随着人们生活水平的显著提升，人们对于生活环境尤其是居住空间环境的要求也持续提高，与之对应的，建筑室内空间环境设计也越来越受到人们的关注并成为当前建筑设计的研究热点。

过去很长一段时间，由于能源短缺，建筑室内空间环境设计中更多考虑建筑节能问题。以节约更多能源为目的建筑设计，难免带来对室内空间环境人性化需求的重视度不足，进而导致建筑室内空间环境设计在舒适性、便利性与人们精神感受方面的降低。

基于此，本文试图探析基于人性化理念的建筑室内空间环境设计方法，即以人性化理念为核心，通过最优的设计方案提升人们对于室内空间环境的舒适性、便利性与精神感受。

基于人性化理念的建筑室内空间环境设计方法实现流程如图1所示。

基于人性化理念设计建筑室内空间环境时，首先确定人性化设计目标，以此为基础设置对应评价标准；其次是确定建筑室内模型的变量参数，并基于各变量参数生成建筑室内空间环境布局数字模型；依照人性化设计目标内容，利用科学的关联方法构建设计目标与设计变量间的相关性；最后，通过多目标优化算法确定各不同人性化设计目标均趋优的设计方案。

人性化理念可以理解为以人为本的设计理念，其中包含建筑室内空间与环境，以及人体功能学等不同专业领域内容。在基于人性化理念的建筑室内空间环境设计过程中，人性化理念设计目标主要考虑人们的舒适性、便利性与精神感受，如图2所示。

设计变量是建筑室内空间环境设计形态呈现的决定性因素。建筑室内空间环境设计过程中，依照设计任务、经验以及有关理论标准等确定设计变量的取值范围，以建筑室内空间环境布局数字模型构建方法为基础确定设计变量的表现形式。通常情况下，设计变量可分为两种，分别是可变变量(设计过程中依照实际情况实时调控的变量)与不可变变量(设计前提出硬性标准不可改变的变量)，如图3所示。

基于人性化理念的建筑室内空间环境设计方法中采用多目标混合遗传算法确定各不同人性化设计目标均趋优的设计方案。

多目标混合遗传算法将多目标优化算法、普通遗传算法以及梯度优化算法融合于一身，该算法的核心为主体采用并列选择法，通过以下过程优化子群体的分配与演化过程：

(1)依照不同子群体对应目标函数的关键度与优化的满意度确定并实时调整不同子群体大小，以此协调不同目标的优化进度；

(2)不同子群体进化过程中，最大限度上利用动态优化设计过程中部分目标函数灵敏度信息易获取的特性，针对可求得灵敏度信息的子种群，导入灵敏度信息提升子种群进化速度，由此提升算法整体进化速度。

通过以上优化过程令多目标混合遗传算法保存传统遗传算法优势的同时，还可提升收敛速度。

多目标混合遗传算法中，通过编码过程构建问题解空间与算法搜索空间的映射关系；基于随机浮点数量依次填充染色体基因链，获取由个体组成的初始群体，完成初始化群体过程P(0)；依照相应标准由总群体P(t)内选取个体构成群体P_i^'(t)的过程为并列选择过程；在此基础上实施交叉运算，由P^'(t)内任意确定若干个个体实施配对，依照固定方式交换各对染色体(A，B)内的部分基因，构建两个全新个体；变异过程所描述的是不同染色体编码内部分基因产生变异生成新染色体的过程；当群体进化至一定水平后，依照结束标准完成演化过程。

并列选择过程作为多目标混合遗传算法的核心，其主要目的是依照不同目标函数f_i(X)的关键度与满意度判断相应子群体P_i(t)内个体数量N_i，以此为基础，由P(t)内任意确定N_i个体构建P_i(t)；评价各P_i(t)，通过选择操作确定P_i^'(t)；集合全部P_i^'(t)构建总群体P^'(t)。详细过程如下：

(1)确定P_i(t)

确定P_i(t)过程中，可通过多目标优化中的权系数w_i体现关键度，其可通过经验法或交互改进法确定，且符合式(1)描述：

f_i(X)优化过程可通过满意度A_i评价。f_i(X)初始条件下与最优条件下，A_i值分别为0和1，由此可知0≤A_i≤1，其计算过程如下：

式(2)内，S_iavr、S_imax和S_iopt分别表示P_i(t)的平均适应度、最大适应度和最优条件下的适应度；正问题与逆问题分别表示所设计结构符合各动态特性标准是某一个/多个指标为最优和以结构包含预先设定动态特性为目的对其实施优化的过程。

在确定w_i与A_i后，依照P(t)内个体数量N获取P_i(t)内个体数量N_i。若f_i(X)的不满意度U_i可表示为1-A_i，那么N_i的计算过程可表示为：

式(3)内，表示四舍五入运算。通过式(3)可知，在初始条件下，可依照不同f_i(X)的关键度划分N_i；其后则以w_i与A_i为共同依据，针对U_i或w_i较大的群体，划分的个体数量更多，以此实现不同目标的优化进度协调。

(2)评价P_i(t)个体适应度

以S_ik(k=1，2，…，N_i)表示P_i(t)个体适应度，在S_ik值不小于0的条件下能够得到不同个体遗传至下一代群体的概率。由于基于人性化理念的建筑室内空间环境设计中，部分目标函数包含梯度信息，因此在计算个体适应度时可从目标函数包含或不含梯度信息两个方面出发进行计算。

(3)选择P_i(t)内的个体

在获取S_ik或S^'_ik后，通过S_i=∑S_ik或S_i=∑S^'_ik确定P_i(t)内全部个体适应度总值S_i。利用式(4)确定不同个体相对适应度：

由此得到的R_ik值就是个体X_k被遗传至下一代P^'_i(t)的概率。基于R_ik值，以通过仿真赌盘方法确定不同个体被选中的次数。集合全部P^'_i(t)构成P^'(t)。

多目标混合遗传算法具体实施过程如下：

过程1：设定交叉概率、变异概率、种群进化计数器、进化代数上限等参数。

过程2：任意生成N个初始群体P(0)。

过程3：并列选择，依照式(2)确定不同子群体内个体数量N_i后，在P(t)内任意挑选N_i个个体构建P_i(t)；若根据P_i(t)的f_i(X)能够确定灵敏度信息，则确定不同个体灵敏度；相反实施个体评价确定f_i(X)的A_i；针对P_i(t)实施选择操作，获取P^'_i(t)，集合全部P^'_i(t)获取P^'(t)。

过程4：交叉运算P^'(t)获取P^"(t)。

过程5：变异运算P^"(t)获取P(t+1)。

过程6：结束标准判断，在符合结束标准的前提下，输出当前最优个体，结束算法；否则返回过程3。

实验为验证本文所提方法在实际建筑室内空间环境设计应用中的效果。选取某市花园商业区内一个建筑室内空间为应用目标，通过初步筛选，确定4个设计方案为备选方案，采用本文方法在备选方案中选取最优设计方案。

实践中，对设计目标、设计变量与多目标混合遗传算法进行如下设定：

设计目标：在健康标准内，要求达到健康标准最大化；在有限的空间范围内，能够较好地满足情感需求；注重界面与细节尺度的人性化。

设计变量：室内空间高度、朝向、标准面积以及布局位置是影响建筑室内空间环境设计的主要因素，因此选取上述四个变量为本文方法中的设计变量。

本文方法中多目标混合遗传算法相关参数设定为：种群规模与遗传代数分别为20和40，交叉概率、变异系数与变异概率分别为0.7、0.8和0.7。

利用5折交叉验证法验证本文方法中多目标混合遗传算法参数寻优进化过程，结果如表1所示。分析表1得到，采用多目标混合遗传算法确定建筑室内空间环境设计方案时，进化前期的最优目标函数值与平均目标函数值相比存在较大差异；进化后期的最优目标函数值与平均目标函数值相比差异较小。这说明多目标混合遗传算法进化前期，不同染色体相对适应度函数值具有高度一致性，可避免算法产生早熟问题。进化后期，适应度函数值大幅提升，令算法的收敛速度显著提升。

在本文方法中的多目标混合遗传算法内代入设计目标与设计变量间的相关性样本数据，通过训练输出结果，图4所示为不同遗传代数条件下输出结果的误差平方和。分析图4得到，在算法遗传至17代后，误差平方和快速由3.6下降至2.4；随着遗传代数提升，误差平方和下降速度变缓，在遗传至27代后，误差平方和降至2.1左右，并在后续遗传过程中保持在2.1左右，符合实际应用标准。

采用本文方法对比4个备选方案的设计目标性能，所得结果如表2和图5所示。分析表2得到，在单一设计目标最优条件下，其它设计指标性能将有所下降，但这种下降具有相对性。如方案2内健康标准符合度最高，但另外两个设计目标均为最低；方案4内界面、细节尺度关注度最高，但另外两个设计目标相对较低；方案1内未出现最大目标值和最小目标值。分析图5得到，方案1为各设计目标较为均衡的设计方案，即最优设计方案。

本文探析基于人性化理念的建筑室内空间环境设计方法，在人性化理念设计目标基础上，采用多目标混合遗传算法确定最优建筑室内空间环境设计方案。在后续优化过程中，将细化设计变量，提升数字模型精度，令设计结果更接近项目实际需求。