導(dǎo)語(yǔ)：遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)的運(yùn)用一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：虛擬現(xiàn)實(shí)環(huán)境下工業(yè)產(chǎn)品造型設(shè)計(jì)方向種類繁雜且多由人為操作，得到全局最優(yōu)設(shè)計(jì)結(jié)果的速度不佳，因此，提出在虛擬現(xiàn)實(shí)環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中的運(yùn)用。通過(guò)層次化產(chǎn)品造型結(jié)構(gòu)設(shè)計(jì)產(chǎn)品造型基因編碼，利用適應(yīng)度函數(shù)對(duì)個(gè)體進(jìn)行適應(yīng)值評(píng)價(jià)，確定編碼個(gè)體適應(yīng)度；由遺傳算子支撐產(chǎn)品造型設(shè)計(jì)方案的進(jìn)化，滿足人工參與條件后在虛擬現(xiàn)實(shí)環(huán)境下由人工評(píng)估設(shè)計(jì)方案，直至產(chǎn)生用戶滿意的方案。實(shí)驗(yàn)結(jié)果顯示，在相同條件下，基于遺傳算法生成的工業(yè)產(chǎn)品造型設(shè)計(jì)結(jié)果較常規(guī)方法生成的設(shè)計(jì)結(jié)果少迭代410次，即可精確收斂到全局最優(yōu)設(shè)計(jì)結(jié)果，表明虛擬現(xiàn)實(shí)環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中收斂到全局最優(yōu)結(jié)果速度更快，效果更佳。

關(guān)鍵詞：虛擬現(xiàn)實(shí)；遺傳算法；遺傳編碼；適應(yīng)度函數(shù)；工業(yè)設(shè)計(jì)；產(chǎn)品造型設(shè)計(jì)

隨著科技快速發(fā)展，消費(fèi)者對(duì)產(chǎn)品造型和功效的要求越來(lái)越高，不僅注重產(chǎn)品的使用功能，更追求視覺(jué)感官上的享受。為了響應(yīng)快速發(fā)展的市場(chǎng)需求，利用虛擬現(xiàn)實(shí)技術(shù)輔助設(shè)計(jì)師完成產(chǎn)品造型設(shè)計(jì)是十分必要的。在傳統(tǒng)產(chǎn)品造型設(shè)計(jì)過(guò)程中，主要是從產(chǎn)品功能出發(fā)，以提高產(chǎn)品表象形式為目的對(duì)其進(jìn)行設(shè)計(jì)，包含產(chǎn)品的形態(tài)設(shè)計(jì)、產(chǎn)品的色彩設(shè)計(jì)、產(chǎn)品造型的質(zhì)感等設(shè)計(jì)方面[1]。設(shè)計(jì)師需要首先以用戶的需求為設(shè)計(jì)方向，利用自身設(shè)計(jì)經(jīng)驗(yàn)分析產(chǎn)品的原理及性能，并設(shè)計(jì)出對(duì)應(yīng)產(chǎn)品的基本結(jié)構(gòu)、功能和形態(tài)等造型設(shè)計(jì)元素，主要依靠設(shè)計(jì)師的個(gè)人能力。單純由設(shè)計(jì)師完成，難以保證設(shè)計(jì)工作的效率，無(wú)法滿足產(chǎn)品造型設(shè)計(jì)快速開(kāi)發(fā)設(shè)計(jì)的要求。因此，利用遺傳算法的高度并行、自適應(yīng)性優(yōu)勢(shì)，對(duì)工業(yè)產(chǎn)品造型設(shè)計(jì)求解[2⁃3]。為了更好地結(jié)合用戶需求偏好和設(shè)計(jì)師的經(jīng)驗(yàn)，同時(shí)避免設(shè)計(jì)師的主觀看法以及用戶參與評(píng)估的過(guò)程較多，將虛擬現(xiàn)實(shí)和遺傳算法相結(jié)合，通過(guò)交互式手段利用人工評(píng)估進(jìn)行調(diào)整，以人工評(píng)估的方式替代遺傳算法中的適應(yīng)度值，得到結(jié)果最優(yōu)解，既可以減少用戶工作量，又可以提高產(chǎn)品造型設(shè)計(jì)結(jié)果的收斂速度。

1遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中的運(yùn)用

遺傳算法可以同時(shí)處理多個(gè)設(shè)計(jì)目標(biāo)，在一個(gè)工業(yè)產(chǎn)品造型設(shè)計(jì)過(guò)程中得到多個(gè)滿意的產(chǎn)品造型設(shè)計(jì)結(jié)果。遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中的運(yùn)用是以進(jìn)化論和遺傳學(xué)說(shuō)為基礎(chǔ)，對(duì)產(chǎn)品造型中的每個(gè)個(gè)體設(shè)計(jì)要素進(jìn)行編碼，再通過(guò)選擇、交叉、變異算子進(jìn)行基因的排列組合，直到生成滿意的新個(gè)體。在進(jìn)化過(guò)程滿足一定條件后，進(jìn)入人工評(píng)估階段進(jìn)行方案調(diào)整，若輸出結(jié)果不是最優(yōu)的，再進(jìn)入計(jì)算機(jī)運(yùn)行自然階段，形成一個(gè)循環(huán)，直至生成最優(yōu)設(shè)計(jì)方案[4]。由于計(jì)算機(jī)可以同時(shí)進(jìn)行多個(gè)目標(biāo)的并行搜索，因此，能提高產(chǎn)品造型的設(shè)計(jì)效率。基于遺傳算法的工業(yè)產(chǎn)品造型設(shè)計(jì)流程如圖1所示。1.1設(shè)計(jì)產(chǎn)品造型基因編碼。在遺傳算法運(yùn)行中，使用浮點(diǎn)編碼方式將實(shí)際可行解變量轉(zhuǎn)變?yōu)閭€(gè)體編碼，能夠在確定規(guī)模的種群中表示更多的模式[5]。在初始種群中，產(chǎn)品形態(tài)、顏色等都可以表示成具體的層次結(jié)構(gòu)數(shù)據(jù)，每一個(gè)功能單元均對(duì)應(yīng)一個(gè)結(jié)構(gòu)特征參數(shù)，每一個(gè)染色體均包含一系列特征參數(shù)集合。將可行解從解空間轉(zhuǎn)換到搜索空間中，通過(guò)這種層次結(jié)構(gòu)將特征浮點(diǎn)參數(shù)編碼進(jìn)產(chǎn)品個(gè)體中。用層次化染色體結(jié)構(gòu)表示產(chǎn)品造型元素，如圖2所示。產(chǎn)品染色體的基因位為功能單元染色體，功能單元的染色體基因位是特征參數(shù)的染色體，功能特征參數(shù)由浮點(diǎn)值定義[6]。設(shè)定每一個(gè)產(chǎn)品造型設(shè)計(jì)元素的參數(shù)編碼包括功能單元的名稱、數(shù)量、形狀特征、幾何大小、產(chǎn)品顏色等。部分產(chǎn)品造型設(shè)計(jì)編碼參數(shù)數(shù)據(jù)類型如表1所示。在將編碼參數(shù)導(dǎo)入計(jì)算機(jī)輔助軟件之前，設(shè)計(jì)師需要從市場(chǎng)及概念設(shè)計(jì)中提取需要數(shù)據(jù)，按照上述層次結(jié)構(gòu)進(jìn)行數(shù)據(jù)的編碼。不同產(chǎn)品對(duì)應(yīng)的特征參數(shù)均不相同，這種差異化會(huì)影響遺傳算法獲得有效解[7⁃9]。因此，將編碼數(shù)據(jù)的浮點(diǎn)值強(qiáng)制映射在相同有效范圍區(qū)間內(nèi)，使得每個(gè)對(duì)應(yīng)基因位均在[0，1]范圍，解決參數(shù)在不同范圍上的問(wèn)題。1.2確定編碼個(gè)體適應(yīng)度。在非人工評(píng)估階段，也就是自然階段，由目標(biāo)函數(shù)變換得到適應(yīng)度函數(shù)，對(duì)個(gè)體進(jìn)行適應(yīng)值評(píng)價(jià)。適應(yīng)度函數(shù)為：F(x)={Cmax-f(x),f(x)<Cmax0,f(x)≥Cmax（1）式中：F(x)為適應(yīng)度函數(shù)；f(x)為目標(biāo)函數(shù)；Cmax為一個(gè)預(yù)設(shè)的相對(duì)較大的正數(shù)，以保證大多數(shù)解為正。設(shè)定種群平均適應(yīng)度值為FA。產(chǎn)品造型設(shè)計(jì)是一個(gè)多目標(biāo)尋優(yōu)的過(guò)程，實(shí)際過(guò)程中包含多種特征參數(shù)，對(duì)應(yīng)產(chǎn)品不同狀態(tài)。使用形態(tài)語(yǔ)義加權(quán)方法，根據(jù)設(shè)計(jì)元素在設(shè)計(jì)方案中的重要程度設(shè)定合適權(quán)重值，將用戶語(yǔ)義與產(chǎn)品特征描述對(duì)應(yīng)聯(lián)系起來(lái)，反映設(shè)計(jì)個(gè)體在多方面的優(yōu)劣程度[10⁃11]。對(duì)每一個(gè)設(shè)計(jì)元素進(jìn)行調(diào)查，對(duì)調(diào)查結(jié)果取算術(shù)平均值，得到人工評(píng)估適應(yīng)度值FE。隨機(jī)生成N個(gè)個(gè)體字符串，其中，N個(gè)個(gè)體作為初始種群大小，初始進(jìn)化代數(shù)為gen，最大非人工進(jìn)化代數(shù)為GEN。1.3產(chǎn)品造型設(shè)計(jì)方案進(jìn)化。產(chǎn)品造型設(shè)計(jì)方案的進(jìn)化由三種遺傳算子支撐。從初始種群開(kāi)始迭代，獲得最初種群平均適應(yīng)度后，選擇適應(yīng)度較高的個(gè)體兩兩配對(duì)，再經(jīng)過(guò)遺傳運(yùn)算中的交叉、變異運(yùn)算再生，得到新個(gè)體放入新種群中，重復(fù)此過(guò)程，直至新種群生成，在每一代運(yùn)算后生成的新種群將替代舊種群[10]。交叉運(yùn)算是在交叉概率Pc控制下，隨機(jī)選擇上一代種群中的兩個(gè)個(gè)體進(jìn)行交叉，由兩個(gè)個(gè)體中適應(yīng)度值較高的個(gè)體提供更多基因。變異運(yùn)算首先設(shè)定初始變異概率Pm，Pm∈[0,1]。產(chǎn)生下一代種群后，比較兩代種群中最優(yōu)個(gè)體的適應(yīng)度值，新種群最優(yōu)個(gè)體小于舊種群最優(yōu)個(gè)體適應(yīng)度值時(shí)，將初始變異概率Pm增加0.05，否則，減少0.05，但始終保持變異概率在初始變異概率值與1之間。為保證將適應(yīng)度值最好的個(gè)體保留到下一代種群中，用當(dāng)前種群中適應(yīng)度值最高的個(gè)體直接替代經(jīng)交叉和變異遺傳操作后產(chǎn)生的適應(yīng)度值最低個(gè)體[12⁃13]。同時(shí)，如果上一代種群中的最優(yōu)個(gè)體的適應(yīng)度值高于當(dāng)前種群中最優(yōu)個(gè)體的適應(yīng)度值，即用上一代種群中的最優(yōu)個(gè)體代替當(dāng)前種群中的適應(yīng)度值最低個(gè)體。當(dāng)算法運(yùn)行生成新的產(chǎn)品造型設(shè)計(jì)方案，同時(shí)滿足人工參與條件后，解碼進(jìn)入虛擬現(xiàn)實(shí)環(huán)境下參與人工評(píng)估階段。1.4虛擬現(xiàn)實(shí)環(huán)境下人工評(píng)估設(shè)計(jì)方案。虛擬現(xiàn)實(shí)環(huán)境下人工評(píng)估階段，主要是借助虛擬現(xiàn)實(shí)技術(shù)，由計(jì)算機(jī)主機(jī)進(jìn)行控制，通過(guò)四維形式將儲(chǔ)存在知識(shí)庫(kù)和數(shù)據(jù)庫(kù)的算法內(nèi)容展現(xiàn)在虛擬場(chǎng)景中[14]，輸出最終設(shè)計(jì)結(jié)果方案、圖紙或造型給客戶。虛擬現(xiàn)實(shí)設(shè)計(jì)結(jié)果輸出流程如圖3所示。圖3虛擬現(xiàn)實(shí)設(shè)計(jì)結(jié)果輸出流程由人工評(píng)價(jià)是否生成了最優(yōu)方案。設(shè)定設(shè)計(jì)產(chǎn)品評(píng)價(jià)目標(biāo)為u=(u1,u2,⋯,un)，對(duì)應(yīng)權(quán)重分別為qi，用矩陣表示為Q=(q1,q2,⋯,qn)，對(duì)產(chǎn)品各評(píng)價(jià)目標(biāo)進(jìn)行評(píng)分：（2）如果在人工評(píng)估階段產(chǎn)生了用戶滿意的方案，那么停止算法運(yùn)行，否則，轉(zhuǎn)入自然階段繼續(xù)運(yùn)行，并且剔除不符合設(shè)計(jì)要求的方案。至此完成虛擬現(xiàn)實(shí)環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中的運(yùn)用設(shè)計(jì)。

2仿真實(shí)驗(yàn)

設(shè)計(jì)模擬仿真實(shí)驗(yàn)，對(duì)比在虛擬現(xiàn)實(shí)環(huán)境下，利用遺傳算法生成最優(yōu)工業(yè)產(chǎn)品造型設(shè)計(jì)結(jié)果的收斂速度以及常規(guī)虛擬現(xiàn)實(shí)環(huán)境下生成設(shè)計(jì)結(jié)果的收斂速度。2.1實(shí)驗(yàn)準(zhǔn)備及運(yùn)行參數(shù)設(shè)定使用Matlab軟件的GlobalOptimizationToolbox優(yōu)化工具箱，將算法運(yùn)行在原有建模系統(tǒng)[15]中。根據(jù)設(shè)計(jì)師的經(jīng)驗(yàn)預(yù)先設(shè)定遺傳算法中的運(yùn)行參數(shù)值，其中，包括最大/最小種群數(shù)、傳迭代數(shù)范圍、交叉概率以及變異概率等參數(shù)。遺傳算法類型選擇最優(yōu)保存策略及精英策略。遺傳算法所需部分運(yùn)行參數(shù)如表2所示。2.2實(shí)驗(yàn)結(jié)果以迭代次數(shù)為橫軸，系統(tǒng)運(yùn)行時(shí)間為縱軸，繪制算法收斂曲線如圖4所示。2020年第43卷由圖4可知，常規(guī)生成最優(yōu)工業(yè)產(chǎn)品造型設(shè)計(jì)結(jié)果的收斂速度大約要經(jīng)過(guò)700次迭代，而基于遺傳算法的工業(yè)產(chǎn)品造型設(shè)計(jì)在迭代到290次時(shí)精確收斂到全局最優(yōu)解。結(jié)果表明，在相同條件下基于遺傳算法生成的工業(yè)產(chǎn)品造型設(shè)計(jì)結(jié)果的收斂速度更快，能更快速地收斂到全局最優(yōu)解，提高了設(shè)計(jì)效率。

3結(jié)語(yǔ)

結(jié)合虛擬現(xiàn)實(shí)和遺傳算法技術(shù)，在虛擬現(xiàn)實(shí)環(huán)境下執(zhí)行人工評(píng)估階段。用戶可以更直觀、方便地觀察到設(shè)計(jì)結(jié)果，同時(shí)，設(shè)計(jì)師也可以發(fā)揮主觀經(jīng)驗(yàn)的積極作用，彌補(bǔ)常規(guī)設(shè)計(jì)方法的不足。由計(jì)算機(jī)自動(dòng)完成設(shè)計(jì)方案的進(jìn)化過(guò)程，發(fā)揮遺傳算法全局搜索能力強(qiáng)的優(yōu)勢(shì)，向全局最優(yōu)解逼近。另外，因?yàn)槿斯ぴu(píng)估階段是在滿足一定條件后進(jìn)行的，若未生成人工滿意結(jié)果，則再轉(zhuǎn)入計(jì)算機(jī)自然階段繼續(xù)運(yùn)行，所以遺傳算法的絕大部分迭代過(guò)程均是計(jì)算機(jī)自動(dòng)完成的，可以有效減少人工參與次數(shù)，減輕用戶工作量，從而避免迭代次數(shù)限制。加上人工評(píng)估過(guò)程是在虛擬現(xiàn)實(shí)環(huán)境下進(jìn)行的，易于用戶操作并且進(jìn)一步減輕了用戶工作量，完成了虛擬現(xiàn)實(shí)環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設(shè)計(jì)中的運(yùn)用。

作者:李寅 單位:阿壩師范學(xué)院