基于進化算法的產品造型創新設計方法研究

蘇建寧，陳 肖，張書濤，張新新

（蘭州理工大學設計藝術學院，甘肅蘭州　730050）

基于進化算法的產品造型創新設計方法研究

蘇建寧，陳 肖，張書濤，張新新

（蘭州理工大學設計藝術學院，甘肅蘭州730050）

為了滿足用戶多樣化的產品造型需求，模擬設計師的設計思維特性，提出了應用元胞遺傳算法和標準遺傳算法的產品造型創新設計新方法.首先收集產品樣本，經聚類分析、設計師聚焦等確定代表性產品樣本，再利用形態分析法得到產品造型元素并定量描述設計參數；其次，以代表性產品樣本為初始種群，應用元胞遺傳算法建立產品造型初始設計系統，實現了以少量原型生成大量創新性方案的智能設計進程；最后，應用標準遺傳算法建立產品造型細化設計系統，進一步優化初始設計方案，快速實現方案的細化智能設計進程.卡通表情造型設計實例表明，該方法可為創新設計提供有效的輔助與支持.

產品造型；創新設計；元胞遺傳算法；標準遺傳算法；設計思維

隨著以大數據為背景、材料革命為支撐、3D打印與制造為載體的第三次產業革命的到來，創新設計提升產品競爭力的關鍵作用更為突出，且以造型設計為主的衍生商品顯現出巨大的市場前景.

在傳統的產品造型設計中，方案的產生主要依賴于設計師的創造性思維，優秀的設計師需具備一定廣度和深度的知識結構，并且感性與理性思維均比較活躍［1］.目前隨著計算機邏輯運算和圖形衍化能力的大幅提升，運用進化技術豐富產品形態成為可能［2］.文獻［3］通過對用戶隱性知識的研究，建立用戶知識與設計知識的整合模型，提出了基于集成化知識的產品概念設計理論；文獻［4］在分析產品造型進化設計整體流程的基礎上，利用非支配排序遺傳算法建立了多意象造型進化設計系統；文獻［5］從產品語義出發，通過構造產品造型基因編碼和基因串及適應度函數，對產品造型設計方案進行優化；文獻［6］基于多平臺產品族設計空間的二維染色體表達方式，提出了基于混合協同進化算法的產品族優化設計方法；文獻［7］對元胞遺傳算法進行了改進，加入了人機交互等進化規則，并利用元胞遺傳算法進行3D動漫造型設計.

在產品造型創新設計過程中，初始階段是以發散思維為主，以設計點為中心不斷向外擴展，尋求可能的各種設計方案.元胞遺傳算法是以中心元胞為基點，展開較為快速的全局尋優，能夠較好地模擬產品創新設計中的初始設計思維.在細化設計階段，主要以收斂思維為主，充分吸收優秀方案的設計點向著一個方向思考.標準遺傳算法中繼承父代特點的尋優過程，能較好地模擬產品創新設計中的細化設計思維.

基于此，本研究提出模擬設計思維、結合元胞遺傳算法和標準遺傳算法進行產品造型創新設計的新方法，為計算機輔助產品創新設計提供新的思路.

1　產品造型創新設計過程

產品造型創新設計的形式之一是在已有產品樣本的基礎上，對造型缺口進行創新設計，其核心過程主要包括前期準備、初始設計、細化設計三個部分.隨著設計的深入，各部分逐步分解為目標單元，直至創新設計的完成.

1.1前期準備

獲取正確的設計需求是產品造型創新設計中的一個重要過程［8］，可通過對現有產品的滿意度、信任度等調查和分析來得到需求集.從系統的角度分析產品，其由不同的設計特征組成，而設計特征又由不同的造型元素組成.造型元素可分為主造型元素、次造型元素、輔助造型元素等，通過對參考產品樣本特性的分析，可獲得造型元素集.

1.2初始設計

初始設計階段是基于發現目標、構思目標與執行目標等知識點，利用頭腦風暴法、缺點列舉法、希望點列舉法等將設計結果呈現出來，形成初步的設計方案集.

1.3細化設計

細化設計階段是從多個設計方案收斂到最優設計方案的過程.首先依據用戶需求建立評價原則集，然后以評價原則與設計方案之間的關系為約束，確定設計方向，保留優秀的設計方案，直至形成最終設計方案.

2　研究流程和方法

本研究以設計師的設計認知思維為基礎，基于元胞遺傳算法和標準遺傳算法進行計算機輔助產品造型創新設計，整體研究流程如圖1所示.

2.1設計分析

依據用戶的需求，選擇代表性產品樣本，并對造型元素進行量化分析.

1）選擇代表性產品樣本.通過網絡、紙媒（如雜志）、實地（如商場）調研以及與消費者直接交流等途徑搜集產品樣本圖片，經初步篩選，運用語意差分法、聚類分析等［9］得到參考性產品樣本.再利用定性分析，根據不同的設計需求選出代表性產品樣本集X.

2）量化造型元素.應用形態分析法，得到每個代表性產品樣本的造型元素集，進一步量化每個代表性產品樣本的造型元素，并考慮形態的豐富性，得到造型元素節點參數D.代表性產品樣本造型元素集和量化的造型元素節點參數D將是計算機輔助產品造型創新設計的初始參數.

2.2基于元胞遺傳算法的產品造型初始設計

元胞遺傳算法（cellular genetic algorithm，CGA）是元胞自動機與遺傳算法相結合的一種進化計算方法，其使用元胞自動機的演化規則來代替遺傳算法中傳統的交叉機制.元胞自動機由元胞、元胞空間、鄰居和演化規則四個最基礎的部分組成：

其中：A表示元胞自動機；Ld表示元胞空間，d表示元胞空間的維數；S表示元胞狀態的集合；N表示元胞的鄰居結構；f表示元胞中心及其鄰居狀態的局部轉換函數.

算法執行過程是將進化個體映射到拓撲結構中，個體間的遺傳操作限制在其相應鄰域內，依據一定的更新策略，通過局部個體間的相互作用實現全局最優解集的搜索，既能保持種群多樣性，又具有較好的空間探索能力，其在眾多領域得到應用.例如：文獻［10］研究了利用混合元胞遺傳算法解決旅行商的問題；文獻［11］建立了一種新型的混合元胞遺傳算法模型，并應用其解決車輛路徑等多目標組合優化問題；文獻［12］應用自適應元胞遺傳算法解決探索與開發之間的適當平衡問題；文獻［13］提出了一種差分元胞多目標遺傳算法，并運用該算法優化車間設備布局.

本研究以第1階段獲得的代表性產品樣本為初始種群，基于元胞遺傳算法建立產品造型初始設計系統的流程，如圖1第2階段所示.

1）初始化.首先，對設計對象進行二進制編碼，包括以定性方式描述的造型元素和以定量方式描述的節點參數D，形成元胞空間Ld.其次，設定元胞遺傳算法的相關參數，如表1所示.在實際應用中，根據產品造型參數和鄰居結構等設定種群大小；依據用戶和產品造型創新設計需求設定選擇算子、交叉算子、變異算子、交叉概率、變異概率、替換策略、元胞遺傳代數和終止條件等.

圖1　基于進化算法的產品造型創新設計流程Fig.1 Process of product styling innovative design based on evolutionary algorithm

表1　元胞遺傳算法的參數Table 1 The parameters of cellular genetic algorithm

將初始化種群映射到網格中，對每一個元胞適應度進行評估后，進行元胞遺傳操作，實現種群的優化.

2）Moore型鄰居結構.本研究以中心元胞的東、南、西、北、東南、東北、西南、西北的8個元胞為該元胞的鄰居.鄰居半徑為1，定義為：

其中：vox表示中心元胞的行列坐標值；（vix，viy）表示鄰居元胞的行列坐標值.當四方網格的維數為d時，中心元胞的鄰居個數為3d-1.

3）更新策略.采用線性掃描的方式，以中心元胞及其鄰居為單位進行元胞操作.

4）選擇操作.選擇操作是體現“適者生存”的關鍵環節，在Moore型鄰居結構的網格中，通過適應度評估來選擇中心元胞的2個相鄰的鄰居，并將其遺傳到下一代元胞中.

5）交叉操作.以交叉概率Pc對中心元胞的2個鄰居執行交叉操作，以產生新的造型元胞.對于第t次遺傳操作產生的2個產品造型基因和，交叉操作過程如下：依據交叉概率產生的隨機數g作為交叉點，將2個產品造型基因和分為前后兩部分；將的前半部分和的后半部分重組的前半部分和的后半部分重組，產生新的產品造型元素基因和.交叉操作定義為

6）變異操作.親代的遺傳基因發生改變，形成子代，過程如下：依據變異概率Pm產生隨機數h作為變異點，h點的值由1變為0，或者由0變為1，產生新的產品造型元素基因.變異操作定義為

其中qj（uh）為變異后的等位基因單元對應的屬性值.

7）替換操作.如果新產生的產品造型優于原有造型，則以新的產品造型基因替換中心元胞的基因；否則，保持原有中心元胞基因不變.替換操作定義為

8）結果輸出.解碼并展示新的產品造型，若有滿意的方案，則選擇其為細化設計的初始化個體；否則，循環上述操作，直至得到滿意的初始設計方案.

2.3基于標準遺傳算法的產品造型細化設計

標準遺傳算法是John Holland教授［14］借鑒生物界“物競天擇，適者生存”的法則而提出的進化算法.單親遺傳算法［15］是首次遺傳操作在一個個體上進行，只通過變異來繁殖后代.在本研究中，用戶從元胞遺傳算法的進化結果中選擇出一個最能滿足其需求的產品造型，并將其作為單親進化的父代，演化出多個子代，再利用標準遺傳算法優化出產品造型中的細節，其流程如圖1第3階段所示.

1）單親變異.將初始設計方案作為初始化個體，經變異操作產生多個新個體，并與初始化個體合并作為父代進行后續的遺傳操作.

2）遺傳機制.主要包括選擇、交叉和變異.根據種群中每個個體的適應度評估值，選擇優秀個體作為親代；對親代種群進行隨機配對，依據公式（3）及交叉概率進行交叉操作；依據公式（4）及變異概率，對交叉操作所得子代種群進行變異操作，形成新的產品造型基因.

3）用戶交互體驗評價.對造型元素和節點參數進行解碼，并可視化產品造型方案.用戶依據其需求再次進行遺傳操作.如此循環往復，直至得到滿意的設計方案，則終止循環并輸出結果.

3　實例研究

本研究以卡通表情造型設計為例，結合元胞遺傳算法與標準遺傳算法構建產品造型創新設計系統，為其衍生品設計提供豐富的產品形態.

1）初始化.通過多種途徑搜集表情樣本圖片50幅，經語意差分法問卷調查和聚類分析確定16個參考性表情樣本，如圖2所示.應用形態分析法，得到其關鍵特征為臉型、眼睛與嘴巴，如圖3所示.在本實例中，經重新設計，選擇如圖4所示的4個為代表性樣本進行產品創新設計.

圖3　造型元素Fig.3 The styling elements

圖4　代表性樣本Fig.4 The representative samples

2）量化造型元素.以如圖5所示的代表性樣本為例予以說明.設定x1表示正方形的邊長，取值范圍為［80，120］；c表示圓角的半徑，取值范圍為［8，24］；k1表示左右位置變化，取值范圍為［10，30］；k2表示上下位置變化，取值范圍為［50，60］；dl表示最低點到底邊的距離，取值范圍為［5，36］；b表示最高點到頂邊的距離，取值范圍為［8，49］.則控制點1的坐標為（0.5x1-c+0.5k1，0），點2的坐標為（0.5x1+ 0.5k1，c），點3的坐標為（0.5x1+0.5k1，x1-c+ 0.5b），點4的坐標為（0.5x1-c+0.5k1，x1+0.5b），點5的坐標為（0.005k1x1，0.01k2x1），點6的坐標為（0.2x1，x1-b），點7的坐標為（0.4x1-0.005k1x1，0.01k2x1），點8的坐標為（0，dl+0.014k1x1），點9的坐標為（0，dl），點10的坐標為（0.01k1x1，dl+ 0.004k1x1），因此用6個參數就可確定10個控制點的坐標，每個參數采用七位二進制進行編碼.

3）建立基于元胞遺傳算法的卡通表情造型初始設計系統.運用MATLAB開發進化設計系統，界面如圖6所示，操作過程如下：第1步，點擊“數據輸入”按鈕，調入量化的4款代表性樣本作為初始種群；第2步，通過移動滑動條設置參數，如交叉概率為0.8，變異概率為0.3，進化代數為20，輸出個數為36；第3步，點擊“開始”按鈕，進行元胞操作，將初始化種群映射到規則的四方網格中，基于四方網格定義元胞的鄰居，并規定每個元胞僅能與其鄰居相互作用，依據更新策略掃描網格中的元胞，使其進行遺傳操作，得到子代元胞，用子代元胞替換中心元胞；第4步，用戶從呈現的結果中選擇滿意的設計方案，若無，則點擊“下一頁”按鈕，若依舊沒有滿意的設計方案，則重新點擊“開始”按鈕，若有滿意的方案，點擊“數據輸出”按鈕，輸出設計結果.

圖5　代表性表情樣本的關鍵控制點Fig.5 The key points of representative face sample

4）建立基于標準遺傳算法的卡通表情造型細化設計系統.從初始設計的結果中選擇一個最能體現其要求的樣本作為父代，進入如圖7所示的細化設計系統.操作過程如下：第1步，點擊“數據輸入”按鈕，調入初始設計結果；第2步，設定變異概率為0.3，進化代數為20，輸出個數為9，點擊“單親操作”按鈕，進行單親遺傳操作產生新個體，再與初始化個體合并作為父代進行后續的遺傳操作；第3步，設定變異概率為0.3，交叉概率為0.8，進化代數為20，輸出個數為9，點擊“遺傳操作”按鈕，進行遺傳操作產生子代種群；第4步，選擇較滿意的4個子代作為父代，重新設定變異概率為0.27，交叉概率為0.83，進行遺傳操作，如此逐步減小變異概率，增大交叉概率，進一步優化種群；第5步，從呈現的結果中選擇滿意的設計方案，若無滿意的設計方案，返回至第1步重新開始，若有滿意的方案，點擊“數據輸出”按鈕，輸出最終設計結果.

5）實例應用.本實例成果應用于卡通表情衍生品的意象造型創新設計，圖8所示為設計的便利貼，可貼在字典、筆記本、茶杯和課桌等.經用戶使用調查，其受到廣泛好評.

圖6　基于元胞遺傳算法的卡通表情造型初始設計系統Fig.6 The initial design system of cartoon face styling based on cellular genetic algorithm

圖7　基于標準遺傳算法的卡通表情造型細化設計系統Fig.7 The refining design system of cartoon face styling based on standard genetic algorithm

圖8　實例應用Fig.8 Application examples

4　結 論

依據設計思維，提出了基于元胞遺傳算法和標準遺傳算法的產品造型創新設計方法，并以卡通表情造型設計為例進行了驗證，結果表明該方法具有良好的創新性和實用性.

1）在產品造型初始設計階段主要以發散思維為主，應用元胞遺傳算法以中心元胞為基點進行全局尋優的特性，建立進化設計系統，能較好地模擬該階段設計思維，可實現以少量原型生成大量創新設計初始方案.

2）在產品造型細化設計階段主要以收斂思維為主，應用標準遺傳算法繼承父代特點尋優的特性，建立進化設計系統，可快速生成滿意的細化設計方案.

3）開發的卡通表情造型創新設計系統具有一定的實用價值，可推廣應用于多個領域.

4）本研究為建立實用的計算機輔助產品造型創新系統奠定了一定的理論基礎.未來將綜合考慮加入相關約束機制，使其與相關進化機制相結合，建立不同主體需求的產品造型創新設計系統.

［1］萬延見，李彥，李文強，等.基于認知多方法集成式產品創新設計策略及實現［J］.計算機集成制造系統，2014，20（6）：1267-1275.

WAN Yan-jian，LI Yan，LI Wen-qiang，et al.Based on the cognitive method integrated product innovation design strategy and implementation［J］.Computer Integrated Manufacturing Systems，2014，20（6）：1267-1275.

［2］劉弘，劉希玉.支持外觀造型創新設計的進化計算方法［J］.計算機輔助設計與圖形學學報，2006，18（1）：101-107.

LIU Hong，LIU Xi-yu.An evolutionary computing approach for creative configuration design［J］.Journal of Computer-aided Design &Computer Graphics，2006，18（1）：101-107.

［3］羅仕鑒，朱上上，孫守遷，等.基于集成化知識的產品概念設計技術研究［J］.計算機輔助設計與圖形學學報，2004，16（3）：261-266.

LUO Shi-jian，ZHU Shang-shang，SUN Shou-qian，et al. Case study of product conceptual design based on integrated knowledge［J］.Journal of Computer-aided Design &Computer Graphics，2004，16（3）：261-266.

［4］蘇建寧，張秦瑋，吳江華，等.產品多意象造型進化設計［J］.計算機集成制造系統，2014，20（11）：2675-2682.

SU Jian-ning，ZHANG Qin-wei，WU Jiang-hua，et al. Product image evolution modeling design［J］.Computer Integrated Manufacturing Systems，2014，20（11）：2675-2682.

［5］楊延璞，余隋懷，陳登凱.運用遺傳算法的產品造型設計方案優化方法［J］.現代制造工程，2012，43（4）：53-61.

YANG Yan-pu，YU Sui-huai，CHEN Deng-kai.Product design optimization method based on genetic algorithm［J］.Modem Manufacturing Engineering，2012，43（4）：53-61.

［6］李中凱，譚建榮，馮毅雄，等.基于混合協同進化算法的可調節產品族優化設計［J］.計算機集成制造系統，2008，14（8）：1457-1465.

LI Zhong-kai，TAN Jian-rong，FENG Yi-xiong，et al.Optimal design for scale-based product family based on hybrid co-evolutionary algorithms［J］.Computer Integrated Manufacturing Systems，2008，14（8）：1457-1465.

［7］YANG Xiao-peng，LIU Hong，YU Han-chao.Cellular genetic algorithm for supporting creative design of 3D animation modelings［C］//The 3rd Pacific-Asia Conference on Circuits，Communications and System.Wuhan，China，July 17-18，2011：14-17.

［8］姜少飛，陳帥，魯聰達，等.設計意圖捕捉與參數化設計集成研究［J］.計算機集成制造系統，2011，17（4）：726-731.

JIANG Shao-fei，CHEN Shuai，LU Cong-da，et al.Integration of capturing design intent and parametric design［J］.Computer Integrated Manufacturing Systems，2011，17（4）：726-731.

［9］羅仕鑒，朱上上，應放天，等.產品設計中的用戶隱性知識研究現狀與進展［J］.計算機集成制造系統，2010，16（4）：673-688.

LUO Shi-jian，ZHU Shang-shang，YING Fang-tian，et al.User tacit knowledge research present situation and progress in the design of products［J］.Computer Integrated Manufacturing Systems，2010，16（4）：673-688.

［10］MüHLENBEIN H，GORGES-SCHLEUTER M，KRAMER O.Evolution algorithms in combinatorial optimization［J］.Parallel Computing，1988，7（1）：65-85.

［11］ALBA E，DORRONSORO B.A hybrid cellular genetic algorithm for the capacitated vehicle routing problem［J］. Studies in Computational Intelligence，2008，82：379-422.

［12］AL-NAQI A，ERDOGAN T A，ARSLAN T.Adaptive three-dimensional cellular genetic algorithm for balancing exploration and exploitation processes［J］.Soft Computing，2013，17（7）：1145-1157.

［13］張屹，盧超，張虎，等.基于差分元胞多目標遺傳算法的車間布局優化［J］.計算機集成制造系統，2013，30（4）：727-734.

ZHANG Yi，LU Chao，ZHANG Hu，et al.Multi-objective genetic algorithm based on differential cell of workshop layout optimization［J］.Computer Integrated Manufacturing Systems，2013，30（4）：727-734.

［14］HOLLSTIEN R B.Artificial genetic adaptation in computer control systems［D］.Michigan：University of Michigan，1971.

［15］余先川，初曉鳳，曹恒智.基于單親遺傳算法的SAR圖像混合像元分解［J］.地球物理學報，2009，52（11）：2886-2892.

YU Xian-chuan，CHU Xiao-feng，CAO Heng-zhi.Decomposition of mixed pixels of SAR remote sensing image Based on Partheno-Genetic Algorithm［J］.Chinese Journal of Geophysics，2009，52（11）：2886-2892.

Product styling innovative design method based on evolutionary algorithm

SU Jian-ning，CHEN Xiao，ZHANG Shu-tao，ZHANG Xin-xin
（School of Design Art，Lanzhou University of Technology，Lanzhou 730050，China）

In order to meet user's demand for a variety of product forms，a new styling design method applied the cellular genetic algorithm and the standard genetic algorithm was presented，which was simulating design thinking characteristic of designers.Firstly，some representative product samples were chosen from the collected samples through clustering analysis，designer focusing analysis and so on.The product styling elements and the quantitative description parameters could be obtained by morphological analysis.Then，setting the representative sample as the initial population，the initial styling design system was built based on the cellular genetic algorithm，which could simulate the design thinking.The intelligent design process was realized，which would generate a large number of innovative solutions with a small original population.Finally，a refining design system was established using the standard genetic algorithm.The conceptual schemes were optimized further and the refinement intelligent design process was realized quickly.The case of cartoon face design showed that this method could effectively support innovation design.

product styling；innovative design；cellular genetic algorithm；standard genetic algorithm；design thinking

性表情樣本 Fig.2 The

amples of face

TH 166；TB 472

A

1006-754X（2016）02-0136-07

10.3785/j.issn.1006-754X.2016.02.006

2015-12-06.本刊網址·在線期刊：http：//www.journals.zju.edu.cn/gcsjxb

國家自然科學基金資助項目（51465037）.

蘇建寧（1974—），男，甘肅康樂人，教授，博士，從事工業設計、感性工學、智能化設計等研究，E-mail：sujn@lut.cn. http：//orcid.org/0000-0002-2409-9207