Read more
Au cours des dernières décennies, plusieurs avancées ont rendu possible l'optimisation globale d'espaces de conception multidimensionnels de grande taille. Parmi ces avancées, on peut citer l'augmentation de la puissance de calcul, l'émergence d'algorithmes d'optimisation sophistiqués et de nouvelles techniques permettant de dériver des méta-modèles hautement efficaces sur le plan informatique. Si ces avancées sont prometteuses, elles comportent également un certain nombre d'inconvénients potentiels. D'une part, les méta-modèles ne parviennent parfois pas à saisir le comportement des conceptions « non conventionnelles » et complexes. Un autre problème critique concerne la nature potentiellement opaque des exercices d'optimisation globale à grande échelle, qui les rendent moins propices à la fourniture d'un soutien intuitivement compréhensible dans un processus de conception naturellement itératif. Dans ce contexte, cette recherche explore le potentiel d'une nouvelle approche vers l'optimisation globale itérative de groupes d'attributs optimisés localement pour les solutions de conception de bâtiments.
