面向設(shè)計(jì)師的編程設(shè)計(jì)知識(shí)系統(tǒng)PADKS：學(xué)習(xí)Python做個(gè)有編程能力的設(shè)計(jì)師

　　《學(xué)習(xí)PYTHON—做個(gè)有編程能力的設(shè)計(jì)師》不是純粹的Python編程學(xué)習(xí)，而是在學(xué)習(xí)基本Python編程語(yǔ)言時(shí)闡述輔助設(shè)計(jì)的方法，從Python Shell到RH_Python再到GH_Python，將Python真正作為設(shè)計(jì)者從事設(shè)計(jì)輔助的編程語(yǔ)言；同時(shí)這又不是純粹幾何形式編程的說(shuō)明，而是包括Python編程數(shù)據(jù)結(jié)構(gòu)、基本語(yǔ)句、函數(shù)與類(lèi)的學(xué)習(xí)過(guò)程。在掌握Python語(yǔ)言的數(shù)據(jù)結(jié)構(gòu)、基本語(yǔ)句、函數(shù)、類(lèi)與異常，并通過(guò)具體案例闡述深入了解實(shí)踐應(yīng)用的方法之后，在“項(xiàng)目”部分探索與詳細(xì)闡述了十個(gè)案例，包括：“折疊的過(guò)程- 圓柱體V 形與Mesh 頂點(diǎn)排序”，結(jié)合Kangaroo動(dòng)力學(xué)模塊模擬折疊的過(guò)程，使用Python編寫(xiě)符合建立Mesh格網(wǎng)輸入條件的點(diǎn)組織模式；“盒體的展開(kāi)”，講述了如何把一個(gè)盒體連續(xù)展開(kāi)在一個(gè)平面上，并獲取多個(gè)解的方法；“解讀蟻群算法與TSP 問(wèn)題以及在GH_Python 中的實(shí)現(xiàn)”，蟻群算法是一種用來(lái)在圖中尋找優(yōu)化路徑的機(jī)率型算法，靈感來(lái)源于螞蟻在尋找食物過(guò)程中發(fā)現(xiàn)路徑的行為。本部分詳細(xì)闡述蟻群算法并探索將其在Grasshopper平臺(tái)中的Python腳本中實(shí)現(xiàn)和解決TSP旅行商問(wèn)題；“最短路徑與Dijkstra 算法”，最短路徑問(wèn)題是圖論研究中經(jīng)典算法問(wèn)題，旨在尋找圖中兩節(jié)點(diǎn)之間最短的路徑，本部分使用Dijkstra 算法在GH_Python中實(shí)現(xiàn)；“探索性研究適宜分析方法GH_Python 下的實(shí)現(xiàn)”，適宜性分析的方法一般是在地理信息系統(tǒng)平臺(tái)中實(shí)現(xiàn)，例如ArcGIS。適宜性分析在城鄉(xiāng)規(guī)劃和風(fēng)景園林中經(jīng)常被用到，根據(jù)應(yīng)用的范疇又可以細(xì)分為城市建設(shè)用地的評(píng)價(jià)、環(huán)境影響評(píng)價(jià)、自然保護(hù)區(qū)及旅游區(qū)用地評(píng)價(jià)、區(qū)域規(guī)劃和景觀規(guī)劃等。本次項(xiàng)目主要的研究目的是如何將適宜性分析在GH_Python 中實(shí)現(xiàn)；“使用遞歸解決八皇后問(wèn)題與滿足特定間距要求的建筑布局”， 八皇后問(wèn)題是一個(gè)以國(guó)際象棋為背景的問(wèn)題：如何能夠在8×8 的國(guó)際象棋棋盤(pán)上放置八個(gè)皇后，使得任何一個(gè)皇后都無(wú)法直接吃掉其他的皇后。為了達(dá)到此目的，任兩個(gè)皇后都不能處于同一條橫行、縱行或斜線上；“解讀生命游戲_ 元胞自動(dòng)機(jī)與建立生長(zhǎng)模型”， 元胞自動(dòng)機(jī)（Cellular Automaton），是一個(gè)時(shí)間和空間都離散的動(dòng)力系統(tǒng)。散布在規(guī)則格網(wǎng)（Lattice Grid） 中的每一元胞（Cell） 取有限的離散狀態(tài)，遵循同樣的作用規(guī)則，依據(jù)確定的局部規(guī)則做同步更新。大量元胞通過(guò)簡(jiǎn)單的相互作用而構(gòu)成動(dòng)態(tài)系統(tǒng)的演化；“GoogleEarth.KML 文件的調(diào)入程序”，規(guī)劃設(shè)計(jì)過(guò)程中經(jīng)常借助于GoogleEarth來(lái)尋找和定位地標(biāo)和路徑，那么如何將地標(biāo)和路徑直接加載到Gasshopper平臺(tái)中，是本部分需要解決的問(wèn)題；“解讀粒子群（PSO） 算法與建立點(diǎn)運(yùn)動(dòng)程序”，粒子群算法，也稱(chēng)粒子群優(yōu)化算法（ParticleSwarm Optimization），縮寫(xiě)為PSO，模擬鳥(niǎo)群的捕食行為，通過(guò)追隨當(dāng)前搜索到的最優(yōu)值來(lái)尋找全局最優(yōu)解；“城市土地利用結(jié)構(gòu)信息熵”，在信息論中，熵是接收的每條消息中包含信息的平均量，又被稱(chēng)為信息熵、信源熵等。消息往往代表來(lái)自分布或數(shù)據(jù)流中的事件、樣本或特征。在規(guī)劃設(shè)計(jì)領(lǐng)域引入信息熵，研究土地利用結(jié)構(gòu)，分析功能的融合程度，信息熵的高低可以反映城市土地利用的均衡程度，熵值越高，表明不同職能的土地利用類(lèi)型數(shù)越多。本部分案例主要通過(guò)Python 程序，闡述信息熵和均衡度公式計(jì)算過(guò)程。

　　包瑞清西安建筑科技大學(xué)建筑學(xué)院講師城市規(guī)劃與設(shè)計(jì)專(zhuān)業(yè)博士，任教于西安建筑科技大學(xué)建筑學(xué)院，主攻計(jì)算機(jī)輔助設(shè)計(jì)應(yīng)用研究，從作為設(shè)計(jì)者的角度尋找和融合編程與建筑、風(fēng)景園林、城鄉(xiāng)規(guī)劃等設(shè)計(jì)規(guī)劃學(xué)科之間的關(guān)聯(lián)，建立面向設(shè)計(jì)師的編程設(shè)計(jì)知識(shí)系統(tǒng)，力圖使編程設(shè)計(jì)成為設(shè)計(jì)領(lǐng)域的基礎(chǔ)環(huán)節(jié)，探索未來(lái)設(shè)計(jì)的方法。2012年，作為caDesign 設(shè)計(jì)創(chuàng)始人之一，以“編程讓設(shè)計(jì)更具創(chuàng)造力！”的信念為指引，分享研究成果，發(fā)展面向設(shè)計(jì)師的編程設(shè)計(jì)知識(shí)系統(tǒng)網(wǎng)絡(luò)服務(wù)體系。