通过对人工智能算法与建筑生成式设计发展趋势的梳理,本文尝试提出一个基于强化学习的生成式设计框架,用于实现规则柱网的地下车库生成式设计。希望能减轻建筑师的负担、缩减设计周期,跨学科的把计算机领域的思想和方法引入建筑设计,丰富学界在人工智能辅助生成式设计的研究。论文依据形式综合论从功能性源头去寻找设计形式的思想,结合计算机领域的强化学习框架进行设计问题和流程的抽象,建立形式的定量奖励评价。使用神经网络代替强化学习的策略部分,进行形式生成的动作决策。尝试用自动生成的训练数据,训练一个能从功能性的源头进行形式生成的智能体。具体运用到地下车库生成式设计时,通过对地下车库设计的要点分析,把地下车库设计问题转化为规则柱网下不规则边界内的路径生成问题,作为强化学习的环境。把车库的状态用三个地下车库状态矩阵表达。以车位数量最大,交通便捷度最高为强化学习奖励的优化目标,建立地下车库设计动作的神经网络模型,并用进化策略对其进行优化。通过自动生成的大量数据对神经网络进行训练。得到一个对于不同形状的地下车库,可以快速自动生成一个兼顾停车数量与交通便捷度的地下车库图纸的智能体。地下车库的生成式设计实验在一定程度上实现了地下车库自动生成的目标。同时也说明了基于强化学习的生成式设计框架的可行性,展示了其拓展到需求明确、量化清晰的建筑辅助空间生成式设计的可能性。