Algorithme génétique ou automate cellulaire : le cas d’une optimisation multicritère sous contraintes pour la conception d’une enveloppe

Genetic algorithm or cellular automaton: The case of a multi-criteria optimization under constraints for an envelope design

¹ MAP-MAACC, ENSA Paris la Villette, 75019 Paris, France
² Architecture Studio, 75012 Paris, France

^* Corresponding author: claire.duclos-prevet@paris-lavillette.archi.fr

Résumé

Il existe différentes méthodes génératives qui permettent une conception performancielle. Les algorithmes génétiques apparaissent comme la solution la plus populaire dans la littérature scientifique. Néanmoins, en pratique, les problèmes rencontrés nécessitent souvent une intégration de contraintes strictes que d’autres techniques génératives fonctionnant avec des règles, comme les automates cellulaires, sont plus aptes à intégrer. Dans cette étude, nous comparons l’efficacité de ces deux techniques appliquées à un même cas d’étude issu de la pratique professionnelle. Il s’agit de la conception d’une enveloppe pour une tour de bureaux à Madagascar qui intègre à la fois le confort thermique et la qualité de vue. Il ressort de cette expérience que l’approche la plus efficace est une méthode hybride qui utilise à la fois un automate cellulaire pour intégrer les contraintes, et un algorithme génétique conduisant l’optimisation multicritère.

Abstract

Several generative methods can be suited for performance-based design. Genetic algorithms seem to be the most popular in the literature. However, in practice, designers often face issues that require the integration of strict constraints that are better handled by other generative techniques based on rules, such as cellular automata. In this study, we compare the efficiency of genetic algorithms and rule based generation methods in a case study drawn from professional practice consisting in the design of an envelope for an office tower in Madagascar that integrates both thermal comfort and view quality criteria. This experiment shows that the most efficient approach is a hybrid method that combines (i) a cellular automaton to treat the constraints, and (ii) a genetic algorithm driving the multicriteria optimization.