基于進(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)計方法研究

蘇建寧，陳 肖，張書濤，張新新

（蘭州理工大學(xué)設(shè)計藝術(shù)學(xué)院，甘肅蘭州　730050）

基于進(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)計方法研究

蘇建寧，陳 肖，張書濤，張新新

（蘭州理工大學(xué)設(shè)計藝術(shù)學(xué)院，甘肅蘭州730050）

為了滿足用戶多樣化的產(chǎn)品造型需求，模擬設(shè)計師的設(shè)計思維特性，提出了應(yīng)用元胞遺傳算法和標(biāo)準(zhǔn)遺傳算法的產(chǎn)品造型創(chuàng)新設(shè)計新方法.首先收集產(chǎn)品樣本，經(jīng)聚類分析、設(shè)計師聚焦等確定代表性產(chǎn)品樣本，再利用形態(tài)分析法得到產(chǎn)品造型元素并定量描述設(shè)計參數(shù)；其次，以代表性產(chǎn)品樣本為初始種群，應(yīng)用元胞遺傳算法建立產(chǎn)品造型初始設(shè)計系統(tǒng)，實(shí)現(xiàn)了以少量原型生成大量創(chuàng)新性方案的智能設(shè)計進(jìn)程；最后，應(yīng)用標(biāo)準(zhǔn)遺傳算法建立產(chǎn)品造型細(xì)化設(shè)計系統(tǒng)，進(jìn)一步優(yōu)化初始設(shè)計方案，快速實(shí)現(xiàn)方案的細(xì)化智能設(shè)計進(jìn)程.卡通表情造型設(shè)計實(shí)例表明，該方法可為創(chuàng)新設(shè)計提供有效的輔助與支持.

產(chǎn)品造型；創(chuàng)新設(shè)計；元胞遺傳算法；標(biāo)準(zhǔn)遺傳算法；設(shè)計思維

隨著以大數(shù)據(jù)為背景、材料革命為支撐、3D打印與制造為載體的第三次產(chǎn)業(yè)革命的到來，創(chuàng)新設(shè)計提升產(chǎn)品競爭力的關(guān)鍵作用更為突出，且以造型設(shè)計為主的衍生商品顯現(xiàn)出巨大的市場前景.

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

在產(chǎn)品造型創(chuàng)新設(shè)計過程中，初始階段是以發(fā)散思維為主，以設(shè)計點(diǎn)為中心不斷向外擴(kuò)展，尋求可能的各種設(shè)計方案.元胞遺傳算法是以中心元胞為基點(diǎn)，展開較為快速的全局尋優(yōu)，能夠較好地模擬產(chǎn)品創(chuàng)新設(shè)計中的初始設(shè)計思維.在細(xì)化設(shè)計階段，主要以收斂思維為主，充分吸收優(yōu)秀方案的設(shè)計點(diǎn)向著一個方向思考.標(biāo)準(zhǔn)遺傳算法中繼承父代特點(diǎn)的尋優(yōu)過程，能較好地模擬產(chǎn)品創(chuàng)新設(shè)計中的細(xì)化設(shè)計思維.

基于此，本研究提出模擬設(shè)計思維、結(jié)合元胞遺傳算法和標(biāo)準(zhǔn)遺傳算法進(jìn)行產(chǎn)品造型創(chuàng)新設(shè)計的新方法，為計算機(jī)輔助產(chǎn)品創(chuàng)新設(shè)計提供新的思路.

1　產(chǎn)品造型創(chuàng)新設(shè)計過程

產(chǎn)品造型創(chuàng)新設(shè)計的形式之一是在已有產(chǎn)品樣本的基礎(chǔ)上，對造型缺口進(jìn)行創(chuàng)新設(shè)計，其核心過程主要包括前期準(zhǔn)備、初始設(shè)計、細(xì)化設(shè)計三個部分.隨著設(shè)計的深入，各部分逐步分解為目標(biāo)單元，直至創(chuàng)新設(shè)計的完成.

1.1前期準(zhǔn)備

獲取正確的設(shè)計需求是產(chǎn)品造型創(chuàng)新設(shè)計中的一個重要過程［8］，可通過對現(xiàn)有產(chǎn)品的滿意度、信任度等調(diào)查和分析來得到需求集.從系統(tǒng)的角度分析產(chǎn)品，其由不同的設(shè)計特征組成，而設(shè)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(chǎn)品樣本特性的分析，可獲得造型元素集.

1.2初始設(shè)計

初始設(shè)計階段是基于發(fā)現(xiàn)目標(biāo)、構(gòu)思目標(biāo)與執(zhí)行目標(biāo)等知識點(diǎn)，利用頭腦風(fēng)暴法、缺點(diǎn)列舉法、希望點(diǎn)列舉法等將設(shè)計結(jié)果呈現(xiàn)出來，形成初步的設(shè)計方案集.

1.3細(xì)化設(shè)計

細(xì)化設(shè)計階段是從多個設(shè)計方案收斂到最優(yōu)設(shè)計方案的過程.首先依據(jù)用戶需求建立評價原則集，然后以評價原則與設(shè)計方案之間的關(guān)系為約束，確定設(shè)計方向，保留優(yōu)秀的設(shè)計方案，直至形成最終設(shè)計方案.

2　研究流程和方法

本研究以設(shè)計師的設(shè)計認(rèn)知思維為基礎(chǔ)，基于元胞遺傳算法和標(biāo)準(zhǔn)遺傳算法進(jìn)行計算機(jī)輔助產(chǎn)品造型創(chuàng)新設(shè)計，整體研究流程如圖1所示.

2.1設(shè)計分析

依據(jù)用戶的需求，選擇代表性產(chǎn)品樣本，并對造型元素進(jìn)行量化分析.

1）選擇代表性產(chǎn)品樣本.通過網(wǎng)絡(luò)、紙媒（如雜志）、實(shí)地（如商場）調(diào)研以及與消費(fèi)者直接交流等途徑搜集產(chǎn)品樣本圖片，經(jīng)初步篩選，運(yùn)用語意差分法、聚類分析等［9］得到參考性產(chǎn)品樣本.再利用定性分析，根據(jù)不同的設(shè)計需求選出代表性產(chǎn)品樣本集X.

2）量化造型元素.應(yīng)用形態(tài)分析法，得到每個代表性產(chǎn)品樣本的造型元素集，進(jìn)一步量化每個代表性產(chǎn)品樣本的造型元素，并考慮形態(tài)的豐富性，得到造型元素節(jié)點(diǎn)參數(shù)D.代表性產(chǎn)品樣本造型元素集和量化的造型元素節(jié)點(diǎn)參數(shù)D將是計算機(jī)輔助產(chǎn)品造型創(chuàng)新設(shè)計的初始參數(shù).

2.2基于元胞遺傳算法的產(chǎn)品造型初始設(shè)計

元胞遺傳算法（cellular genetic algorithm，CGA）是元胞自動機(jī)與遺傳算法相結(jié)合的一種進(jìn)化計算方法，其使用元胞自動機(jī)的演化規(guī)則來代替遺傳算法中傳統(tǒng)的交叉機(jī)制.元胞自動機(jī)由元胞、元胞空間、鄰居和演化規(guī)則四個最基礎(chǔ)的部分組成：

其中：A表示元胞自動機(jī)；Ld表示元胞空間，d表示元胞空間的維數(shù)；S表示元胞狀態(tài)的集合；N表示元胞的鄰居結(jié)構(gòu)；f表示元胞中心及其鄰居狀態(tài)的局部轉(zhuǎn)換函數(shù).

算法執(zhí)行過程是將進(jìn)化個體映射到拓?fù)浣Y(jié)構(gòu)中，個體間的遺傳操作限制在其相應(yīng)鄰域內(nèi)，依據(jù)一定的更新策略，通過局部個體間的相互作用實(shí)現(xiàn)全局最優(yōu)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(lǐng)域得到應(yīng)用.例如：文獻(xiàn)［10］研究了利用混合元胞遺傳算法解決旅行商的問題；文獻(xiàn)［11］建立了一種新型的混合元胞遺傳算法模型，并應(yīng)用其解決車輛路徑等多目標(biāo)組合優(yōu)化問題；文獻(xiàn)［12］應(yīng)用自適應(yīng)元胞遺傳算法解決探索與開發(fā)之間的適當(dāng)平衡問題；文獻(xiàn)［13］提出了一種差分元胞多目標(biāo)遺傳算法，并運(yùn)用該算法優(yōu)化車間設(shè)備布局.

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

1）初始化.首先，對設(shè)計對象進(jìn)行二進(jìn)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(jié)點(diǎn)參數(shù)D，形成元胞空間Ld.其次，設(shè)定元胞遺傳算法的相關(guān)參數(shù)，如表1所示.在實(shí)際應(yīng)用中，根據(jù)產(chǎn)品造型參數(shù)和鄰居結(jié)構(gòu)等設(shè)定種群大小；依據(jù)用戶和產(chǎn)品造型創(chuàng)新設(shè)計需求設(shè)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(shù)和終止條件等.

圖1　基于進(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)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(shù)Table 1 The parameters of cellular genetic algorithm

將初始化種群映射到網(wǎng)格中，對每一個元胞適應(yīng)度進(jìn)行評估后，進(jìn)行元胞遺傳操作，實(shí)現(xiàn)種群的優(yōu)化.

2）Moore型鄰居結(jié)構(gòu).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(biāo)值；（vix，viy）表示鄰居元胞的行列坐標(biāo)值.當(dāng)四方網(wǎng)格的維數(shù)為d時，中心元胞的鄰居個數(shù)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(jìn)行元胞操作.

4）選擇操作.選擇操作是體現(xiàn)“適者生存”的關(guān)鍵環(huán)節(jié)，在Moore型鄰居結(jié)構(gòu)的網(wǎng)格中，通過適應(yīng)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(zhí)行交叉操作，以產(chǎn)生新的造型元胞.對于第t次遺傳操作產(chǎn)生的2個產(chǎn)品造型基因和，交叉操作過程如下：依據(jù)交叉概率產(chǎn)生的隨機(jī)數(shù)g作為交叉點(diǎn)，將2個產(chǎn)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(chǎn)生新的產(chǎn)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(fā)生改變，形成子代，過程如下：依據(jù)變異概率Pm產(chǎn)生隨機(jī)數(shù)h作為變異點(diǎn)，h點(diǎn)的值由1變?yōu)?，或者由0變?yōu)?，產(chǎn)生新的產(chǎn)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(yīng)的屬性值.

7）替換操作.如果新產(chǎn)生的產(chǎn)品造型優(yōu)于原有造型，則以新的產(chǎn)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(jié)果輸出.解碼并展示新的產(chǎn)品造型，若有滿意的方案，則選擇其為細(xì)化設(shè)計的初始化個體；否則，循環(huán)上述操作，直至得到滿意的初始設(shè)計方案.

2.3基于標(biāo)準(zhǔn)遺傳算法的產(chǎn)品造型細(xì)化設(shè)計

標(biāo)準(zhǔn)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(jìn)化算法.單親遺傳算法［15］是首次遺傳操作在一個個體上進(jìn)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(jìn)化結(jié)果中選擇出一個最能滿足其需求的產(chǎn)品造型，并將其作為單親進(jìn)化的父代，演化出多個子代，再利用標(biāo)準(zhǔn)遺傳算法優(yōu)化出產(chǎn)品造型中的細(xì)節(jié)，其流程如圖1第3階段所示.

1）單親變異.將初始設(shè)計方案作為初始化個體，經(jīng)變異操作產(chǎn)生多個新個體，并與初始化個體合并作為父代進(jìn)行后續(xù)的遺傳操作.

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

3）用戶交互體驗(yàn)評價.對造型元素和節(jié)點(diǎn)參數(shù)進(jìn)行解碼，并可視化產(chǎn)品造型方案.用戶依據(jù)其需求再次進(jìn)行遺傳操作.如此循環(huán)往復(fù)，直至得到滿意的設(shè)計方案，則終止循環(huán)并輸出結(jié)果.

3　實(shí)例研究

本研究以卡通表情造型設(shè)計為例，結(jié)合元胞遺傳算法與標(biāo)準(zhǔn)遺傳算法構(gòu)建產(chǎn)品造型創(chuàng)新設(shè)計系統(tǒng)，為其衍生品設(shè)計提供豐富的產(chǎn)品形態(tài).

1）初始化.通過多種途徑搜集表情樣本圖片50幅，經(jīng)語意差分法問卷調(diào)查和聚類分析確定16個參考性表情樣本，如圖2所示.應(yīng)用形態(tài)分析法，得到其關(guān)鍵特征為臉型、眼睛與嘴巴，如圖3所示.在本實(shí)例中，經(jīng)重新設(shè)計，選擇如圖4所示的4個為代表性樣本進(jìn)行產(chǎn)品創(chuàng)新設(shè)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(shè)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(diǎn)到底邊的距離，取值范圍為［5，36］；b表示最高點(diǎn)到頂邊的距離，取值范圍為［8，49］.則控制點(diǎn)1的坐標(biāo)為（0.5x1-c+0.5k1，0），點(diǎn)2的坐標(biāo)為（0.5x1+ 0.5k1，c），點(diǎn)3的坐標(biāo)為（0.5x1+0.5k1，x1-c+ 0.5b），點(diǎn)4的坐標(biāo)為（0.5x1-c+0.5k1，x1+0.5b），點(diǎn)5的坐標(biāo)為（0.005k1x1，0.01k2x1），點(diǎn)6的坐標(biāo)為（0.2x1，x1-b），點(diǎn)7的坐標(biāo)為（0.4x1-0.005k1x1，0.01k2x1），點(diǎn)8的坐標(biāo)為（0，dl+0.014k1x1），點(diǎn)9的坐標(biāo)為（0，dl），點(diǎn)10的坐標(biāo)為（0.01k1x1，dl+ 0.004k1x1），因此用6個參數(shù)就可確定10個控制點(diǎn)的坐標(biāo)，每個參數(shù)采用七位二進(jìn)制進(jìn)行編碼.

3）建立基于元胞遺傳算法的卡通表情造型初始設(shè)計系統(tǒng).運(yùn)用MATLAB開發(fā)進(jìn)化設(shè)計系統(tǒng)，界面如圖6所示，操作過程如下：第1步，點(diǎn)擊“數(shù)據(jù)輸入”按鈕，調(diào)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(shè)置參數(shù)，如交叉概率為0.8，變異概率為0.3，進(jìn)化代數(shù)為20，輸出個數(shù)為36；第3步，點(diǎn)擊“開始”按鈕，進(jìn)行元胞操作，將初始化種群映射到規(guī)則的四方網(wǎng)格中，基于四方網(wǎng)格定義元胞的鄰居，并規(guī)定每個元胞僅能與其鄰居相互作用，依據(jù)更新策略掃描網(wǎng)格中的元胞，使其進(jìn)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(xiàn)的結(jié)果中選擇滿意的設(shè)計方案，若無，則點(diǎn)擊“下一頁”按鈕，若依舊沒有滿意的設(shè)計方案，則重新點(diǎn)擊“開始”按鈕，若有滿意的方案，點(diǎn)擊“數(shù)據(jù)輸出”按鈕，輸出設(shè)計結(jié)果.

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

4）建立基于標(biāo)準(zhǔn)遺傳算法的卡通表情造型細(xì)化設(shè)計系統(tǒng).從初始設(shè)計的結(jié)果中選擇一個最能體現(xiàn)其要求的樣本作為父代，進(jìn)入如圖7所示的細(xì)化設(shè)計系統(tǒng).操作過程如下：第1步，點(diǎn)擊“數(shù)據(jù)輸入”按鈕，調(diào)入初始設(shè)計結(jié)果；第2步，設(shè)定變異概率為0.3，進(jìn)化代數(shù)為20，輸出個數(shù)為9，點(diǎn)擊“單親操作”按鈕，進(jìn)行單親遺傳操作產(chǎn)生新個體，再與初始化個體合并作為父代進(jìn)行后續(xù)的遺傳操作；第3步，設(shè)定變異概率為0.3，交叉概率為0.8，進(jìn)化代數(shù)為20，輸出個數(shù)為9，點(diǎn)擊“遺傳操作”按鈕，進(jìn)行遺傳操作產(chǎn)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(shè)定變異概率為0.27，交叉概率為0.83，進(jìn)行遺傳操作，如此逐步減小變異概率，增大交叉概率，進(jìn)一步優(yōu)化種群；第5步，從呈現(xiàn)的結(jié)果中選擇滿意的設(shè)計方案，若無滿意的設(shè)計方案，返回至第1步重新開始，若有滿意的方案，點(diǎn)擊“數(shù)據(jù)輸出”按鈕，輸出最終設(shè)計結(jié)果.

5）實(shí)例應(yīng)用.本實(shí)例成果應(yīng)用于卡通表情衍生品的意象造型創(chuàng)新設(shè)計，圖8所示為設(shè)計的便利貼，可貼在字典、筆記本、茶杯和課桌等.經(jīng)用戶使用調(diào)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(shè)計系統(tǒng)Fig.6 The initial design system of cartoon face styling based on cellular genetic algorithm

圖7　基于標(biāo)準(zhǔn)遺傳算法的卡通表情造型細(xì)化設(shè)計系統(tǒng)Fig.7 The refining design system of cartoon face styling based on standard genetic algorithm

圖8　實(shí)例應(yīng)用Fig.8 Application examples

4　結(jié) 論

依據(jù)設(shè)計思維，提出了基于元胞遺傳算法和標(biāo)準(zhǔn)遺傳算法的產(chǎn)品造型創(chuàng)新設(shè)計方法，并以卡通表情造型設(shè)計為例進(jìn)行了驗(yàn)證，結(jié)果表明該方法具有良好的創(chuàng)新性和實(shí)用性.

1）在產(chǎn)品造型初始設(shè)計階段主要以發(fā)散思維為主，應(yīng)用元胞遺傳算法以中心元胞為基點(diǎn)進(jìn)行全局尋優(yōu)的特性，建立進(jìn)化設(shè)計系統(tǒng)，能較好地模擬該階段設(shè)計思維，可實(shí)現(xiàn)以少量原型生成大量創(chuàng)新設(shè)計初始方案.

2）在產(chǎn)品造型細(xì)化設(shè)計階段主要以收斂思維為主，應(yīng)用標(biāo)準(zhǔn)遺傳算法繼承父代特點(diǎn)尋優(yōu)的特性，建立進(jìn)化設(shè)計系統(tǒng)，可快速生成滿意的細(xì)化設(shè)計方案.

3）開發(fā)的卡通表情造型創(chuàng)新設(shè)計系統(tǒng)具有一定的實(shí)用價值，可推廣應(yīng)用于多個領(lǐng)域.

4）本研究為建立實(shí)用的計算機(jī)輔助產(chǎn)品造型創(chuàng)新系統(tǒng)奠定了一定的理論基礎(chǔ).未來將綜合考慮加入相關(guān)約束機(jī)制，使其與相關(guān)進(jìn)化機(jī)制相結(jié)合，建立不同主體需求的產(chǎn)品造型創(chuàng)新設(shè)計系統(tǒng).

［1］萬延見，李彥，李文強(qiáng)，等.基于認(rèn)知多方法集成式產(chǎn)品創(chuàng)新設(shè)計策略及實(shí)現(xiàn)［J］.計算機(jī)集成制造系統(tǒng)，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(chuàng)新設(shè)計的進(jìn)化計算方法［J］.計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)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(chǎn)品概念設(shè)計技術(shù)研究［J］.計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)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(chǎn)品多意象造型進(jìn)化設(shè)計［J］.計算機(jī)集成制造系統(tǒng)，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(yùn)用遺傳算法的產(chǎn)品造型設(shè)計方案優(yōu)化方法［J］.現(xiàn)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(xié)同進(jìn)化算法的可調(diào)節(jié)產(chǎn)品族優(yōu)化設(shè)計［J］.計算機(jī)集成制造系統(tǒng)，2008，14（8）：1457-1465.

LI Zhong-kai，TAN Jian-rong，F(xiàn)ENG 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(dá)，等.設(shè)計意圖捕捉與參數(shù)化設(shè)計集成研究［J］.計算機(jī)集成制造系統(tǒng)，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(yīng)放天，等.產(chǎn)品設(shè)計中的用戶隱性知識研究現(xiàn)狀與進(jìn)展［J］.計算機(jī)集成制造系統(tǒng)，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(biāo)遺傳算法的車間布局優(yōu)化［J］.計算機(jī)集成制造系統(tǒng)，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(xué)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(wǎng)址·在線期刊：http：//www.journals.zju.edu.cn/gcsjxb

國家自然科學(xué)基金資助項(xiàng)目（51465037）.

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