش های ژنتیک چندهدفه می توانند برای شناسایی مجموعه ای از راه حل های مناسب در طراحی و بهسازی ساختمان به کار روند و یادگیری ماشین نیز امکان پیش بینی سریع تر عملکرد گزینه های مختلف را فراهم می کند (جاوید و همکاران، ۱۴۰۴؛ Alexakis et al., ۲۰۲۵). بااین حال، اعتبار نتایج به کیفیت داده ها، صحت مدل سازی، شرایط اقلیمی و تعریف مناسب اهداف بهینه سازی وابسته است. در پایان، راهکارهایی برای توسعه کاربرد این فناوری ها در ساختمان های آموزشی و گسترش فعالیت های مهارتی مشترک میان رشته های معماری و کامپیوتر ارائه می شود.

کلیدواژه ها:

بهینه سازی مصرف انرژی ، الگوریتم ژنتیک ، یادگیری ماشین ، ساختمان هوشمند ، طراحی معماری ، مدیریت انرژی