[发明专利]一种建筑规划方法、装置、电子设备及存储介质

权利要求书

1.一种建筑规划方法，其特征在于，包括：

获取地块的位置尺寸信息，以及当前建筑和已规划建筑的排布信息；

根据所述当前建筑和已规划建筑的排布信息，分别确定所述当前建筑和已规划建筑的影响范围；

根据所述当前建筑的影响范围和所述已规划建筑的影响范围，确定影响范围的重叠面积；

根据所述当前建筑的影响范围和所述地块的位置尺寸信息，确定所述地块的剩余面积；

以所述重叠面积为零，和所述剩余面积最大为目标，循环调整智能体的参数，通过调整参数的智能体输出调整信息，并根据所述调整信息对当前建筑的排布信息进行调整；

其中，所述以所述重叠面积为零，和所述剩余面积最大为目标，循环调整智能体的参数，通过调整参数的智能体输出调整信息，包括：

循环将所述当前建筑的影响范围输入智能体，并通过所述智能体输出单步调整信息；

根据所述单步调整信息确定当前建筑的下一影响范围信息，根据所述下一影响范围信息、所述已规划建筑的影响范围和所述地块的尺寸信息，确定下一重叠面积和下一剩余面积；

根据所述下一重叠面积和所述下一剩余面积调整智能体的参数，根据所述下一影响范围更新所述当前建筑的影响范围，直至所述下一重叠面积为零，和所述下一剩余面积最大为止；

其中，所述智能体包括结构相同的行动网络和评估网络；

相应的，所述根据所述下一重叠面积和所述下一剩余面积调整智能体的参数，包括：

通过下述损失函数调整智能体的参数：

其中，Q_e为行动网络，Q_t为评估网络，s为输入行动网络的当前建筑的影响范围，a为行动网络输出的单步调整信息，s’为评估网络预测的下一输入行动网络的当前建筑的影响范围，a’为评估网络预测的行动网络输出的下一单步调整信息，S_r为下一剩余面积，S_i为当前建筑与第i个已规划建筑的下一重叠面积，n为自然数，α为学习率，γ为反馈衰减系数；

其中，以增大S_r和减小S_i为目标，调整Q_e和Q_t中的参数；

其中，所述单步调整信息是，当前建筑的影响范围在预设坐标系中的左上角向纵轴正向、纵轴负向、横轴正向或横轴负向移动一个像素的调整信息，且当前建筑在预设坐标系中的左上角可以随影响范围的左上角进行相同动作的移动。

2.根据权利要求1所述的方法，其特征在于，所述行动网络和评估网络为全连接神经网络，且所述行动网络和评估网络的结构包括输入层，两个隐藏层和输出层。

3.根据权利要求1所述的方法，其特征在于，所述根据所述当前建筑和已规划建筑的排布信息，分别确定所述当前建筑和已规划建筑的影响范围，包括：

将所述当前建筑和已规划建筑的排布信息，输入预先训练的日照阴影计算模型，以通过所述日照阴影计算模型输出所述当前建筑和已规划建筑的影响范围；

其中，所述排布信息包括建筑的左上角位置坐标、长度、宽度和建筑高度，所述日照阴影计算模型为自编码神经网络。