建筑节能设计是当前能源消耗领域中的一个重要研究课题,也是学术界和工业界急需有效解决的开放性难题。其本质上是一类典型的多目标优化问题,存在建筑能耗和用户不舒适度等多个相互冲突的性能指标。粒子群优化算法由于具有概念简单、收敛速度快等优点已被广泛应用于各类实际问题。但是,现有成果依然存在对惯性权重和学习因子等控制参数取值敏感的不足。更为重要的是,由于需要借助高计算代价的能耗模拟软件来完成对相关参数取值(即优化解)的评价,现有基于进化优化的建筑节能设计方法存在计算耗时的缺陷。如何以较小的计算代价获得优秀的Pareto最优解集,需要提出有效的解决策略。鉴于此,本文研究面向建筑节能设计问题的高效多目标粒子群优化方法。本文的主要研究工作如下:(1)针对粒子群优化算法对控制参数取值敏感的不足,提出一种基于自适应扰动因子的改进多目标骨干粒子群优化方法(BBMOPSO-A)。该方法以多目标骨干粒子群优化算法为基础,通过引入一种全局和个体极值点协同决定的扰动因子,有效提高了算法的全局寻优能力。将所提方法应用于不同地区典型建筑的节能设计,并与现有多目标进化设计算法进行对比,实验结果表明,BBMOPSOA显著提高了所得Pareto最优解集的收敛性和分布性,是一种解决建筑节能设计问题的少控制参数的高效进化优化方法。(2)针对现有建筑节能设计进化优化方法存在计算耗时的缺陷,提出一种低计算代价的代理模型辅助的多目标粒子群优化方法。给出一种双储备集协同引导的变样本规模的代理模型管理策略,用于有效均衡代理模型精度和模型管理代价之间的矛盾。在保证代理模型精度的基础上,该策略可以合理减少个体真实评价的次数,进而降低代理模型的更新代价。在MOEA/D空间分解技术框架下,有效融合所提代理模型管理策略、少参数骨干粒子更新策略和基于拥挤度的种群初始化策略等新算子,给出一种基于分解的代理模型辅助多目标粒子群优化算法(SMOPSO/D)。将所提方法应用于多种类型典型建筑的节能设计,实验结果表明,SMOPSO/D可以在较少计算时间下得到收敛性和分布性均较好的Pareto最优解集。该论文有图31幅,表36个,参考文献121篇。