學習Python——做個有編程能力的設計師

內容簡介

《學習PYTHON—做個有編程能力的設計師》不是純粹的Python編程學習，而是在學習基本Python程式語言時闡述輔助設計的方法，從Python Shell到RH_Python再到GH_Python，將Python真正作為設計者從事設計輔助的程式語言；同時，這又不是純粹幾何形式編程的說明，而是包括Python編程數據結構、基本語句、函式與類的學習過程。在掌握Python語言的數據結構、基本語句、函式、類與異常，並通過具體案例闡述深入了解實踐套用的方法之後，在“項目”部分探索與詳細闡述了十個案例，包括： “摺疊的過程- 圓柱體V 形與Mesh 頂點排序”，結合Kangaroo動力學模組模擬摺疊的過程，使用Python編寫符合建立Mesh格網輸入條件的點組織模式； “盒體的展開”，講述了如何把一個盒體連續展開在一個平面上，並獲取多個解的方法； “解讀...(展開全部) 《學習PYTHON—做個有編程能力的設計師》不是純粹的Python編程學習，而是在學習基本Python程式語言時闡述輔助設計的方法，從Python Shell到RH_Python再到GH_Python，將Python真正作為設計者從事設計輔助的程式語言；同時，這又不是純粹幾何形式編程的說明，而是包括Python編程數據結構、基本語句、函式與類的學習過程。在掌握Python語言的數據結構、基本語句、函式、類與異常，並通過具體案例闡述深入了解實踐套用的方法之後，在“項目”部分探索與詳細闡述了十個案例，包括： “摺疊的過程- 圓柱體V 形與Mesh 頂點排序”，結合Kangaroo動力學模組模擬摺疊的過程，使用Python編寫符合建立Mesh格網輸入條件的點組織模式； “盒體的展開”，講述了如何把一個盒體連續展開在一個平面上，並獲取多個解的方法； “解讀蟻群算法與TSP 問題以及在GH_Python 中的實現”，蟻群算法是一種用來在圖中尋找最佳化路徑的機率型算法，靈感來源於螞蟻在尋找食物過程中發現路徑的行為。本部分詳細闡述蟻群算法並探索將其在Grasshopper平台中的Python腳本中實現和解決TSP旅行商問題； “最短路徑與Dijkstra 算法”，最短路徑問題是圖論研究中經典算法問題，旨在尋找圖中兩節點之間最短的路徑，本部分使用Dijkstra 算法在GH Python中實現； “探索性研究適宜分析方法GH_Python 下的實現”，適宜性分析的方法一般是在地理信息系統平台中實現，例如ArcGIS。適宜性分析在城鄉規劃和風景園林中經常被用到，根據套用的範疇又可以細分為城市建設用地的評價、環境影響評價、自然保護區及旅遊區用地評價、區域規劃和景觀規劃等。本次項目主要的研究目的是如何將適宜性分析在GH_Python 中實現； “使用遞歸解決八皇后問題與滿足特定間距要求的建築布局”，八皇后問題是一個以西洋棋為背景的問題：如何能夠在8×8 的西洋棋棋盤上放置八個皇后，使得任何一個皇后都無法直接吃掉其他的皇后。為了達到此目的，任兩個皇后都不能處於同一條橫行、縱行或斜線上； “解讀生命遊戲_ 元胞自動機與建立生長模型”，元胞自動機(Cellular Automaton)，是一個時間和空間都離散的動力系統。散布在規則格網(Lattice Grid) 中的每一元胞(Cell) 取有限的離散狀態，遵循同樣的作用規則，依據確定的局部規則做同步更新。大量元胞通過簡單的相互作用而構成動態系統的演化； “GoogleEarth.KML 檔案的調入程式”，規劃設計過程中經常藉助於Google Earth來尋找和定位地標和路徑，那么如何將地標和路徑直接載入到Gasshopper平台中，是本部分需要解決的問題； “解讀粒子群(PSO) 算法與建立點運動程式”，粒子群算法，也稱粒子群最佳化算法（Particle Swarm Optimization），縮寫為PSO，模擬鳥群的捕食行為，通過追隨當前搜尋到的最優值來尋找全局最優解 “城市土地利用結構信息熵”，在資訊理論中，熵是接收的每條訊息中包含信息的平均量，又被稱為信息熵、信源熵等。訊息往往代表來自分布或數據流中的事件、樣本或特徵。在規劃設計領域引入信息熵，研究土地利用結構，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型數越多。本部分案例主要通過Python 程式，闡述信息熵和均衡度公式計算過程。城市規劃與設計專業博士，任教於西安建築科技大學建築學院，主攻計算機輔助設計套用研究，從作為設計者的角度尋找和融合編程與建築、風景園林、城鄉規劃等設計規劃學科之間

學習Python——做個有編程能力的設計師

基本介紹

相關詞條

熱門詞條