建筑空间规划的生成设计当Autodesk首次开发生成设计技术时，它被用于产品设计和制造行业。这是设计人员指定一系列要求并使软件生成符合该标准的一组设计的一种方式。这些需求通常描绘了一系列力量的优化问题，这些力量定义了一个物体需要变得强壮的地方，以及它在轻量级时可以脱身的地方。虽然生成式设计仍然以这种方式使用，但它实际上是一个多变量问题解决器。给定一组要求，变量，生成设计计算各种组合，并对这些变量进行评估。因此，生成设计已经从产品设计和制造领域迈向建筑，工程和建筑（AEC）领域，这并不奇怪。

　　5月30日，我参加了一个网络研讨会，讨论了这个话题。正如网络研讨会所述：

　　是定义高层次目标和约束的过程，利用计算能力自动探索宽广的设计空间并确定最佳设计方案。本次研讨会将为参与者提供在生成架构中使用生成设计工作流程进行空间规划的实践经验。本次研讨会将首先描述一个基于细分的空间规划计算模型，并展示如何使用现有函数和自定义Python脚本在

　　构建模型。然后我们将描述几个性能标准的设置，包括环境和程序分析。一旦建立模型，我们将使用

　　开发的内部优化工具自动搜索模型以获得最佳性能的设计解决方案。最后，我们将使用基于Web的自定义数据可视化平台探索探索设计的数据集。

　　我们的网络研讨会讲师是Danil Nagy和Lorenzo Villaggi，来自The Living的同事也是CTO办公室的一员。作为第一代Autodesk Studio的Living，通过今天构建全尺寸功能原型来探索未来。他们的项目将生成性设计，生物学和新材料应用于技术，文化和环境背景下的实际建设项目。

　　我在网络研讨会期间捕获了一些截图。尽管我简单地将它简化了，但是空间规划中的生成设计的基础包括：

　　对空间的要求影响了空间的细分方式，因为有很多方法可以细分空间。此外，一个空间可以分成多个空间，然后所得到的空间也可以细分（递归）。生成设计允许空间规划者探索数千个可能的细分。例如，这是一个分为4个房间的空间，编号为0到3：

　　细分过程可以模拟为：有多少个区域（即房间），水平或垂直分隔的空间以及每个房间应该具有多少面积：

　　使用Dynamo和Python递归地细分空间，平面图会自动生成，评估（即评分）和演变。每个解决方案都作为SVG文件捕获：

　　根据他们的分数，生成的平面图是沿着一个轴线绘制的，该轴显示房间的高度与房间的高宽比以及房间相邻的房间的距离。蓝点代表在过程中早期产生的平面图。红点表示在此过程中稍后生成的平面图，即对生成的原始计划进行改进。其他颜色表示这两端之间的中间平面图：

　　生成式设计可以让设计人员考虑更多的可能性。设计师可以选择最佳设计而不是第一种设计。在空间规划中，结构性能等方面可能很容易计算，但往往不如空间的感觉或舒适程度那样的无形资源。生成式设计提供了一个框架，允许空间规划者科学评估这些元素。