我国幅员辽阔,人口众多,因此人地矛盾问题尤为突出。经济社会的快速发展导致城市用地日益紧张,城市发展模式从平面延伸逐渐转变为向立体扩张,土地资源集约利用成为必然的趋势。居住区强排方案设计有助于节约建设项目用地,达成集约化建设。既有强排设计多由设计者基于日照模拟分析结果,主观制定强排设计决策。但高密度居住区中,建筑日照阴影相互遮挡严重,人工试错调整的方法使得方案设计效率低下,且限于建筑设计周期,亟需更加智能、高效的设计方法。近年来,深度学习技术的突破性进展为居住区强排方案设计提出了新的思路。深度学习的模型一经训练可为强排设计提供通用解决方案,在生成设计方面有较大潜力。研究提出了基于条件生成对抗网络(Conditional Generative Adversarial Network,CGAN)的居住区强排方案生成设计方法。首先,对既有居住区强排方案设计流程、条件生成对抗网络(CGAN)、居住区平面布局形式及室外环境相关理论进行梳理与解析,为研究方法的提出提供技术支撑。其次,从训练数据集制作、居住区CGAN模型构建、强排方案生成设计及验证评价模型构建三方面阐述了居住区强排方案生成设计方法。训练数据集制作方面,提出了不同模式训练数据集选取原则与训练数据集样本筛选原则。居住区CGAN模型构建方面,对模型构建与训练工具Tensor Flow进行介绍,并系统地阐述居住区CGAN模型结构。强排方案生成设计及验证评价模型构建方面,应用参数化建模工具构建居住区建筑几何模型,并耦合建筑性能模拟工具,构建日照模拟与风环境模拟分析模型。最后,以夏热冬冷地区居住区为例,验证所提出方法在居住区强排方案生成设计中的应用效果。研究制作三种模式的训练数据集进行比选,通过计算SSIM指标进行图像真实度评价。以建筑气候区划、城市纬度及规模、建筑朝向及层数、容积率为筛选要素,制作居住区训练数据集样本。基于开源编程平台,调试初始学习率、迭代次数等训练参数,从而构建高层、多层、低层居住区CGAN模型与居住区户型方案CGAN模型。以夏热冬冷地区的三个实际居住区地块为例,生成其强排设计方案与建筑几何模型。以容积率为评价指标,验证其是否满足集约化建设要求;基于日照模拟分析结果,以日照时数为评价指标,验证其是否满足规范要求;基于风环境模拟分析结果,以1.5m高度风速为评价指标,验证其是否满足人体舒适度要求,从而对提出的生成设计方法进行验证评价。