کی مینز

اکنون ایجاد ادراک در نرم افزارهای رایانه ای از مهم ترین چالش های معماری دیجیتال است. چرا که نرم افزارهای رایانه ای از مهم ترین ادوات معماران و یا طراحان به شمار رفته و به صورت گسترده در زمینه طراحی پروژه ها، به کار گرفته می شوند. در طراحی به کمک نرم افزارهای دیجیتالی، رسیدن به طرح و چیدمان بهینه یکی از مراحل مهم و تأثیرگذار به شمار می رود. اما نرم افزارهای رایانه ای هیچ شهود ذاتی در مورد فرایند طراحی ندارند و این علت اصلی عدم واگذاری فرایندهای طراحی به رایانه ها است. ازاین رو هدف این پژوهش تبیین روشی محاسباتی مبتنی بر نمونه داده های کمی و کیفی برای ایجاد شهود نسبی در ماشین ها از طریق ترکیب الگوریتم های تکاملی و یادگیری ماشین است. روش پژوهش کمی و کیفی در بستر الگوریتم های ژنتیک (Genetics)، یادگیری ماشین (k-means clustering) و همچنین یادگیری مبتنی بر نمونه (instance based) است. نتایج این پژوهش نشان می دهد برخلاف روش های مبتنی بر ترکیب الگوریتم های ژنتیک و برنامه نویسی ژنتیک می توان با ترکیب سه الگوریتم ژنتیک، یادگیری ماشین و مبتنی علاوه بر ایجاد شهود نسبی در ماشین ها، دقت و سرعت تولید نقشه ها را افزایش داد. همچنین ویژگی دیگر روش پیشنهادی، نرخ یادگیری نزدیک به نود درصد در شناسایی و ارائه طرح ها است. البته تولید پلان توسط رایانه ها در گام های اولیه خود است و هنوز فرایند طولانی لازم دارد تا این گام توسط رایانه ها به طور کامل برداشته شود.