基于確定性信息理論的設(shè)計(jì)認(rèn)知復(fù)雜度計(jì)算方法

徐 江 王修越 王 奕 郭 峰

1.同濟(jì)大學(xué)設(shè)計(jì)創(chuàng)意學(xué)院，上海，2000922.東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院，蘇州，215123

基于確定性信息理論的設(shè)計(jì)認(rèn)知復(fù)雜度計(jì)算方法

徐 江1，2王修越2王 奕2郭 峰2

1.同濟(jì)大學(xué)設(shè)計(jì)創(chuàng)意學(xué)院，上海，2000922.東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院，蘇州，215123

針對(duì)創(chuàng)新設(shè)計(jì)模糊前端的認(rèn)知計(jì)算問(wèn)題，從信息處理研究的角度，借助口語(yǔ)數(shù)據(jù)來(lái)表征團(tuán)隊(duì)設(shè)計(jì)認(rèn)知信息，提出了設(shè)計(jì)認(rèn)知復(fù)雜度分析及計(jì)算方法。從設(shè)計(jì)的過(guò)程、內(nèi)容、團(tuán)隊(duì)和方法四個(gè)方面闡述設(shè)計(jì)認(rèn)知行為的復(fù)雜特性，并以鏈接表結(jié)構(gòu)化表達(dá)設(shè)計(jì)推理的過(guò)程及概念信息，結(jié)合熵信息和確定性信息理論來(lái)描述設(shè)計(jì)認(rèn)知，在新定義的鏈接矩陣的基礎(chǔ)上實(shí)現(xiàn)T-code解析算法分析，對(duì)設(shè)計(jì)認(rèn)知推理的不同階段、概念分布、關(guān)鍵概念等方面開(kāi)展設(shè)計(jì)認(rèn)知的復(fù)雜度、信息量和信息熵研究。以功能背包設(shè)計(jì)為實(shí)例，對(duì)比分析設(shè)計(jì)認(rèn)知斂散過(guò)程與設(shè)計(jì)概念空間的布局特性，驗(yàn)證了此計(jì)算方法的有效性和可行性。

設(shè)計(jì)認(rèn)知；復(fù)雜度；鏈接表；確定性信息理論

0 引言

科技的飛速發(fā)展使得現(xiàn)代機(jī)電產(chǎn)品呈現(xiàn)出復(fù)雜和多領(lǐng)域耦合的特征，其設(shè)計(jì)過(guò)程逐漸演變?yōu)閰f(xié)同的創(chuàng)新行為[1-2]。然而傳統(tǒng)設(shè)計(jì)研究側(cè)重對(duì)經(jīng)驗(yàn)、直覺(jué)、靈感等潛能的挖掘，忽視了設(shè)計(jì)溝通環(huán)境下設(shè)計(jì)信息間的關(guān)系對(duì)創(chuàng)意智慧匯集的重要價(jià)值。在模糊前端階段設(shè)計(jì)過(guò)程方面，通過(guò)深入探索設(shè)計(jì)認(rèn)知過(guò)程中的語(yǔ)義信息能有效地分析復(fù)雜產(chǎn)品的設(shè)計(jì)創(chuàng)新過(guò)程。SIMON[3]最早提出符號(hào)信息加工理論，從問(wèn)題解決角度出發(fā)，將設(shè)計(jì)視為含信息刺激、心智反應(yīng)與概念表達(dá)等階段的信息處理過(guò)程，開(kāi)始以信息處理的方式研究設(shè)計(jì)問(wèn)題。之后，LAWSON[4]通過(guò)語(yǔ)言系統(tǒng)性定位團(tuán)隊(duì)設(shè)計(jì)認(rèn)知核心，證實(shí)了語(yǔ)言作為概念表達(dá)媒介能喚起并提升概念演化的精致性。BOTTA等[5]提出設(shè)計(jì)溝通對(duì)話的轉(zhuǎn)換關(guān)系可從口語(yǔ)認(rèn)知數(shù)據(jù)的層次性分析中得到，并指出子鏈接表可用于識(shí)別設(shè)計(jì)概念的轉(zhuǎn)換位置。魏?jiǎn)吹萚6]將符號(hào)學(xué)與設(shè)計(jì)公理和設(shè)計(jì)過(guò)程結(jié)合，借助工程語(yǔ)義來(lái)完成高層功能描述與底層幾何表示的統(tǒng)一，實(shí)現(xiàn)符號(hào)單元抽象化與形式表達(dá)。對(duì)設(shè)計(jì)問(wèn)題的不斷探究和解構(gòu)，以及對(duì)設(shè)計(jì)問(wèn)題的外在限制和內(nèi)在限制界定使得其復(fù)雜性得以顯化。ZAMENOPOULOS[7]在設(shè)計(jì)認(rèn)知的定性研究中，提出多目標(biāo)性和異構(gòu)性解空間是問(wèn)題難以常規(guī)定義且復(fù)雜化的原因。MODRAK等[8]基于公理設(shè)計(jì)和熵理論提出定制設(shè)計(jì)方案復(fù)雜性的量化方式。國(guó)內(nèi)外專(zhuān)家學(xué)者在設(shè)計(jì)問(wèn)題求解和設(shè)計(jì)認(rèn)知方面開(kāi)展了深入研究，但多集中在認(rèn)知過(guò)程和認(rèn)知狀態(tài)描述層面，關(guān)于如何從設(shè)計(jì)認(rèn)知復(fù)雜結(jié)構(gòu)和狀態(tài)背后挖掘有效設(shè)計(jì)信息的研究較為缺乏，因此還需集成優(yōu)勢(shì)理論，開(kāi)展設(shè)計(jì)認(rèn)知信息的解析研究，從而更深入現(xiàn)代設(shè)計(jì)理論與確定性信息理論的交叉研究。

1 設(shè)計(jì)認(rèn)知復(fù)雜度分析

1.1 設(shè)計(jì)認(rèn)知的口語(yǔ)分析

SIMON[9]把解決設(shè)計(jì)問(wèn)題看成是對(duì)問(wèn)題空間的搜索，進(jìn)而發(fā)展了口語(yǔ)分析(protocolanalysis)方法來(lái)研究設(shè)計(jì)認(rèn)知，通過(guò)設(shè)計(jì)成員口述其短期記憶認(rèn)知過(guò)程與內(nèi)容來(lái)完整記錄設(shè)計(jì)認(rèn)知信息，并通過(guò)將設(shè)計(jì)信息重新編碼、解碼來(lái)客觀分析設(shè)計(jì)認(rèn)知過(guò)程和行為。口語(yǔ)分析法可分為放聲思考法和影音回溯法。一般而言，放聲思考法較多描述動(dòng)作，主要應(yīng)用于設(shè)計(jì)過(guò)程認(rèn)知研究，而影音回溯法可讓設(shè)計(jì)者從設(shè)計(jì)推理的感知、機(jī)能及概念范疇予以細(xì)致描述，宜用于觀察和研究設(shè)計(jì)認(rèn)知內(nèi)容。

1.2 設(shè)計(jì)認(rèn)知的復(fù)雜性描述

復(fù)雜性是設(shè)計(jì)認(rèn)知的重要特性之一，ZAMENOPOULOS[7]在繼承GERO[10]的FBS理論的基礎(chǔ)上，系統(tǒng)地闡述了設(shè)計(jì)認(rèn)知的復(fù)雜性理論，即設(shè)計(jì)復(fù)雜性包括設(shè)計(jì)結(jié)構(gòu)的復(fù)雜性、設(shè)計(jì)功能的復(fù)雜性和設(shè)計(jì)行為的復(fù)雜性?；诖耍疚膹乃膫€(gè)方面來(lái)解析設(shè)計(jì)認(rèn)知的復(fù)雜性(圖1)。

(1)設(shè)計(jì)過(guò)程的復(fù)雜性。設(shè)計(jì)問(wèn)題本身的多目標(biāo)性帶來(lái)了設(shè)計(jì)問(wèn)題難以常規(guī)定義、設(shè)計(jì)解空間異構(gòu)性和多維性、設(shè)計(jì)解的多樣性等諸多復(fù)雜特性。

(2)設(shè)計(jì)內(nèi)容的復(fù)雜性。設(shè)計(jì)認(rèn)知內(nèi)容泛指設(shè)計(jì)的各種文本、草圖、手勢(shì)、表情等多維的數(shù)據(jù)、信息和知識(shí)資源，這些資源在面向轉(zhuǎn)瞬即逝的認(rèn)知?jiǎng)?chuàng)新過(guò)程中，其結(jié)構(gòu)表征、描述粒度和適用情境均大有不同。

(3)設(shè)計(jì)團(tuán)隊(duì)的復(fù)雜性。設(shè)計(jì)團(tuán)隊(duì)擁有復(fù)雜能力或復(fù)雜結(jié)構(gòu)的組織系統(tǒng)，多學(xué)科的團(tuán)隊(duì)組成有利于解決復(fù)雜多變的設(shè)計(jì)問(wèn)題。

(4)設(shè)計(jì)方法的復(fù)雜性。設(shè)計(jì)問(wèn)題的求解要求綜合如直覺(jué)思考、口語(yǔ)分析、進(jìn)化算法、形狀文法、元胞自動(dòng)機(jī)、多代理系統(tǒng)等多種方法研究，以搜尋最優(yōu)設(shè)計(jì)概念，解決多目標(biāo)優(yōu)化問(wèn)題，評(píng)價(jià)不同設(shè)計(jì)方案。

圖1 設(shè)計(jì)認(rèn)知的復(fù)雜性Fig.1 The complexity of design cognition

跨越工程、藝術(shù)和認(rèn)知的設(shè)計(jì)過(guò)程中蘊(yùn)含著豐富的語(yǔ)義概念和數(shù)據(jù)信息，表現(xiàn)出極強(qiáng)的智能性和創(chuàng)造性，同時(shí)也是一個(gè)復(fù)雜的認(rèn)知協(xié)同創(chuàng)新過(guò)程。本文借助信息理論來(lái)設(shè)計(jì)情境中復(fù)雜認(rèn)知的非結(jié)構(gòu)化自然語(yǔ)言數(shù)據(jù)，利用鏈接表時(shí)序形式表征設(shè)計(jì)認(rèn)知推理過(guò)程，結(jié)合確定性信息理論將團(tuán)隊(duì)創(chuàng)意設(shè)計(jì)模糊前端的認(rèn)知概念編碼表征，量化分析設(shè)計(jì)認(rèn)知的復(fù)雜性特性，探索從認(rèn)知的本質(zhì)上深化和拓展創(chuàng)新設(shè)計(jì)理論與方法。

2 基于信息論的設(shè)計(jì)認(rèn)知鏈接表表達(dá)

2.1 鏈接表

鏈接表最早由GOLDSCHMIDT提出，是評(píng)估設(shè)計(jì)師及其團(tuán)隊(duì)設(shè)計(jì)思維水平的有效手段，它在口語(yǔ)分析實(shí)驗(yàn)基礎(chǔ)上，借助口語(yǔ)數(shù)據(jù)來(lái)描述和分析設(shè)計(jì)認(rèn)知推理的時(shí)序結(jié)構(gòu)性關(guān)系[11]。在設(shè)計(jì)過(guò)程中動(dòng)態(tài)演化的概念和意圖均稱為“設(shè)計(jì)節(jié)點(diǎn)(move)”，評(píng)判所有設(shè)計(jì)節(jié)點(diǎn)間相關(guān)與否再標(biāo)定其可否鏈接(link)，凡是可鏈接的設(shè)計(jì)節(jié)點(diǎn)則予以連線，依此建立鏈接表。如圖2所示，鏈接表中粗點(diǎn)符號(hào)代表設(shè)計(jì)節(jié)點(diǎn)，細(xì)點(diǎn)代表相應(yīng)的設(shè)計(jì)鏈接。

圖2 鏈接表Fig.2 Linkography

2.2 設(shè)計(jì)認(rèn)知的確定性信息理論描述

通過(guò)引入確定性信息理論來(lái)深度描述設(shè)計(jì)認(rèn)知過(guò)程，將T-code編碼方法與鏈接表相融合，分析設(shè)計(jì)認(rèn)知機(jī)理及過(guò)程。確定性信息理論最早由TITCHENER[12-13]提出，與香農(nóng)熵理論不同的是，其采用T-code集對(duì)信息單元進(jìn)行編碼，并可用由符號(hào)構(gòu)成的字符串來(lái)表示信息。T-code集假設(shè)字符串由某些集合構(gòu)成，并且計(jì)算出構(gòu)建字符串所需的步數(shù)，從而能更精確地計(jì)算信息源構(gòu)成過(guò)程中的熵。

對(duì)鏈接表節(jié)點(diǎn)間的鏈接關(guān)系編碼時(shí)，用二進(jìn)制字符1表示存在相關(guān)鏈接，0表示無(wú)鏈接關(guān)系，從而可定位到每個(gè)鏈接點(diǎn)。整個(gè)鏈接表可由0和1兩種字符組成的字符串組來(lái)表示，或通過(guò)其逆向鏈接和正向鏈接提取字符串。其逆向鏈接代表其與前面節(jié)點(diǎn)的聯(lián)系，正向鏈接代表其與后續(xù)節(jié)點(diǎn)的聯(lián)系。定義鏈接表L(n,l)(圖3)，其中n表示總節(jié)點(diǎn)數(shù)，l表示鏈接矩陣。對(duì)于任意節(jié)點(diǎn)i，除自身沒(méi)有鏈接外，其逆向鏈接和正向鏈接共同構(gòu)成長(zhǎng)度為n-1的字符串。

圖3 T-code編碼Fig.3 T-code coding

鏈接表中任意節(jié)點(diǎn)i的字符串組成鏈接向量li為

li=(li1,li2，…,lii-1,lii+1,…,lin)

(1)

其中

(j∈[1,n],且j≠i)

由此得到每個(gè)節(jié)點(diǎn)的鏈接向量，將所有節(jié)點(diǎn)鏈接向量以鏈接矩陣L表示：

矩陣中，元素lij(i≠j)表示節(jié)點(diǎn)i與j間的鏈接值，若lij=1則表示有鏈接，若lij=0則表示無(wú)鏈接。當(dāng)i=j時(shí)，無(wú)實(shí)際意義，將矩陣對(duì)角線元素置零處理。

3 基于T-code解析算法的設(shè)計(jì)認(rèn)知復(fù)雜度分析方法

3.1 T-code解析算法

一個(gè)完整的T-code集運(yùn)算包含基本字符串解構(gòu)和字符串?dāng)U展兩類(lèi)算法。T-code字符串分解運(yùn)算為

(2)

其中，a∈S，S為字符串初始元素集；pi為分解模式，i=1,2，…,t；ki為相應(yīng)模式重復(fù)次數(shù)。

解析算法如圖4所示，首先進(jìn)行初始化，對(duì)輸入字符串，X=a1a2…an，ai∈(0,1)，其初始元素集S={0,1}。以S中元素分割字符串可得X=a1,a2,…，an，則a=an。其次，選取倒數(shù)第二個(gè)字符組作為模式pi，計(jì)算模式pi的重復(fù)次數(shù)并賦予ki。再按由左至右的順序分割字符串，每逢一次pi就在其后增加一個(gè)字符組成新字符組，其形

圖4 T-code解析算法Fig.4 T-code analysis algorithm

式為ak…aiai+1，其中ak…ai中每個(gè)小字符串組均等于pi，且ai+1≠pi。迭代以上步驟直至字符串已不可再分，最終輸出分解后的字符串。

3.2 設(shè)計(jì)認(rèn)知復(fù)雜性分析

利用T-code解析算法，得出相應(yīng)參數(shù)并根據(jù)DIT原則進(jìn)行設(shè)計(jì)認(rèn)知的復(fù)雜度指標(biāo)分析，主要包括復(fù)雜度Tc、信息量Ti和熵Te。

Tc的表達(dá)式為

(2)

式中，i為分解次數(shù)；Tc為復(fù)雜度，其值越高表示字符串構(gòu)成越復(fù)雜，即相關(guān)節(jié)點(diǎn)與其他節(jié)點(diǎn)鏈接關(guān)系越復(fù)雜，Tc在信息理論中用taugs作為其單位。

Ti的表達(dá)式為

(3)

其中，信息量Ti在信息理論中規(guī)定的單位為nats。

對(duì)Tc進(jìn)行對(duì)數(shù)積分的逆運(yùn)算,得出信息量大小。通常字符串中字符分布越不規(guī)則，其蘊(yùn)含信息量越大，表明設(shè)計(jì)認(rèn)知推理過(guò)程越復(fù)雜。

Te的表達(dá)式為

Te=Ti/‖x‖

(4)

其中，熵Te的單位為nats/char，‖x‖為字符串長(zhǎng)度。

熵預(yù)示著字符排列模式，熵值越高意味著字符排列的重復(fù)性越低，且預(yù)測(cè)新字符排列模式越難，在設(shè)計(jì)認(rèn)知復(fù)雜性分析上起到重要作用。高熵值波動(dòng)處體現(xiàn)過(guò)渡概念或者轉(zhuǎn)折概念的產(chǎn)生，預(yù)示著概念演化發(fā)展到新階段；而低熵值波動(dòng)處是階段性集聚的概念或潛在新概念。因此熵值的波動(dòng)能有效表征設(shè)計(jì)認(rèn)知過(guò)程的轉(zhuǎn)折概念、新概念、孤立概念的出現(xiàn)。

參數(shù)指標(biāo)從節(jié)點(diǎn)關(guān)系、鏈接分布、節(jié)點(diǎn)發(fā)展模式三個(gè)方面說(shuō)明設(shè)計(jì)認(rèn)知過(guò)程的復(fù)雜性，尤其熵值的表征性更明顯。通過(guò)整體指標(biāo)的對(duì)應(yīng)分析能更均衡地表現(xiàn)出設(shè)計(jì)認(rèn)知推理全局的復(fù)雜程度。

4 實(shí)例研究

4.1 實(shí)驗(yàn)設(shè)計(jì)

針對(duì)概念設(shè)計(jì)前端創(chuàng)意產(chǎn)生復(fù)雜性分析，文中選擇簡(jiǎn)單易控的商務(wù)功能性背包設(shè)計(jì)作為主題任務(wù)開(kāi)展認(rèn)知實(shí)驗(yàn)，以確保在有限的創(chuàng)意設(shè)計(jì)時(shí)間內(nèi)得到有效的結(jié)果。實(shí)驗(yàn)團(tuán)隊(duì)成員選定為有一定設(shè)計(jì)能力和經(jīng)驗(yàn)且彼此熟悉的設(shè)計(jì)專(zhuān)業(yè)研究生。要求團(tuán)隊(duì)成員采用面對(duì)面的語(yǔ)言和草圖溝通形式來(lái)表達(dá)設(shè)計(jì)構(gòu)想、思維及過(guò)程。語(yǔ)言溝通數(shù)據(jù)以錄音和圖片形式予以完整記錄。實(shí)驗(yàn)設(shè)計(jì)構(gòu)想階段時(shí)長(zhǎng)持續(xù)約20 min，成員在認(rèn)知推理過(guò)程中可提出不同設(shè)計(jì)方案，并互相評(píng)估后取最終最優(yōu)方案。

4.2 實(shí)驗(yàn)數(shù)據(jù)處理

實(shí)驗(yàn)部分?jǐn)?shù)據(jù)記錄如表1和表2所示。研究過(guò)程中對(duì)兩個(gè)小組團(tuán)隊(duì)設(shè)計(jì)認(rèn)知口語(yǔ)數(shù)據(jù)進(jìn)行語(yǔ)義分析，并繪制相應(yīng)鏈接表。鏈接表L1如圖5所示，鏈接表L2如圖6所示。

據(jù)設(shè)計(jì)認(rèn)知復(fù)雜度計(jì)算方法，按如下步驟處理實(shí)驗(yàn)數(shù)據(jù)：

(1)編碼。綜合每節(jié)點(diǎn)的正向鏈接和逆向鏈接，對(duì)其進(jìn)行T-code編碼，得兩鏈接表的編碼矩陣L1(30×30)和L2(41×41)。

(2)求解。對(duì)步驟(1)中所得兩矩陣L1(30×30)和L2(41×41)應(yīng)用字符串解析算法，并依DIT理論求解復(fù)雜度指標(biāo)Tc、Ti和Te。其結(jié)果如表3、表4所示。

表1 團(tuán)隊(duì)1語(yǔ)言數(shù)據(jù)

表2 團(tuán)隊(duì)2語(yǔ)言數(shù)據(jù)

(3)對(duì)比。據(jù)上述指標(biāo)值計(jì)算兩團(tuán)隊(duì)各數(shù)據(jù)的最值、平均值和方差(表5)，比較不同團(tuán)隊(duì)設(shè)計(jì)認(rèn)知的復(fù)雜度參數(shù)值(圖7)。再選取Tc復(fù)雜度指標(biāo)，計(jì)算不同認(rèn)知推理階段累計(jì)值，如表6和表7所示。

(4)結(jié)果。據(jù)步驟(2)中所得的相應(yīng)數(shù)據(jù)繪得Tc、Ti和Te的變化圖(圖8)。由圖8中相應(yīng)指標(biāo)的波動(dòng)情況及分布區(qū)間分析其設(shè)計(jì)認(rèn)知復(fù)雜度。

圖5 鏈接表L1Fig.5 Linkography L1

圖6 鏈接表L2Fig.6 Linkography L2

節(jié)點(diǎn)12345…Tc(taugs)9.096.348.256.646.58…Ti(nats)17.6010.4015.2511.1310.99…Te(nats/char)0.610.360.530.380.43…節(jié)點(diǎn)252627282930Tc(taugs)6.236.985.816.345.818.17Ti(nats)10.1511.949.1910.409.1915.04Te(nats/char)0.350.410.320.360.320.52

表4 鏈接表L2的復(fù)雜度指標(biāo)

表5 團(tuán)隊(duì)1和團(tuán)隊(duì)2參數(shù)比較

(a)Tc統(tǒng)計(jì)量 (b)Ti統(tǒng)計(jì)量

(c)Te統(tǒng)計(jì)量圖7 團(tuán)隊(duì)數(shù)據(jù)對(duì)比Fig.7 The comparisons between two teams

累計(jì)次數(shù)12345…Tc(taugs)9.0915.4323.6830.3236.90…Ti(nats)17.6028.0043.2654.3965.37…Te(nats/char)0.610.971.491.882.25…累計(jì)次數(shù)252627282930Tc(taugs)181.74188.71194.52200.86206.67214.84Ti(nats)319.90331.84341.03351.43360.62375.67Te(nats/char)11.0311.4411.7612.1212.4412.95

表7 團(tuán)隊(duì)2參數(shù)累計(jì)值

(a)由L1求解Tc (b)由L2求解Tc

(c)由L1求解Ti (b)由L2求解Ti

(e)由L1求解Te (f)由L2求解Te圖8 參數(shù)結(jié)果Fig.8 The result of complexity parameters

4.3 實(shí)驗(yàn)結(jié)果分析

4.2節(jié)中利用圖表從整體設(shè)計(jì)過(guò)程以及具體設(shè)計(jì)節(jié)點(diǎn)兩方面提取信息，可視化地反映設(shè)計(jì)認(rèn)知過(guò)程復(fù)雜性特征。

鏈接表反映了設(shè)計(jì)認(rèn)知推理過(guò)程的結(jié)構(gòu)，該過(guò)程通常由兩部分構(gòu)成。第一部分是概念發(fā)散階段，主要依照設(shè)計(jì)問(wèn)題要求進(jìn)行聯(lián)想發(fā)散，廣泛聯(lián)想可能方案。第二部分表現(xiàn)為概念演化階段，主要用于延續(xù)主概念，對(duì)主概念深入演化，并著重在產(chǎn)品造型、色彩、材料與使用環(huán)境等細(xì)節(jié)方面進(jìn)行探討，如團(tuán)隊(duì)1在前期提出防水及電腦、錢(qián)包等方便放置等發(fā)散性功能概念，團(tuán)隊(duì)2在概念演化階段探討了背包容積、拉鏈等細(xì)節(jié)問(wèn)題。從概念發(fā)散到概念收斂來(lái)看，團(tuán)隊(duì)1的概念發(fā)散階段較短，但經(jīng)歷了較長(zhǎng)的細(xì)節(jié)處理階段，最后收斂較快，而團(tuán)隊(duì)2經(jīng)歷了多次概念演化階段，最后得到較多階段的收斂空間，這反映出團(tuán)隊(duì)2更為充分和復(fù)雜的設(shè)計(jì)認(rèn)知推理過(guò)程。

復(fù)雜性指標(biāo)反映了兩團(tuán)隊(duì)的整體設(shè)計(jì)過(guò)程發(fā)展?fàn)顩r。鏈接表L1的Tc和Ti平均值分別為7.16、12.52，均低于鏈接表L2的相應(yīng)參數(shù)平均值，說(shuō)明團(tuán)隊(duì)2 經(jīng)歷了更長(zhǎng)時(shí)間更復(fù)雜的認(rèn)知推理思維過(guò)程。但L1的Te值及其方差均高于L2，說(shuō)明團(tuán)隊(duì)1設(shè)計(jì)認(rèn)知推理過(guò)程曲折，連貫性較差，深度演化概念相對(duì)少。

從節(jié)點(diǎn)復(fù)雜性指標(biāo)變化來(lái)看，L1中Te值的波動(dòng)在節(jié)點(diǎn)11處達(dá)到第一個(gè)高峰，結(jié)合表L1(圖5)可知，節(jié)點(diǎn)11擁有較多的正向鏈接數(shù)和逆向鏈接數(shù)，它延續(xù)和繼承之前的概念發(fā)散階段，并推動(dòng)概念收斂，是認(rèn)知推理進(jìn)程的關(guān)鍵節(jié)點(diǎn)。研究發(fā)現(xiàn)節(jié)點(diǎn)11處確定了背包防水問(wèn)題的解決方案，并提出其余物品的放置問(wèn)題，從而引發(fā)后續(xù)的概念深度演化過(guò)程，由此可見(jiàn)其重要性。而表L2中，Te的變化出現(xiàn)多次大幅波動(dòng)，主要分布在節(jié)點(diǎn)12、節(jié)點(diǎn)31和節(jié)點(diǎn)32位置。節(jié)點(diǎn)12同屬于表L2關(guān)鍵節(jié)點(diǎn)，它繼承和推動(dòng)概念的深入演化，而節(jié)點(diǎn)31和節(jié)點(diǎn)32分別對(duì)應(yīng)背包的整體商務(wù)性和安全性問(wèn)題，在收斂的基礎(chǔ)上得到了深度確定商務(wù)背包設(shè)計(jì)的方案。復(fù)雜性指標(biāo)波動(dòng)圖從單個(gè)設(shè)計(jì)節(jié)點(diǎn)入手，從細(xì)節(jié)上定位和識(shí)別設(shè)計(jì)認(rèn)知推理過(guò)程的關(guān)鍵節(jié)點(diǎn)，其對(duì)設(shè)計(jì)概念及過(guò)程的分析有著重要價(jià)值。整體復(fù)雜性參數(shù)分析過(guò)程體現(xiàn)了團(tuán)隊(duì)設(shè)計(jì)認(rèn)知推理的效率，通過(guò)表6和表7的數(shù)據(jù)對(duì)比可知團(tuán)隊(duì)2與團(tuán)隊(duì)1相比，具有設(shè)計(jì)認(rèn)知更深入的推理表現(xiàn)。

5 結(jié)語(yǔ)

本文在設(shè)計(jì)認(rèn)知口語(yǔ)實(shí)驗(yàn)的基礎(chǔ)上，采用鏈接表結(jié)構(gòu)化表征設(shè)計(jì)認(rèn)知空間，結(jié)合確定性信息理論提出一種新的設(shè)計(jì)認(rèn)知復(fù)雜度計(jì)算方法，以復(fù)雜度、信息量和熵等指標(biāo)對(duì)比分析的形式來(lái)深度研究設(shè)計(jì)認(rèn)知推理的過(guò)程及狀態(tài)，捕捉設(shè)計(jì)關(guān)鍵點(diǎn)并定位識(shí)取有價(jià)值的設(shè)計(jì)概念，進(jìn)而跟蹤團(tuán)隊(duì)設(shè)計(jì)認(rèn)知的變化趨勢(shì)，全面系統(tǒng)地研究設(shè)計(jì)認(rèn)知過(guò)程的復(fù)雜特性。在后續(xù)研究工作中將一方面探索利用自然語(yǔ)言理解原理自動(dòng)提取生成鏈接表的新方法，提高分析復(fù)雜設(shè)計(jì)認(rèn)知行為的效率；另一方面，還將結(jié)合設(shè)計(jì)進(jìn)程時(shí)序和設(shè)計(jì)概念空間的二維度并行探究設(shè)計(jì)認(rèn)知推理的基本規(guī)律，為復(fù)雜性科學(xué)研究拓展出新的應(yīng)用領(lǐng)域。

[1] 中國(guó)機(jī)械工程學(xué)會(huì). 中國(guó)機(jī)械工程技術(shù)路線圖[M].北京：中國(guó)科學(xué)技術(shù)出版社, 2011:1-3.ChineseMechanicalEngineeringSociety.TheChineseMechanicalEngineeringRoadmap[M].Beijing：PressofUniversityofScienceandTechnologyofChina, 2011：1-3.

[2] 楊育, 李云云, 李斐，等. 產(chǎn)品協(xié)同創(chuàng)新設(shè)計(jì)任務(wù)分解及資源分配[J]. 重慶大學(xué)學(xué)報(bào), 2014,37(1):31-38.YANGYu,LIYunyun,LIFei,etal.TheTaskDecompositionandResourceAllocationinProductCollaborativeInnovationDesign[J].JournalofChongqingUniversity, 2014,37(1):31-38.

[3]SIMONHA.TheScienceoftheArtificial[M].Cambridge,MA:MITPress, 1969:43-49.

[4]LAWSONB.HowDesignersThink[M].Oxford:ArchitecturalPress, 2006:103-120.

[5]BOTTAD,WOODBURYR.PredictingTopicShiftLocationsinDesignHistories[J].ResearchinEngineeringDesign, 2013, 24(3):245-258.

[6] 魏?jiǎn)? 馮毅雄, 譚建榮，等. 支持公理設(shè)計(jì)的產(chǎn)品符號(hào)語(yǔ)義模型[J].清華大學(xué)學(xué)報(bào), 2007, 47(2):1924-1927.WEIZhe,FENGYixiong,TANJianrong,etal.SymbolSemanticModelSupportingAxiomaticDesign[J].JournalofTsinghuaUniversity, 2007, 47(2)：1924-1927.

[7]ZAMENOPOULOST.DesignOutofComplexity:aMathematicalTheoryofDesignasaUniversalPropertyofOrganization[D].London:UniversityCollegeLondon, 2008.

[8]MODRAKV,BEDNARS.UsingAxiomaticDesignandEntropytoMeasureComplexityinMassCustomization[J].ProcediaCirp, 2015,34(2):87-92.

[9]SIMONDP.InformationProcessingTheoryofHumanProblemSolving[J].HandbookofLearningandCognitiveProcesses, 1978, 5(8):271-295.

[10]GEROJS.DesignPrototypes:aKnowledgeRepresentationSchemaforDesign[J].AIMagazine, 1990, 11(4)：26-36.

[11]GOLDSCHMIDTG,ANATLS.InspiringDesignIdeaswithTexts[J].DesignStudies, 2011, 32(2):139-155.

[12]TITCHENERMR.DeterministicComputationofStringComplexity,InformationandEntropy[C]//IEEEInternationalSymposiumonInformationTheory.Boston, 1998:213-216.

[13]TITCHENERMR,NICOLESCUR,STAIGERL,etal.DeterministicComplexityandEntropy[J].FundamentaInformaticae, 2005, 64(14):443-461.

(編輯 王旻玥)

Complexity Computation Approach of Design Cognition Using Deterministic Information Theory

XU Jiang1,2WANG Xiuyue2WANG Yi2GUO Feng2

1.College of Design and Innovation,Tongji University，Shanghai，200092 2.Southeast University and Monash University Joint Graduate School，Suzhou，Jiangsu,215123

Aiming at the cognition compuatation problems for fuzzy front end of innovation design, the information on design cognition was presented by the oral data and the complexity analysis and computation method were proposed through information processing. Firstly, the complexity of design cognition behaviors from four sides including the process, content, team and approach of design was elaborated. By structurally representing the data and information in the form of linkography, the description on design cognition was made through combination with DIT. Furthermore, the T-code parse algorithm was illustrated on the basis of the definition on the new link-matrix. The analyses of cognition complexity, the information amount and the information entropy were carried out for different stages of design reasoning, the concept distribution and the key concepts. Finally, by taking functional backpack design as an example, the layout characteristics of the design concept and the design processes of convergence and divergence were compared, the effectiveness and feasibility of the method were proved.

design cognition; complexity; linkography; deterministic information theory(DIT)

2016-03-24

國(guó)家自然科學(xué)基金資助項(xiàng)目(51205059,51675382,61672451);中國(guó)工程院重大咨詢項(xiàng)目(2013-ZD-15);教育部中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目(3202004202);江蘇省產(chǎn)學(xué)研聯(lián)合創(chuàng)新資金重大載體建設(shè)項(xiàng)目(BY2011014)

TP391.1

10.3969/j.issn.1004-132X.2017.05.015

徐 江,男，1978年生。同濟(jì)大學(xué)設(shè)計(jì)創(chuàng)意學(xué)院副教授、博士。主要研究方向?yàn)閲?guó)家創(chuàng)新設(shè)計(jì)發(fā)展戰(zhàn)略、設(shè)計(jì)認(rèn)知計(jì)算、情感人機(jī)工程等。E-mail：xujzju@seu.edu.cn。王修越，男，1990年生。東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院碩士研究生。王 奕，男，1991年生。東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院碩士研究生。郭 峰，男，1991年生。東南大學(xué)-蒙納士大學(xué)蘇州聯(lián)合研究生院碩士研究生。