深度强化学习解决生成设计问题的探索
设计过程在过去几十年中发生了巨大变化。曾经由人类直觉、判断和审美偏好驱动的领域现在通过计算方法和数据驱动过程予以增强。这一转变体现在数据科学和设计的交汇处，这是一个精确性与创造力相结合的交叉点。
在设计的子领域中，数据驱动技术的实用性在生成设计中得到了很好的展示，生成设计是一种利用计算算法根据预定义的标准产生多个设计变体的方法。然而，随着这些设计问题变得越来越复杂和多维化，需要更复杂的技术来找到满意的解决方案。这就是决策科学，特别是强化学习的应用之处。
将决策科学应用于生成设计
设计的核心不是创造，而是导致创造的一系列有意义的决策。
决策科学基本上是通过评估特定背景下可利用选项的预测或已知后果来做出明智选择的过程。它涉及与优化过程相结合的数量统计方法。在应用于生成设计时，决策科学可以帮助确定可以改善特定配置或设计实例的设计决策或决策序列。该过程需要以下三个组成部分：
- 评估设计：评估每个变体的性能或质量，以了解每个设计选择对所期望的结果的贡献
- 优化：合成会产生可行和令人满意的设计变体的设计选择序列
- 场景分析：通过在不同的背景和约束条件中进行设计决策来探索各种设计可能性