“Evolutionary Algorithm and Multi-Objective Optimisation” 遺傳算法與多目標導向幾何優化設計工作營” 為四天雙周末 (共16小時 每日上課4小時) 高密度的Grasshopper參數化模型建構與優化課程, 課程內容將著重於參數化幾何模型建構技巧說明、參數化模型資訊結構及運用遺傳算引擎優化模型等。遺傳算法為借鑑生物演化規則演化而來的演算方式，由美國J.Holland教授1975年首先提出，主要的特色是將實驗對象進行解構，利用拆解與重組基因的方式，結合機率的優化算法能夠自動找出優化的解答。 在現今的環境，複雜幾何的運用在建築、景觀、城市、工業設計領域甚至其他領域越來越普及，然而傳統的CAD (computer aided design)在模型的建構上不易調整和分析的特性往往需要耗費大量的時間成本進行修正，其後的分析與合理化過程更是讓整個流程容易陷入反覆且重複的程序, 本次工作營就是針對這個部分希望帶領學員學習將多方資訊進行模型整合，此設計方式已在國際上普遍化，許多國際事務所在設計階段為求更有效地將項目推進，減少設計過程各項專業整合的溝通成本，已逐漸連同結構表現、環境分析、材料行為等資訊在幾何探索的階段並已進行了整合，這除了可避免在後期跨軟體資訊轉換所造成的錯誤及來回修改溝通的時間浪費，亦可藉由跨領域參數來達到獨特形體的表現，因此，遺傳算法與多目標導向幾何優化 的課程目標即是帶領學員們在除了認識參數模型外，更進一步地了解如何透過有效針對資訊與設計條件進行大量計算與運用。
Rhino Grasshopper的出現讓設計者能夠快速的調整校正模型，提升模型的複雜和細緻度更可以在方案產生時同時進行分析，達到更高的效率。在環境議題越來越複雜的情況下，單方面的設計目標已經無法滿足設計者所面對的問題時，多目標導向優化便是一個極佳的解決方式。 課程中領學員們將會從最基礎的參數化模型建構開始學習，逐步對參數與資訊掌握後，老師將進一步將課程延伸至模型建構如何與環境模擬的分析整合、以及當設計面臨多面向的課題需要被克服時，如何運由AI人工智慧技術開發的遺傳算法引擎去做處理。環境模擬整合的課程章節中老師也會單獨介紹LadyBug基本環境模擬分析和曲面分割等工具運用。本次工作營引入英國AA EmTech多年教學研究的經驗與案例，讓學員能第一手資訊的了解到參數化設計於建築與都市的應用, 並對遺傳算法有更深的認知且熟悉的運用, 不同於一般如Galapagos 和 Octopus 優化插件本次課程內容能夠以視覺化的方式讓使用者判讀模型資訊，對於設計者更能夠掌握成果並進行模型修正和設計決策。
此課程將由雙老師上課，許家皓老師為旅居英國曾於多所知名建築事務所之參數化主導設計師，有豐富的設計經驗，將會於課程中與學生分享國際事務所參數化設計與工程問題解決相關案例；葉鎧老師為長期於AI人工智慧與建築優化領域專研，為此課程主要軟體教學老師，葉鎧老師除了能帶給學員豐富的建築模型優化學習經驗外，並在軟體應用與開發這塊能與學員分享最新的建築科技相關發展，此課程雙老師的教學安排，我們期望帶給學員最全面、豐富且實務理論並重的課程內容。課程授課語言為中文，適合無基礎或有基礎觀念希望延伸性了解參數模型建構、電腦資訊管理的初中階學員。
活動時間 : 2021/12/18 -19. 25-26 每天4小時 (周末)
活動地點 : 線上Zoom
課程語言 : 中文
適合對象 : 從事工業產品、室內、建築空間、都市設計等對參數化設計或創新設計有興趣的相關專業人士或大專以上學生參加, 無基礎者亦可參加。
課程軟體: Rhino 7.0 / Grasshopper / Ladybug / Wallacei / Lunchbox
訂閱
發表文章
沒有留言:
張貼留言