Floor planning is an important and difficult task in architecture. When planning office buildings, rooms that belong to the same organisational unit should be placed close to each other. This leads to the following NP-hard mathematical optimization problem. Given the outline of each floor, a list of room sizes, and, for each room, the unit to which it belongs, the aim is to compute floor plans such that each room is placed on some floor and the total distance of the rooms within each unit is minimized. The problem can be formulated as an integer linear program (ILP). Commercial ILP solvers exist, but due to the difficulty of the problem, only small to medium instances can be solved to (near-) optimality. For solving larger instances, we propose to split the problem into two subproblems; floor assignment and planning single floors. We formulate both subproblems as ILPs and solve realistic problem instances. Our experimental study shows that the problem helps to reduce the computation time considerably. Where we were able to compute the global optimum, the solution cost of the combined approach increased very little.


翻译:楼层规划是建筑中一项重要而艰巨的任务。 当规划办公楼时, 属于同一组织单位的房间应该彼此贴近。 这会导致以下的NP硬数学优化问题。 考虑到每层的轮廓、 房间大小清单, 以及每个房间所属的单位, 目的是计算每层的楼面图, 使每个房间都放在某个楼层上, 并使每个单元内房间的总距离最小化。 问题可以作为一个整数线程序( ILP) 来拟订。 商业 ILP 解决器存在, 但是由于问题的困难, 只有中小实例可以( 近) 解决( 最优化的) 。 为了解决更大的问题, 我们提议将问题分成两个子问题: 地板分配和规划单层。 我们的实验研究显示, 问题有助于大量减少计算时间。 在我们能够计算全球最佳性的情况下, 合并方法的解决方案成本很少增加 。

0
下载
关闭预览

相关内容

归纳逻辑程序设计(ILP)是机器学习的一个分支,它依赖于逻辑程序作为一种统一的表示语言来表达例子、背景知识和假设。基于一阶逻辑的ILP具有很强的表示形式,为多关系学习和数据挖掘提供了一种很好的方法。International Conference on Inductive Logic Programming系列始于1991年,是学习结构化或半结构化关系数据的首要国际论坛。最初专注于逻辑程序的归纳,多年来,它大大扩展了研究范围,并欢迎在逻辑学习、多关系数据挖掘、统计关系学习、图形和树挖掘等各个方面作出贡献,学习其他(非命题)基于逻辑的知识表示框架,探索统计学习和其他概率方法的交叉点。官网链接:https://ilp2019.org/
专知会员服务
18+阅读 · 2021年2月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
已删除
将门创投
8+阅读 · 2019年6月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Arxiv
8+阅读 · 2021年5月20日
Arxiv
5+阅读 · 2021年2月8日
VIP会员
相关资讯
已删除
将门创投
8+阅读 · 2019年6月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Top
微信扫码咨询专知VIP会员