CN114329743A

CN114329743A - 户型优化方法、装置以及存储介质

Info

Publication number: CN114329743A
Application number: CN202210200455.2A
Authority: CN
Inventors: 徐骋; 田明哲; 潘慈辉
Original assignee: You Can See Beijing Technology Co ltd AS
Current assignee: You Can See Beijing Technology Co ltd AS
Priority date: 2022-03-03
Filing date: 2022-03-03
Publication date: 2022-04-12
Anticipated expiration: 2042-03-03
Also published as: CN114329743B

Abstract

本公开提供了一种户型优化方法、装置以及存储介质，涉及户型优化技术领域，其中的方法包括：使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及户型信息，对房间节点元素的位置进行第一优化处理；使用边元素调整规则并根据边元素和边属性特征信息，对连接关系进行第二优化处理；基于第一优化处理和第二优化处理的结果，获得优化后的户型结构图；本公开的方法、装置以及存储介质，能够在图结构的层面上进行户型改造，便捷且高效，保证后续生成的户型有效、可用；并且，自动进行户型优化，生成户型方案的效率高，有效改善了客户体验。

Description

户型优化方法、装置以及存储介质

技术领域

本公开涉及户型优化技术领域，尤其涉及一种户型优化方法、装置以及存储介质。

背景技术

在对户型进行设计时，很多情况下需要进行房屋的户型改造。目前，在进行房屋的户型改造或设计时，设计师与用户进行沟通并向业主推荐户型改造方案。在户型改造时，设计师根据用户的需求，将原户型各个房间的分布、尺寸、形状及邻接和连通关系进行改造，生成户型结构图，将户型结构图输入卷积神经网络模型等机器学习模型，输出户型图。由于户型结构图中的房间以及墙壁的位置不准确，房间之间的连接关系存在不合理之处，影响机器学习模型输出户型图的准确性和可用性，因此，需要对户型结构图的房间、墙壁等信息进行优化，用以保证机器学习模型输出的户型图有效、可用。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种户型优化方法、装置以及电子设备、存储介质。

根据本公开实施例的第一方面，提供一种户型优化方法，包括：获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取所述第一户型结构图中的边元素和对应的边属性特征信息；使用蚁群算法并根据所述房间节点元素和房间节点属性特征信息以及与所述第一户型结构图相对应的户型信息，对所述房间节点元素的位置进行第一优化处理；使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理；基于所述第一优化处理和所述第二优化处理的结果，获得第二户型结构图。

可选地，所述房间节点属性特征信息包括：房间节点中心位置和房间节点面积；所述户型信息包括：户型中心位置和户型面积；所述方法还包括：在进行所述第一优化处理之前，根据所述户型中心位置、所述户型面积、所述房间节点中心位置和所述房间节点面积，对所述房间节点中心位置和所述房间节点面积进行归一化处理。

可选地，对所述房间节点中心位置和所述房间节点面积进行归一化处理包括：确定归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积；基于所述户型面积和所述户型归一化面积，确定归一化系数；获取所述户型中心位置的所述房间节点中心位置的差值，计算所述差值与所述归一化系数的乘积，作为位置偏移值；根据所述户型归一化中心位置和所述位置偏移值，确定归一化后的房间节点中心位置；计算所述房间节点面积与所述户型面积的商，作为归一化后的房间节点面积。

可选地，所述对所述房间节点元素的位置进行第一优化处理包括：确定所述房间节点中心位置的调整范围，用以确定蚂蚁个体的解空间；初始化蚂蚁个体的初始值并初始化信息素浓度；确定所述房间节点元素的能量值和碰撞值，基于所述能量值和碰撞值构建与蚂蚁个体解相对应的目标函数；根据所述目标函数和所述信息素浓度，确定搜索概率；其中，蚂蚁个体在获取所述搜索概率后针对每个房间节点使用轮盘赌方式，选择每个房间节点的位置，更新与房间节点相对应的解；当全部蚂蚁个体的解更新后，计算蚁群的信息素残留，并更新信息素和最优解；经过预设次数的迭代后，输出与所述目标函数对应的最优解，其中，所述最优解用于表征全部房间节点的最优位置。

可选地，所述户型信息还包括：户型外墙信息；所述确定所述房间节点元素的能量值和碰撞值包括：根据两个房间节点元素之间的距离以及所述两个房间节点元素的面积，生成所述能量值；根据所述房间节点元素与所述户型外墙的接触面积，生成所述碰撞值。

可选地，所述目标函数为

；

其中，e_ij为房间节点元素i和房间节点j之间的能量值，c_i为房间节点元素i的碰撞值。

可选地，所述边元素包括：房间的邻接边和连通边，所述边属性特征信息包括：边类型信息、边位置信息；所述使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理包括：设置中心节点；基于所述边元素和所述边属性特征信息判断是否存在与所述中心节点不连通的房间节点元素；如果是，则在此房间节点元素与所述中心节点之间建立连通边。

可选地，所述中心节点包括客厅节点或餐厅节点。

可选地，所述使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理包括：根据连接关系禁忌规则，判断两个房间节点之间的连通关系是否符合连接关系禁忌规则；如果是，则将此两个房间节点之间的连通边删除。

根据本公开实施例的第二方面，提供一种户型优化装置，包括：信息获取模块，用于获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取所述第一户型结构图中的边元素和对应的边属性特征信息；第一优化模块，用于使用蚁群算法并根据所述房间节点元素和房间节点属性特征信息以及与所述第一户型结构图相对应的户型信息，对所述房间节点元素的位置进行第一优化处理；第二优化模块，用于使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理；优化结果获得模块，用于基于所述第一优化处理和所述第二优化处理的结果，获得第二户型结构图。

可选地，所述房间节点属性特征信息包括：房间节点中心位置和房间节点面积；所述户型信息包括：户型中心位置和户型面积；所述装置还包括：归一化模块，用于在进行所述第一优化处理之前，根据所述户型中心位置、所述户型面积、所述房间节点中心位置和所述房间节点面积，对所述房间节点中心位置和所述房间节点面积进行归一化处理。

可选地，所述归一化模块，具体用于确定归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积；基于所述户型面积和所述户型归一化面积，确定归一化系数；获取所述户型中心位置的所述房间节点中心位置的差值，计算所述差值与所述归一化系数的乘积，作为位置偏移值；根据所述户型归一化中心位置和所述位置偏移值，确定归一化后的房间节点中心位置；计算所述房间节点面积与所述户型面积的商，作为归一化后的房间节点面积。

可选地，所述第一优化模块，用于确定所述房间节点中心位置的调整范围，用以确定蚂蚁个体的解空间；初始化蚂蚁个体的初始值并初始化信息素浓度；确定所述房间节点元素的能量值和碰撞值，基于所述能量值和碰撞值构建与蚂蚁个体解相对应的目标函数；根据所述目标函数和所述信息素浓度，确定搜索概率；其中，蚂蚁个体在获取所述搜索概率后针对每个房间节点使用轮盘赌方式，选择每个房间节点的位置，更新与房间节点相对应的解；当全部蚂蚁个体的解更新后，计算蚁群的信息素残留，并更新信息素和最优解；经过预设次数的迭代后，输出与所述目标函数对应的最优解，其中，所述最优解用于表征全部房间节点的最优位置。

可选地，所述户型信息还包括：户型外墙信息；所述第一优化模块，还用于根据两个房间节点元素之间的距离以及所述两个房间节点元素的面积，生成所述能量值；根据所述房间节点元素与所述户型外墙的接触面积，生成所述碰撞值。

可选地，所述目标函数为

；

可选地，所述边元素包括：房间的邻接边和连通边，所述边属性特征信息包括：边类型信息、边位置信息；所述第二优化模块，用于设置中心节点；基于所述边元素和所述边属性特征信息判断是否存在与所述中心节点不连通的房间节点元素；如果是，则在此房间节点元素与所述中心节点之间建立连通边。

可选地，所述中心节点包括客厅节点或餐厅节点。

可选地，所述第二优化模块，还用于根据连接关系禁忌规则，判断两个房间节点之间的连通关系是否符合连接关系禁忌规则；如果是，则将此两个房间节点之间的连通边删除。

根据本公开实施例的第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的方法。

根据本公开实施例的第四方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述的方法。

基于本公开上述实施例提供的户型优化方法、装置以及电子设备、存储介质，使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及户型信息，对房间节点元素的位置进行第一优化处理；使用边元素调整规则并根据边元素和边属性特征信息，对连接关系进行第二优化处理；基于第一优化处理和第二优化处理的结果，获得优化后的户型结构图；能够在图结构的层面上进行户型改造，便捷且高效，保证后续生成的户型有效、可用；并且，自动进行户型优化，生成户型方案的效率高，有效改善了客户体验。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征以及优势将变得更加明显。附图用来提供对本公开实施例的进一步的理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1为本公开的户型优化方法的一个实施例的流程图；

图2为第一户型结构图的示意图；

图3为本公开的户型优化方法的一个实施例中的进行第一优化处理的模型处理示意图；

图4为本公开的户型优化装置的一个实施例的结构示意图；

图5是本公开的电子设备的一个实施例的结构图。

具体实施方式

下面将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或者两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅是一种描述关联对象的关联关系，表示可以存在三种关系，如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开的实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或者专用计算系统环境或配置一起操作。适于与终端设备、计算机系统或者服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施。在分布式云计算环境中，任务可以是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

申请概述

在实现本公开的过程中，发明人发现，在户型改造时，由于户型结构图中的房间以及墙壁的位置不准确，房间之间的连接关系存在不合理之处，影响机器学习模型输出户型图的准确性和可用性，因此，需要对户型结构图的房间、墙壁等信息进行优化，用以保证机器学习模型输出的户型图有效、可用。

本公开提供的户型优化方法，使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及户型信息，对房间节点元素的位置进行第一优化处理；使用边元素调整规则并根据边元素和边属性特征信息，对连接关系进行第二优化处理；基于第一优化处理和第二优化处理的结果，获得优化后的户型结构图；在图结构的层面上进行户型改造，便捷且高效，保证后续生成的户型有效、可用；并且，自动进行户型优化，生成户型方案的效率高。

示例性方法

本公开中的步骤标号，例如“步骤一”、“步骤二”、“S101”、“S102”等，仅为了区分不同步骤，不代表步骤之间的先后顺序，具有不同标号的步骤在执行时可以调整顺序。

图1为本公开的户型优化方法的一个实施例的流程图，如图1所示的方法包括步骤：S101-S104。下面对各步骤分别进行说明。

S101，获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取第一户型结构图中的边元素和对应的边属性特征信息。

在一个实施例中，第一户型结构图可以为一室一厅、二室一厅等户型的户型结构图，第一户型结构图可以进行网格化处理。房间节点元素包括卧室、客厅、卫生间等房间节点，房间节点属性特征信息包括房间节点类型信息、房间节点中心位置和房间节点面积等；房间节点类型可以为卧室、客厅、卫生间等。边元素包括房间的邻接边和连通边等；边属性特征信息包括边类型信息、边位置信息等。

例如，第一户型结构图为G(V,E)，V是各个顶点，是房间、窗户、门、垭口等的抽象；E是边，分别是邻接边EN与连通边EC。节点属性特征信息包括节点类型信息、节点位置信息和节点尺寸信息等。邻接边为两个房间共同连接的墙；连通边为两个房间共同连接的墙，并且，此墙提供连通两个房间的途径。相邻Vi与Vj为两个房间节点，以Vi房间为原点，Vj房间处于Vi房间的不同方位，对应不同类型的邻接边EN。

对Vi与Vj这两个房间节点，它们之间的连通边EC有四种类型，分别为：通过单开门连接（类型0）、通过推拉门连接（类型1）、通过垭口连接（类型2）、通过虚拟墙连接（类型3）。门窗与房间的边类型，是一种特殊的邻接边，称为从属边，设置自身的类型编号。

根据边类型信息和边位置信息，在房间节点之间使用邻接边连线和/或连通边连线进行连接，对邻接边连线和/或连通边连线设置对应的类型编号。第一户型结构图如图2所示，其中三角形△为门窗节点，圆形为房间节点，节点的大小代表节点面积的大小。节点之间的连线代表边，代表邻接边连线或连通边连线，边上的数字代表边的类型。

S102，使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及与第一户型结构图相对应的户型信息，对房间节点元素的位置进行第一优化处理。蚁群算法是用来寻找优化路径的概率型算法，可以采用多种蚁群算法进行第一优化处理。

S103，使用边元素调整规则并根据边元素和边属性特征信息，对房间节点的连接关系进行第二优化处理。边元素调整规则可以为多种对边元素设置的调整规则。

S104，基于第一优化处理和第二优化处理的结果，获得第二户型结构图。

对房间节点元素的位置进行第一优化处理，确定房间节点元素的新位置；对房间节点的连接关系进行第二优化处理，确定房间节点的新连接关系；基于新位置和新连接关系生成第二户型结构图。

在一个实施例中，房间节点属性特征信息包括房间节点中心位置和房间节点面积等；户型信息包括户型中心位置和户型面积等。在进行第一优化处理之前，根据户型中心位置、户型面积、房间节点中心位置和房间节点面积，对房间节点中心位置信息和房间节点面积信息进行归一化处理。

对房间节点中心位置信息和房间节点面积信息进行归一化处理可以采用多种方法。例如，确定归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积，基于户型面积和户型归一化面积，确定归一化系数；获取户型中心位置的房间节点中心位置的差值，计算差值与归一化系数的乘积，作为位置偏移值；根据户型归一化中心位置和位置偏移值，确定归一化后的房间节点中心位置；计算房间节点面积与户型面积的商，作为归一化后的房间节点面积。

在一个实施例中，第一户型图结构

，

为房屋节点集合（

）,共包含

个房间节点，

为房间的连接关系（

），共包含

条连接关系。房屋节点

表示第i个房间，包含了第i个房间节点的中心位置

、房间的面积大小

。

为了解决不同户型间的大小差异，对房间的位置和面积进行归一化处理。归一化后的第i个房间节点中心位置和面积分别表示为

、

。

、

分别表示第一户型结构图中的、归一化前整个户型的中心位置和户型面积；

、

分别表示归一化后整个户型的中心位置和面积，即

、

分别为归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积。如果第一户型结构图映射到256*256的坐标系时，

、

可分别用估计值（128，128）、256*256表示。

归一化系数为：

（1-1）；

其中，S为归一化前户型面积，s为第一户型结构图中归一化后的户型面积。

（1-2）：

（1-3）；

图3为本公开的户型优化方法的一个实施例中的进行第一优化处理的模型处理示意图，如图3所示的方法包括步骤：S301-S306。下面对各步骤分别进行说明。

S301，确定房间节点中心位置的调整范围，用以确定蚂蚁个体的解空间。

S302，初始化蚂蚁个体的初始值并初始化信息素浓度。

S303，确定房间节点元素的能量值和碰撞值，基于能量值和碰撞值构建与蚂蚁个体解相对应的目标函数。

在一个实施例中，户型信息还包括户型外墙信息等；根据两个房间节点元素之间的距离以及两个房间节点元素的面积，生成能量值；根据房间节点元素与户型外墙的接触面积，生成碰撞值。

S304，根据目标函数和信息素浓度，确定搜索概率；其中，蚂蚁个体在获取搜索概率后针对每个房间节点使用轮盘赌方式，以搜索概率的进行采样，选择每个房间节点的位置，更新与房间节点相对应的解。本公开中的使用轮盘赌方式为使用现有的轮盘赌算法，轮盘赌算法是为了防止适应度数值较小的个体被直接淘汰而提出的，基本思想是：各个个体被选中的概率与其适应度函数值大小成正比。

S305，当全部蚂蚁个体的解更新后，计算蚁群的信息素残留，并更新信息素和最优解。

S306，经过预设次数的迭代后，输出与目标函数对应的最优解，其中，最优解用于表征全部房间节点的最优位置。预设次数可以设置，例如为6、7次等。

在一个实施例中，蚁群算法是一种群智能优化算法。蚁群中的每个蚂蚁个体都表示问题的一个解，蚂蚁个体间通过信息传递相互协作，整体上表现出群体智能的行为，对于求解优化等复杂问题具有很好的表现。

蚂蚁个体初始化：每个蚂蚁个体都表示一个问题的解，用一个大小为

的向量表示。为了方便对解的表示，本公开将映射后的第一户型结构图的坐标系进行网格化，可得每个房间节点位置所处的网格。

首先，将每个房间节点位置所处的3*3网格作为解的范围，则蚂蚁个体的解空间大小为9*

。初始化蚂蚁个体的初始值以及整体的信息素浓度

，

，其中，上式表示信息素浓度的维度大小为N*9。

更新节点的解：首先计算当前蚂蚁个体解的目标函数：

（1-4）；

其中，eij为房间节点元素i和房间节点j之间的能量值，ci为房间节点元素i的碰撞值。计算能量值

和碰撞值

的公式如下：

（1-5）；

（1-6）；

（1-7）；

其中，K为系数，d_ij为房间节点i和房间节点j之间的距离，

表示房间节点i在当前位置与整屋外墙的碰撞面积大小。

根据蚂蚁个体的目标函数大小和现有的信息素浓度

，计算解的搜索概率

为：

（1-8）；

其中，

、

为超参数，取值可以分别为1、1、2。每个蚂蚁个体在获取搜索概率后使用针对每个节点使用轮盘赌的方式，选择每个节点的位置，更新节点的解。

信息素更新：当整个蚁群的解更新后，计算该蚁群的信息素残留，并更新信息素和最优解：

（1-9）；

（1-10）；

其中

为超参数，取值可以为0.5。

输出最优值：经过多次迭代，输出当前的蚁群的最优解。

在一个实施例中，边元素包括房间的邻接边和连通边等，边属性特征信息包括边类型信息、边位置信息等。对房间节点的连接关系进行第二优化处理可以使用多种方法。设置中心节点，中心节点包括客厅节点或餐厅节点等。基于边元素和边属性特征信息判断是否存在与中心节点不连通的房间节点元素，如果是，则在此房间节点元素与中心节点之间建立连通边。

连接关系禁忌规则可以为多种规则，例如洗手间与厨房不连通、卧室和厨房不连通等规则。根据连接关系禁忌规则，判断两个房间节点之间的连通关系是否符合连接关系禁忌规则，如果是，则将此两个房间节点之间的连通边删除。

由于第一户型结构图不标准或者抽取过程不充分时，第一户型图图结构的边之间可能存在错误的连接关系。在优化房间节点的位置信息后，进一步优化了节点间的连接关系。伪代码如下所示：

输入：图结构G=（V,E）,连接关系禁忌表T（连接关系禁忌规则）

输出：优化后的图结构

1.选择中心节点vc（通常为客厅节点或餐厅节点）

2.for vi in V:

if vi 与中心节点不连通：

添加vi与中心节点间的连接关系eic

for eij in vi的连接关系:

if eij in T:

删除vi与vj间的连接关系eij

3.输出新的图结构。

示例性装置

在一个实施例中，如图4所示，本公开提供一种户型优化装置，包括信息获取模块401、第一优化模块402、第二优化模块403、优化结果获得模块404和归一化模块405。信息获取模块401获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取第一户型结构图中的边元素和对应的边属性特征信息。

第一优化模块402使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及与第一户型结构图相对应的户型信息，对房间节点元素的位置进行第一优化处理。第二优化模块403使用边元素调整规则并根据边元素和边属性特征信息，对房间节点的连接关系进行第二优化处理。优化结果获得模块404基于第一优化处理和第二优化处理的结果，获得第二户型结构图。

房间节点属性特征信息包括房间节点中心位置和房间节点面积等；户型信息包括户型中心位置和户型面积等。归一化模块405在进行第一优化处理之前，根据户型中心位置、户型面积、房间节点中心位置和房间节点面积，对房间节点中心位置信息和房间节点面积信息进行归一化处理。

归一化模块405确定归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积，基于户型面积和户型归一化面积，确定归一化系数。归一化模块405获取户型中心位置的房间节点中心位置的差值，计算差值与归一化系数的乘积，作为位置偏移值，根据户型归一化中心位置和位置偏移值，确定归一化后的房间节点中心位置。归一化模块405计算房间节点面积与户型面积的商，作为归一化后的房间节点面积。

第一优化模块402确定房间节点中心位置的调整范围，用以确定蚂蚁个体的解空间，初始化蚂蚁个体的初始值并初始化信息素浓度。第一优化模块402确定房间节点元素的能量值和碰撞值，基于能量值和碰撞值构建与蚂蚁个体解相对应的目标函数。

第一优化模块402根据目标函数和信息素浓度，确定搜索概率；其中，蚂蚁个体在获取搜索概率后针对每个房间节点使用轮盘赌方式，选择每个房间节点的位置，更新与房间节点相对应的解。第一优化模块402当全部蚂蚁个体的解更新后，计算蚁群的信息素残留，并更新信息素和最优解。第一优化模块402经过预设次数的迭代后，输出与目标函数对应的最优解，其中，最优解用于表征全部房间节点的最优位置。

户型信息还包括户型外墙信息；第一优化模块402根据两个房间节点元素之间的距离以及两个房间节点元素的面积，生成能量值；第一优化模块402根据房间节点元素与户型外墙的接触面积，生成碰撞值。

在一个实施例中，边元素包括房间的邻接边和连通边等，边属性特征信息包括边类型信息、边位置信息等。第二优化模块404设置中心节点，中心节点包括客厅节点或餐厅节点。第二优化模块404基于边元素和边属性特征信息判断是否存在与中心节点不连通的房间节点元素，如果是，则在此房间节点元素与中心节点之间建立连通边。第二优化模块404根据连接关系禁忌规则，判断两个房间节点之间的连通关系是否符合连接关系禁忌规则，如果是，则将此两个房间节点之间的连通边删除。

图5是本公开的电子设备的一个实施例的结构图，如图5所示，电子设备51包括一个或多个处理器511和存储器512。

处理器511可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备51中的其他组件以执行期望的功能。

存储器512可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器，例如，可以包括：随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。非易失性存储器，例如，可以包括：只读存储器（ROM）、硬盘以及闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器511可以运行程序指令，以实现上文的本公开的各个实施例的户型优化方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备51还可以包括：输入装置513以及输出装置514等，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。此外，该输入设备513还可以包括例如键盘、鼠标等等。该输出装置514可以向外部输出各种信息。该输出设备514可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图5中仅示出了该电子设备51中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备51还可以包括任何其他适当的组件。

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的户型优化方法中的步骤。

计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的户型优化方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列举）可以包括：具有一个或者多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势以及效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

上述实施例中的户型优化方法、装置以及存储介质，使用蚁群算法并根据房间节点元素和房间节点属性特征信息以及户型信息，对房间节点元素的位置进行第一优化处理；使用边元素调整规则并根据边元素和边属性特征信息，对连接关系进行第二优化处理；基于第一优化处理和第二优化处理的结果，获得优化后的户型结构图；在图结构的层面上进行户型改造，便捷且高效，保证后续生成的户型有效、可用；并且，自动进行户型优化，生成户型方案的效率高，有效改善了客户体验。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备以及系统。诸如“包括”、“包含、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述，以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改等对于本领域技术人员而言，是非常显而易见的，并且在此定义的一般原理可以应用于其他方面，而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式中。尽管以上已经讨论了多个示例方面以及实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims

1.一种户型优化方法，包括：

获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取所述第一户型结构图中的边元素和对应的边属性特征信息；

使用蚁群算法并根据所述房间节点元素和房间节点属性特征信息以及与所述第一户型结构图相对应的户型信息，对所述房间节点元素的位置进行第一优化处理；

使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理；

基于所述第一优化处理和所述第二优化处理的结果，获得第二户型结构图。

2.如权利要求1所述的方法，所述房间节点属性特征信息包括：房间节点中心位置和房间节点面积；所述户型信息包括：户型中心位置和户型面积；所述方法还包括：

在进行所述第一优化处理之前，根据所述户型中心位置、所述户型面积、所述房间节点中心位置和所述房间节点面积，对所述房间节点中心位置和所述房间节点面积进行归一化处理。

3.如权利要求2的方法，还包括：对所述房间节点中心位置和所述房间节点面积进行归一化处理包括：

确定归一化后的第一户型结构图的户型归一化中心位置和户型归一化面积；

基于所述户型面积和所述户型归一化面积，确定归一化系数；

获取所述户型中心位置的所述房间节点中心位置的差值，计算所述差值与所述归一化系数的乘积，作为位置偏移值；

根据所述户型归一化中心位置和所述位置偏移值，确定归一化后的房间节点中心位置；

计算所述房间节点面积与所述户型面积的商，作为归一化后的房间节点面积。

4.如权利要求2所述的方法，所述对所述房间节点元素的位置进行第一优化处理包括：

确定所述房间节点中心位置的调整范围，用以确定蚂蚁个体的解空间；

初始化蚂蚁个体的初始值并初始化信息素浓度；

确定所述房间节点元素的能量值和碰撞值，基于所述能量值和碰撞值构建与蚂蚁个体解相对应的目标函数；

根据所述目标函数和所述信息素浓度，确定搜索概率；其中，蚂蚁个体在获取所述搜索概率后针对每个房间节点使用轮盘赌方式，选择每个房间节点的位置，更新与房间节点相对应的解；

当全部蚂蚁个体的解更新后，计算蚁群的信息素残留，并更新信息素和最优解；

经过预设次数的迭代后，输出与所述目标函数对应的最优解，其中，所述最优解用于表征全部房间节点的最优位置。

5.如权利要求4所述的方法，所述户型信息还包括：户型外墙信息；所述确定所述房间节点元素的能量值和碰撞值包括：

根据两个房间节点元素之间的距离以及所述两个房间节点元素的面积，生成所述能量值；

根据所述房间节点元素与所述户型外墙的接触面积，生成所述碰撞值。

6.如权利要求5所述的方法，其中，

所述目标函数为

7.如权利要求1所述的方法，所述边元素包括：房间的邻接边和连通边，所述边属性特征信息包括：边类型信息、边位置信息；所述使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理包括：

设置中心节点；

基于所述边元素和所述边属性特征信息判断是否存在与所述中心节点不连通的房间节点元素；

如果是，则在此房间节点元素与所述中心节点之间建立连通边。

8.如权利要求7所述的方法，其中，

所述中心节点包括客厅节点或餐厅节点。

9.如权利要求7所述的方法，所述使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理包括：

根据连接关系禁忌规则，判断两个房间节点之间的连通关系是否符合连接关系禁忌规则；

如果是，则将此两个房间节点之间的连通边删除。

10.一种户型优化装置，包括：

信息获取模块，用于获取第一户型结构图中的房间节点元素和对应的房间节点属性特征信息，并且获取所述第一户型结构图中的边元素和对应的边属性特征信息；

第一优化模块，用于使用蚁群算法并根据所述房间节点元素和房间节点属性特征信息以及与所述第一户型结构图相对应的户型信息，对所述房间节点元素的位置进行第一优化处理；

第二优化模块，用于使用边元素调整规则并根据所述边元素和所述边属性特征信息，对所述房间节点的连接关系进行第二优化处理；

优化结果获得模块，用于基于所述第一优化处理和所述第二优化处理的结果，获得第二户型结构图。

11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-9任一项所述的方法。