如今住宅在人们的生活中扮演着越来越重要的角色,户型布局设计对住宅功能的实现起着至关重要的作用。目前,虽然有众多的计算机辅助软件可以实现设计图的绘制,但设计方案主要还是通过人工设计来完成,因此存在设计流程交互时间长、难以满足用户自主个性定制化等问题。本文将生成对抗网络引入到户型布局任务中来,利用它自动实现户型布局设计方案。本文将设计任务拆分为三个子任务:房间划分、家具摆放、户型图转化。在现有研究的基础上,通过修改损失函数设计出能实现房间划分与家具摆放的Room GAN,通过调整网络结构设计出能生成较高分辨率户型图的FPGAN。最终实现了一个自动户型布局设计系统。首先,为了实现自动智能化设计的目标需要选择一种合适的机器学习模型作为研究对象。考虑到同一住宅可以存在多种合理的户型布局设计方案,本文决定使用概率生成模型作为图像生成器。结合任务需要,本文分别从理论上对比分析了隐式密度模型与显式密度模型、神经网络模型与概率图模型的特点,从而证明生成对抗网络是当前最适合户型布局设计任务的概率生成模型。然后,针对人工智能在建筑设计领域的研究相对空白的现状,本文标注了研究所需数据集,并提出了两种用来实现自动智能户型布局的生成对抗网络变体。本文先根据各子任务生成图像的特点,基于现有研究成果对生成对抗网络的网络结构和损失函数进行了设计。针对房间划分和家具摆放中小面积图块缺失的问题在对抗损失的基础上加入了像素级损失smooth L1从而提出了Room GAN。针对生成户型图分辨率低难以辨别的问题利用集成学习的思想引入了stacking架构提从而提出了FPGAN。最后,为了给用户提供方便快捷的操作接口,本文基于研究得到的生成对抗网络变体设计并实现了一款自动智能户型布局设计软件。根据需求分析对软件进行模块化设计,利用Py Qt实现了图形用户界面,利用训练好的模型完成了后端搭建。在测试中,不考虑用户操作的时间,从打开软件到得到设计完成的户型图所需的总平均响应时间不超过3.8秒。