GA Layout Optimizer

도면을 넣으면, 각 공간의 역할을 지키면서 더 작게. 건물·플랜트의 배치 계획(General Arrangement)을 결정론적 솔버로 다시 짜고, 원래 도면과 같은 기준으로 비교한다. Claude Code 플러그인 + MCP 서버(Claude · ChatGPT · Codex) + 브라우저 스튜디오. Python 표준 라이브러리만 쓴다.

English summary. GA Layout Optimizer takes an existing drawing (DXF, SVG, vector PDF, PNG, IFC, or an equipment table), recognises the as-is layout, and searches for a smaller layout in which every space still works — rooms stay reachable, corridors stay connected, egress distances hold, pipe racks and cranes still serve their equipment. Requirements are formalised as a JSON Design Intent IR with cited sources, frozen after human approval, and solved by a deterministic Sequence-Pair / simulated-annealing engine; the LLM never generates a single coordinate. The as-is layout is scored with the same objective, so the tool reports "keep as-is" or "not adoptable" instead of inventing an improvement. Example domains: petrochemical plant, offshore FPSO topside, hospital surgical suite, a nuclear auxiliary building, and two real public BIM models (a medical-dental clinic and a research institute). Concept-study use only — NOT FOR CONSTRUCTION.

왼쪽은 원래 배치, 오른쪽은 같은 모듈들이 위험구역 이격·크레인 작업반경을 지키며 새 자리로 옮겨 가는 과정 (FPSO 상부, 가상 도면, 6,528 → 2,600 m²).

3D 로 직접 돌려 보기 → 사례 6건과 벤치마크를 브라우저에서 돌려 보고, "변형 재생" 으로 배치가 바뀌는 과정을 볼 수 있다. 설치 필요 없음.

NOT FOR CONSTRUCTION — 개념검토용. 산출물은 시공·인허가 제출·상세설계에 그대로 쓸 수 없고, 예제의 치수·이격·제약 파라미터는 전부 가정값이다. 설계 책임은 유자격자에게 있다. 그리고 실제 설계값을 LLM 대화에 입력하지 말 것 — 로컬인 것은 엔진뿐이다 (한계 18항).

무엇을 하나

• 도면을 읽는다. DXF · SVG · 벡터 PDF · PNG(래스터) · IFC · CSV/XLSX 에서 실·기기의 위치와 크기를 결정론적 파서로 읽고, 인식 미리보기를 사람이 확인한다. LLM 은 좌표를 읽지도 쓰지도 않는다.
• 공간마다 필요한 기능을 요건으로 적는다. 실 출입·동선 연결·피난·배관대/크레인 공급·실 규모 기준을 공개 기준(IBC · ADA · FGI · ASR · 10 CFR 50 등)에서 찾아 근거와 함께 IR 에 넣는다. 근거가 없는 실은 줄이지 않는다. 모르는 값은 지어내지 않고 사용자에게 묻는다.
• 기능을 지키며 더 작게 만들고, 정직하게 판정한다. 사람이 승인해 해시로 동결한 IR 을 결정론적 솔버(Sequence-Pair + SA / NSGA-II)가 풀고, 현황 배치를 같은 목적함수로 채점해 비교한다. 현황이 더 나으면 "현황 유지", hard 위반이 남으면 "채택 불가" 다. 같은 IR 해시 + 같은 seed → 같은 결과 해시.

빠른 시작

Python 3.8+ 만 있으면 된다. 엔진·파서·MCP 서버 모두 표준 라이브러리만 쓰고 외부 네트워크가 필요 없다.

Claude Code 플러그인 (MCP 서버 자동 등록)

git clone https://github.com/hajun011103/ga-layout-optimizer.git smr-ga-plugin
# Claude Code 안에서
/plugin marketplace add ./smr-ga-plugin
/plugin install smr-ga@smr-ga-marketplace
/smr-ga:ga-layout            # 도면 경로 또는 자연어 경로로 전체 진행

Claude Desktop · Codex CLI — MCP 서버 server/mcp_server.py 를 stdio 로 등록한다. ChatGPT 웹 · Claude.ai 웹 — --http --token 으로 띄우고 터널(예: cloudflared)로 연 뒤 원격 MCP 커넥터로 등록한다. LLM 없이 — python3 server/mcp_server.py --http → http://127.0.0.1:8765/studio 브라우저 스튜디오.

설정 파일 예시와 주의사항(원격 연결 시 도면·결과가 LLM 서비스로 전송됨): guide/CONNECT.md.

python3 tests/run_all.py                                              # 테스트
python3 engine/validate_spec.py examples/spec_smr_aux.json --freeze   # Gate 1 검증 + 동결
python3 engine/run.py examples/spec_smr_aux.json --iters 60000 --restarts 6

어떻게 동작하나

flowchart LR
    A["도면 파일<br/>DXF · SVG · PDF · PNG · IFC · CSV"] --> B["결정론적 파서<br/>현황 배치 (as-is)"]
    B --> C["요건 → Design Intent IR<br/>근거 출처 명시 · 모르면 질문"]
    C --> D{"Gate 1<br/>규칙 검증 + 사람 승인<br/>→ IR 해시 동결"}
    D --> E["결정론적 솔버<br/>Sequence-Pair + SA / NSGA-II<br/>현황에서 출발, seed 고정"]
    E --> F["같은 목적함수로<br/>현황 vs 최적화 채점"]
    F --> G["판정 · SVG/DXF 도면 · 보고서<br/>채택 후보 / 현황 유지 / 채택 불가"]

LLM 의 역할은 두 곳뿐이다 — 요구사항을 IR 로 정형화하며 되묻는 것(Gate 1 앞), 그리고 결과를 읽기 전용으로 해설하는 것(맨 뒤). Gate 1 이후는 LLM 호출 0회로 재현된다. 자세한 구조와 제약 라이브러리: guide/ARCHITECTURE.md.

결과를 믿을 수 있는 이유

실제 도면에서는 "가장 작은 배치" 가 무엇인지 아무도 모른다. 그래서 같은 엔진을 논문이 최적해를 증명해 둔 문제에 돌렸다. "+x%" 는 증명된 최적보다 x% 비싼 배치를 찾았다는 뜻이다 — 낮을수록 좋고, 0% 가 정답이다. 증명된 최적보다 싼 답은 나올 수 없다.

벤치마크	문제	결과 (정답 대비)
QAPLIB (12건)	시설 배치 표준 문제, n = 12~36	n ≤ 19 0.00% · n = 20~36 +0.16 ~ +5.37%
Ejeh et al. 2019 — 다층 공정 플랜트	요소 비료 8기기 (증명된 최적)	+1.48% (seed 5개 중 최선, 중앙 +6.19%)
	CDU 17기기 (증명된 최적)	+15.04% (중앙 +19.54%)
	LNG 22기기 (논문도 2.2% 갭)	+14.36% (중앙 +21.60%)
	COGP 25기기 (논문도 11.8% 갭)	+39.64% (중앙 +40.74%) — 기기가 많아질수록 갭이 커진다
Wrigley et al. 2019 — 원전 계통 배치	Shearon Harris 20개 모듈, 기존 배치 14,914	한 면 4층 6,793 (−54.5%), 논문 8,036 (−46.1%) — 같은 문제라고 단정할 수 없어 "논문보다 낫다" 고 말하지 않는다

전체 표, 층 수 스윕, 조건 해석: guide/BENCHMARKS.md.

• 독립 검증. 별도 에이전트가 처음부터 다시 검증해 계단 코어 정렬 버그 등 4건을 찾았고, 고친 뒤의 수치만 싣는다 (이전의 "위반 0" 하나는 무효로 정정).
• 재현성. 같은 IR 해시 + 같은 seed → 같은 결과 해시. 3D 페이지와 이 문서의 숫자는 tools/make_viewer_data.py, tools/make_bench_data.py 로 다시 만들 수 있다.
• 지어내지 않는다. 줄일 여지가 없으면 "현황 유지", 요건을 다 못 지키면 "채택 불가" 라고 판정한다. 인용을 확인하지 못한 기준값은 '가정' 으로 표시한다.

사례에서 나온 것

가상 도면 4건과 실제 공개 BIM 2건에 같은 방식으로 돌렸다. 숫자와 3D 는 웹페이지에, 표·요건·가정은 guide/RESULTS.md 에 있다.

• 기준은 LLM이 찾아 넣었다. 사례마다 조사 에이전트가 공개 법령·설계 지침을 찾아 기준 109개를 출처·확인 수준과 함께 정리했고(examples/function/research/), 엔진이 검사할 수 있는 것은 제약으로 넣었다 — 피난계단으로 실 문을 내지 않기, 화장실·기계실을 통로로 쓰지 않기, 수술실↔멸균 코어 인접, 막다른 복도, 탱크 이격 등. 못 넣은 기준도 웹페이지에 따로 적었다.
• 해는 하나가 아니라 후보 여러 개다. 같은 요건을 지키는 안 중 '가장 작게 · 동선 짧게 · 덜 바꾸게 · 균형' 을 나란히 내고 사람이 고른다.
• 원전 보조건물·석유화학·FPSO(가상)는 강화된 요건을 모두 지키며 −49.5 · −47.4 · −57.3% (석유화학은 탱크 이격 기준이 엄격해져 이전 −70.6% 보다 덜 줄었고, 도로는 아직 반영하지 않았다).
• 병원 수술부(가상)는 조사한 기준끼리 이 도면으로는 동시에 만족할 수 없다 — 수술실 6개가 청결 복도와 멸균 코어에 모두 붙으려면 복도가 코어를 감싸거나 코어가 2개여야 한다. 탐색이 아니라 설계 검토 사항.
• 실제 연구소·클리닉은 기준을 지키며 현황보다 작은 안을 찾지 못해 현황 유지. 클리닉 현황의 출입 위반 12곳은 도면에 문 위치가 없어 생기는 모델 한계다.
• 이 개선율을 성과로 쓰지 말 것. 가상 도면은 여유 공간을 일부러 담은 합성 현황이고, 실제 기대치는 기존 연구대로 −10~15% 수준으로 본다.

여기까지가 README 앞부분입니다. 나머지는 원문에서 읽을 수 있습니다. README 전문 보기 ↗