基于基因分類交互式遺傳算法的品牌意象研究

蘇 晨，周?，摚?劍，彭 魏

(湖北工業(yè)大學 工業(yè)設(shè)計學院，湖北 武漢 430068)

品牌意象是品牌各屬性與消費者在長期交匯過程中使消費者產(chǎn)生的品牌綜合印象，是目標消費人群對該品牌形成的共性認知[1]。通過品牌產(chǎn)品表現(xiàn)出的一致性，可以使消費者產(chǎn)生對它的信任和承諾，從而影響其未來行為，并產(chǎn)生更高的推薦和口碑[2]。隨著物質(zhì)生活水平的不斷提升，市場對于機電設(shè)備的關(guān)注點從高性能、高效率、低成本延伸到追求產(chǎn)品品牌所帶來的個性服務(wù)與新體驗[3]。因此要提高消費者對品牌的忠誠度，提升品牌產(chǎn)品的商業(yè)價值，首先需要考慮提升品牌形象[4]。朱煒等[5]結(jié)合消費者品牌意象認知和形態(tài)特征建立了映射模型，使品牌形象的傳播具有可靠性?？律栖姷萚6]通過創(chuàng)建品牌意象評價是非和等級矩陣，篩選特征造型構(gòu)建品牌識別性更強的品牌形象。張云帆等[1]構(gòu)建可量化指標層，對品牌形象的隱性基因進行提取和延續(xù)。以上文獻主要是從企業(yè)自身品牌意象出發(fā)，優(yōu)化品牌意象與產(chǎn)品造型之間的聯(lián)系，并取得較多的成果，但在行業(yè)發(fā)展的新形勢下也存在著一些不足。1) 當前相關(guān)設(shè)計研究注重對自身品牌優(yōu)勢的發(fā)展，缺少對目標消費者期望的品牌意象研究。2) 設(shè)計者對于品牌意象的研究更多的是對企業(yè)形象和產(chǎn)品造型的體系研究，缺少從企業(yè)形象及其產(chǎn)品識別角度的動態(tài)分析。

交互式遺傳算法(interactive genetic algorithm,IGA)是一種適用處理具有隱性或模糊評價指標的優(yōu)化問題的常用方法[7]。在面對與情緒、體驗、偏好等有關(guān)的決策問題時，交互式遺傳算法不僅能增大設(shè)計廣度，拓寬方案的多樣性，還能使設(shè)計者不再局限于自身設(shè)計經(jīng)驗與品牌產(chǎn)品現(xiàn)有產(chǎn)品意象。朱天燕等[8]基于形狀文法和交互式遺傳算法提出一種產(chǎn)品形態(tài)推演方法，在產(chǎn)品造型風格連續(xù)性和創(chuàng)新性之間取得了動態(tài)平衡。唐路明等[9]針對軌道列車造型的特征，設(shè)計三線造型編碼方法，實現(xiàn)造型方案的批量化快速生成與優(yōu)化。但由于IGA是一種低效率的算法，在工業(yè)設(shè)計領(lǐng)域運用，較多的設(shè)計要素會加大人工適應度評價的工作量，在重組過程中也會產(chǎn)出部分無效方案，影響項目周期。

針對以上問題，本文運用感性工學分析用戶對目標產(chǎn)品的感性認知，建立感性評價矩陣，通過各重要設(shè)計要素的貢獻度大小進行歸納和分類，獲得感性要素集合；建立和運用基因分類交互式遺傳算法對集合進行編碼、重組；獲取符合感性評價值區(qū)間的重組編碼進行解碼，以達到對機電設(shè)備品牌意象的優(yōu)化和產(chǎn)品造型設(shè)計的創(chuàng)新的目的。

1 機電設(shè)備的品牌意象

表1 品牌代表性造型和品牌形象Table 1 Brand representative modeling and brand image

1.1 品牌意象詞匯提取

機電設(shè)備屬于專業(yè)化產(chǎn)品，其用戶群體專業(yè)程度較高，相關(guān)的調(diào)研結(jié)果也更加具有可信度。從機電設(shè)備企業(yè)、市場和工廠中選出50名調(diào)研對象作為評審群體，從表1品牌設(shè)備詳情頁、品牌形象宣傳網(wǎng)頁及產(chǎn)品相關(guān)介紹中收集60個品牌意象詞匯，在評審群體觀察表1圖片后，選出較滿意的并累計各詞匯的選取次數(shù)，得出占總次數(shù)75%的感性詞匯15個，見表2。

表2 篩選后的品牌意象詞匯Table 2 Selected brand image words

再邀請相關(guān)專家對感性詞匯進行審查，剔除掉不具有普適性的詞匯后，最終選定的品牌意象詞匯為G7現(xiàn)代的、G14科技的、G3穩(wěn)重的、G5簡約的。

1.2 重要設(shè)計要素的提取和歸納

筆者歸納機電設(shè)備造型設(shè)計的10 種設(shè)計要素，優(yōu)先挑選主要視線落點和人機交互區(qū)域，數(shù)量不限。獲得 50 份有效問卷后，利用帕累托圖得出占總選取次數(shù)80%的5個重要設(shè)計要素：外罩、門、窗、把手和品牌形象，分別編號為A1、A2、A3、A4、A5。

機電設(shè)備造型設(shè)計受鈑金加工工藝影響，從鈑金加工的角度可將設(shè)備的形態(tài)特征歸納為平板特征與彎曲特征，一般應用于設(shè)備的護罩[11]。從構(gòu)成要素的角度分析，基于線構(gòu)成要素的機電設(shè)備側(cè)面形態(tài)類型可分為曲線型、直線型與折線型。從面構(gòu)成要素的縱橫交錯處的形態(tài)類型分類，又分為圓角、直角及不規(guī)則角度。色彩的選擇與企業(yè)文化背景和產(chǎn)品定位有關(guān)，分為涂裝和形態(tài)與線條。考慮到操作者的體驗感和操作性，除了直線型和曲線型的形態(tài)要素，把手設(shè)計常運用自然仿生形態(tài)提升操作者的易用性和舒適度。為了將品牌產(chǎn)品重要設(shè)計要素進行有效的遺傳和優(yōu)化，歸納出各重要設(shè)計要素的形態(tài)類型，即設(shè)計類目，用Blm表示第l種重要設(shè)計要素的第m個設(shè)計類目，具體見表3。

表3 重要設(shè)計要素及設(shè)計類目Table 3 Important design elements and design categories

1.3 感性評價矩陣的建立

設(shè)備造型設(shè)計一般根據(jù)設(shè)計師的經(jīng)驗、客戶要求和用戶的物理需求進行設(shè)計，因此對消費者的品牌意象并沒有系統(tǒng)的評判方法評價設(shè)計是否符合消費者期望[12]。運用SPSS軟件計算品牌意象詞匯與設(shè)計要素、設(shè)計要素與設(shè)計類目的數(shù)量化關(guān)系，再應用數(shù)量化理論I構(gòu)建各設(shè)計要素Al、設(shè)計類目Bm與感性評價值y品牌意象詞匯的數(shù)學分析模型[13]。

對于肺葉切除患者，應注意管道護理，保持管道密閉并注意引流顏色、量等，若患者恢復良好，術(shù)后3 d即可拔管，拔管后鼓勵患者下床活動[3]。

式中,yz為表1第Zn個造型圖片的感性評價值，Zn=1,2,···,30；RN是各Al的偏相關(guān)系數(shù)，N=1,2,···,5；Azlm為表1中第Zn個造型中重要設(shè)計要素Al的設(shè)計及類目Bm的權(quán)重系數(shù)，其中類目得分幾近于0，則反向取負數(shù)數(shù)值，表明該設(shè)計類目對該品牌意象詞匯有消極影響；Blm為各Al是否包含該類目，文中Blm=0,1；Cz為第Zn個造型的常數(shù)項值；l=1,2,···,τ。τ為A總數(shù)，式 (1) 中τ=5；τl為Bm的個數(shù)，其中，τ1=3，τ2=3，τ3=3，τ4=3，τ5=2。具體關(guān)系值見表4。

表4 重要設(shè)計要素與品牌意象詞匯的關(guān)系值Table 4 The relationship between important design elements and brand image vocabulary

由于傳統(tǒng)感性評價具有較強的主觀性，運用且數(shù)值過于具體固定容易造成獲得可行方案流失。因此本文剔除偏差較大，出現(xiàn)頻率過低的數(shù)值后，建立感性評價值區(qū)間：Y現(xiàn)代的(0.513，0.760)，Y科技的(0.365，0.568)，Y穩(wěn)重的(0.435，0.638)，Y簡約的(-0.243，0.106) 。

1.4 感性要素集合的分類和建立

通過以上品牌意象評價，將機電設(shè)備造型設(shè)計類目感性評價值劃分成Gnl、Gnmid-l、Gnm、Gnmid-s、Gns分別代表對品牌意象詞匯的貢獻度大小，貢獻度計算公式為

以此對各設(shè)計類目計算貢獻度后，按照大小順序?qū)⒃O(shè)計類目依次放入集合中，得到感性要素集合為

2 基因分類交互式遺傳算法的構(gòu)建

在某些情況下，類似的基因編碼解碼在不同設(shè)備中可能會產(chǎn)生霄壤之別的品牌意象[14]。針對傳統(tǒng)的交互式遺傳算法評價周期長、次數(shù)多、易疲勞的問題，將以上感性要素集合結(jié)合IGA，建立基因分類交互式遺傳算法，對其進行優(yōu)化，并應用到機電設(shè)備的造型設(shè)計中。

2.1 染色體編碼

根據(jù)品牌意象對重要設(shè)計要素進行分類后進行染色體編碼，且通過對應二進制的形式，表示該設(shè)計要素是否表達，表達則為1，不表達則為0。分類前二進制表達為000 000 000 000 00，分類后二進制表達為0 0 0 0 0。其中，Gnl、Gnmid-l、Gnm、Gnmid-s中存在兩個及兩個以上的要素則表達為1，否則為0；Gns中存在一個要素則表達為1，否則為0。品牌意象詞匯染色體編碼基因分類前后對比圖見圖1。

圖1 基因分類前后編碼對比Figure 1 Comparison before and after gene coding

2.2 建立適應度函數(shù)

為了使用戶在評價過程中得到品牌意象需求的滿足，因此將用戶對產(chǎn)品的“滿意度”和“共識度”作為評價重組方案優(yōu)劣水平的指標[15]。

2.3 算法流程步驟

通過上述分析，得出基因分類交互式遺傳算法的使用流程。

1) 進行種群的初始化，提取品牌產(chǎn)品樣本的重要設(shè)計要素，明確初始染色體編碼。

2) 根據(jù)感性要素集合，將初始染色體編碼分類后得到4條5位編碼。代入遺傳算法進行選擇、交叉和變異。

3) 計算各編碼感性評價值并輸出符合感性評價值區(qū)間的染色體編碼，否則轉(zhuǎn)回步驟2)。

4) 邀請評審群體對生成草模方案進行人工適應度評價，輸出適應度較高的設(shè)計方案建立草模。

3 設(shè)計實踐

以京山輕機瓦楞紙印刷機捷普瑞印刷機外觀設(shè)計為例，選擇該品牌3款展會設(shè)備作為樣本，分別提取設(shè)計要素，計算感性評價值，樣本及染色體編碼見表5。多個備選方案，經(jīng)企業(yè)挑選獲得最終形態(tài)設(shè)計方案。

表5 某企業(yè)印刷設(shè)備樣本Table 5 Printing equipment sample of an enterprise

獲得該品牌G7現(xiàn)代的、G14科技的、G3穩(wěn)重的品牌意象詞匯感性評價值皆與用戶期望品牌意象感性評價值區(qū)間不符，使用Matlab遺傳算法工具箱具體算法操作流程描述如下。

輸入方案編碼;

設(shè)置種群數(shù)量為60；

根據(jù)方案編碼獲取位感性集合編碼;

根據(jù)感性集合編碼匹配所有14位方案編碼集合schemes[];

新建一個集合mySchemes[]用于保存符合影響評價值的設(shè)計編碼;

//遍歷所有的方案編碼集合for (scheme sche:schemes){

計算sche的4個感性評價值y現(xiàn)代的，y科技的，y穩(wěn)重的，y簡約的；

If (y現(xiàn)代的＜Y現(xiàn)代的min||y現(xiàn)代的＞Y現(xiàn)代的max){continue;}

If (y科技的＜Y科技的min||y科技的＞Y科技的max){continue;}

If (y穩(wěn)重的＜Y穩(wěn)重的min||y穩(wěn)重的＞Y穩(wěn)重的max){continue;}

If (y簡約的＜Y簡約的min||y簡約的＞Y簡約的max){continue;}

//滿足感性評價值區(qū)間的編碼加入集合mySchemes.add (sche);}

取出mySchemes[]集合中的編碼進行解碼，基于設(shè)計類目展開設(shè)計，得到設(shè)計草模。

將上述設(shè)計草模推送給評審團體進行初步評審，將用戶的評價設(shè)置為3階：符合(3 分)、一般(2分)、不符合(1 分)，總分數(shù)為求和的方式，當總結(jié)果相同時，通過表格應用共識度標準反映出適應度。得到人工評價較高的設(shè)計方案進行解碼。選擇3個用戶滿意度較高的設(shè)計方案進行建模渲染，為了使方案評估數(shù)據(jù)具有可信度，筆者選用的評估群體中包括3名某企業(yè)項目經(jīng)理、2名智能裝備設(shè)計專家和5名工業(yè)設(shè)計研究生共10名，讓評估成員對各個染色體進行評價打分，評價結(jié)果見表6。

表6 評分及運算結(jié)果Table 6 Scoring and calculation results

由表6可知，方案C共識滿意度最高，以此作為最終方案進行進一步優(yōu)化。由于油墨印刷機需要及時更換油墨桶，但是通過設(shè)備外罩無法及時獲取油墨更換的信息。為了讓使用者擁有更好的使用感受和降低殘次品的出現(xiàn)概率，運用投影燈連接中控系統(tǒng)，當系統(tǒng)檢測到油墨余量不足時，即時將缺墨信息投射到地面上并響起警報來提醒操作者。使用場景效果圖見圖2。京山輕機捷普瑞系列印刷機將在土耳其最大的瓦楞紙板制造商之一Ankutsan集團旗下的Antalya和Cerkezkoy工廠投產(chǎn)，證明該設(shè)備在中高端市場具有一定的競爭力，同時驗證了該方法具有可行性和有效性。

圖2 捷普瑞印刷機使用場景圖Figure 2 JEPLEY printer Scene map

將改進前后的IGA算法人工適應度結(jié)果進行比較，結(jié)果數(shù)據(jù)見圖3。比較兩種算法可知，改進后算法能更快速地獲取用戶適應度高的造型設(shè)計方案，提高有效方案的產(chǎn)出效率，減少適應度評價的工作量，縮短項目周期。

圖3 改進前后適應度對比圖Figure 3 Comparison of fitness before and after improvement

4 結(jié)語

在機電設(shè)備的造型設(shè)計中，以品牌意象為中心，運用基因分類交互式遺傳算法對設(shè)備造型類目進行重組，動態(tài)監(jiān)測到產(chǎn)品迭代過程中更符合品牌意象的基因重組方式，在輔助設(shè)計師挖掘品牌產(chǎn)品潛在優(yōu)勢，提高品牌意象傳達的準確度具有重要意義，最終以達到提升機電設(shè)備品牌產(chǎn)品的商業(yè)價值的目的。本文提出的方法主要針對中大型非標準化機電設(shè)備的造型設(shè)計制造，對批量化小型設(shè)備不具有適用性。本文的特色在于結(jié)合感性要素集合和IGA建立了基因分類交互式遺傳算法，簡化了機電設(shè)備造型設(shè)計開發(fā)流程，同時也為品牌意象設(shè)計研究拓寬了思路，提高企業(yè)的產(chǎn)品創(chuàng)新競爭力。在后續(xù)的研究中，將進一步從用戶體驗的角度對品牌意象進行拓展和完善。