計算機輔助概念設計的智能化方法研究

摘要：建立了一個新的智能化計算機輔助概念設計環境。該環境除巧妙地將計算機圖形學理論、建筑設計專業知識和群體智能中的蟻群算法集成在一起外，還根據建筑構件間的實際偏序關系，在原算法的基礎上引入了一種可使蟻群變得更聰明的創新機制。實驗表明，該環境運行性能良好、樣例構思新穎。

關鍵詞：分布式人工智能； 概念設計； 群體智能； 蟻群算法； 更聰明

中圖分類號：TP324文獻標志碼：A

文章編號：1001-3695(2007)12-0123-03

源于全球制造業為如何樹立企業形象、提高產品設計水平繼而增強市場競爭力進行的一系列廣泛探討，計算機輔助概念設計^[1，2]在引起人們越來越多關注的同時，已發展成由認知科學、分布式人工智能和計算機圖形圖像學等內容高度交叉的研究領域^[3，4]。目前，主要方法有心理學方法和系統化方法^[5，6]。前者過分依賴于人的心理因素而難以形式化，如頭腦風暴；后者則建立形式模型，將更多的注意力放在刻畫人類認知能力的那一部分，如物場分析法。但實質它們不能截然分開一方面。由于計算機輔助概念設計的創新思維有其特殊的內在規律，這些規律不同于一般的專家系統的知識處理法則，它必須避開人的惰性和定向思考，才能創造出高價值的發明成果。然而雖然人工智能在模擬人類的確定性智能——邏輯思維方面已經取得了很大成就，但對于像創新這樣通常有賴于靈感爆發的智能，尚無法勾勒出其發生的來龍去脈。另外，近年來國內外研究人員開始將進化算法應用于創新設計，并相繼取得了很多令世人矚目的成果；與此同時，進化計算技術在建筑設計、工業設計、藝術設計和音樂創作等領域的理論研究跟創新應用也引起了越來越多學者的興趣^[7~10]。但是計算機輔助概念設計的建筑、服裝等成果復用程度不高及創新是工業設計的靈魂之后，也一致成為國內外研究人員的共識。

本文的研究目標是在客觀剖析上述難題的基礎上，縮小和明確智能系統的應用領域范圍，并將其放在輔助設計人員思維能夠激發人類創新設計靈感而不是替代人類專家的位置中，進而建立一個新的智能化計算機輔助概念設計環境。

1關鍵技術介紹

以建筑為例，其中的建筑構件均是研究人員在由國家自然科學基金和山東省自然科學基金資助的多個項目中，采用改進的進化計算技術創新設計的^[11~13]。該環境不僅巧妙地將計算機圖形學理論、建筑設計專業知識和群體智能中的蟻群算法集成在一起，還根據建筑構件間的實際偏序關系，在原算法的基礎上引入了一種可使蟻群變得更聰明的創新機制。

蟻群算法^[14~16]是一種新型的模擬進化算法。它是在對自然界中真實蟻群的集體行為的研究基礎上，由意大利學者Dorigo等人首先提出的。像螞蟻這類群居昆蟲雖然沒有視覺，卻能找到由蟻巢到食物源的最短路徑。仿生學家經過大量細致觀察研究發現，螞蟻個體之間通過一種稱之為外激素的物質進行信息傳遞，螞蟻在運動過程中，能夠在它所經過的路徑留下該物質，而且螞蟻在運動過程中能夠感知這種物質的存在及其強度，并以此指導自己的運動方向，螞蟻傾向于朝著該物質強度高的方向移動。因此，由大量螞蟻組成的蟻群的集體行為便表現出一種信息正反饋現象：某一路徑上走過的螞蟻越多，則后來者選擇該路徑的概率就越大。螞蟻個體之間就是通過這種信息的交流達到搜索食物的目的。

蟻群算法模擬真實蟻群的協作過程，算法由許多螞蟻共同完成。每只螞蟻在候選解的空間中獨立地搜索解，并在所尋得的解上留下一定的信息量。解的性能越好螞蟻留在其上的信息量越大，信息量越大的解被選擇的可能性也越大。

2數學模型的建立

4結束語

本文系統闡述了將計算機圖形學理論、建筑設計專業知識和群體智能中的蟻群算法集成于一體的智能化計算機輔助概念設計環境的同時，也適時地對原有的蟻群算法進行了理論創新。實驗表明，該環境中改進后的算法使得螞蟻個體大幅度降低行動盲目性，有效提高成功幾率進而使其顯得更聰明的過程中可設計出許多構思新穎、富有美感的建筑樣例。

參考文獻：

［1］孫守遷，黃琦，潘云鶴. 計算機輔助概念設計研究進展[J].計算機輔助設計與圖形學報，2003，15(6):643-650.

［2］孫守遷，包恩偉，潘云鶴.基于組合原理的概念創新設計[J].計算機輔助設計與圖形學報，1999，11(3):262-265.

［3］FORD K， HAYES P. On computational wings: rethinking the goals of artificial intelligence[J]. Scientific American Presents， 1998，9(4):78-83.

［4］HEARST M， HIRSH H. AI’s greatest trends and controversies[J]. IEEE Intelligent Systems， 2000，15(1):8－17.

［5］HALL R P.Computational approaches to analogical reasoning:a comparative analysis[J]. Artificial Ingelligence， 1989，39(1):39－120.

［6］WASTSON I， PERERA S. Case－based design: a review and analysis of building design applications[J]. Artificial Intelligence for Engineering Design， Analysis and Manufacturing， 1997，11(1):59-87.

［7］JOHN H F. An evolutionary architecture[M].London: Architectural AssociationPublications，1995.

［8］GERO J S.Recent advances in computational models of creative design[C]//PAHI P，WERNER H.

Computing in Civil and Building Engineering. Balkema:[s.n.]，1995:21-30.

［9］GERO J S.Creativity，emergence and evolution in design:concepts and framework[J].Knowledge Based Systems，1996，9(7):435-448.

［10］SODDU C.From forming to transforming[C]//Proc of the 3rd International Conference on Generative Art. Milan:[s.n.]，2002:1-6.

［11］劉弘，劉希玉，唐明晰，等.支持外觀造型創新設計的計算機輔助設計環境[J].計算機輔助設計與圖形學報，2003，15(10):1258－1262.

［12］劉弘，劉希玉，馬麗娜.支持進化的計算機輔助設計環境[J].計算機輔助設計與圖形學報，2003，15(2):167－173.

［13］劉弘，鄭明春，馮梅.設計環境中共享學習機制的研究[J].計算機輔助設計與圖形學報，2001，13(11):1029－1034.

［14］DORIGO M，MANIEZZO V， COLORNI A.The ant system:optimization by a colony of cooperating agents[J].IEEE Trans Systems，Man， and Cybernetics: Part B，1996，26(1):29-41.

［15］WANG Gang，GONG Wen－rui，KASTNER R.A new approach for task level computational resource bi－partitioning[C]//GONZALEZ T F. Proc of the IASTED Int’l Conf on Parallel and Distributed Computing and Systems(PDCS).[S.l.]ACTA Press，2003:434-444.

［16］STUTZLE T，HOOS H H.MAX－MIN ant system[J].Future Generation Computer System，2000，16(8):889-914.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”