陳奕帆 范行行 趙亞娟 李雪飛
摘要:隨著時(shí)代的發(fā)展,交互進(jìn)化在工業(yè)設(shè)計(jì)領(lǐng)域的應(yīng)用與日俱增。介紹了交互式遺傳算法的研究現(xiàn)狀、原理及特點(diǎn)。以西服為研究對(duì)象,描述了服裝交互進(jìn)化設(shè)計(jì)的方法并對(duì)其進(jìn)行實(shí)例展示,用戶可以根據(jù)自身的情感喜好,實(shí)現(xiàn)對(duì)不同風(fēng)格款式的服裝進(jìn)行選擇評(píng)分,并通過進(jìn)化計(jì)算得到符合用戶內(nèi)心期望的設(shè)計(jì)作品。
關(guān)鍵詞:交互式遺傳算法;服裝設(shè)計(jì);個(gè)性化
中圖分類號(hào):TP18文獻(xiàn)標(biāo)志碼:A文章編號(hào):1008-1739(2019)14-62-3
0引言
隨著科學(xué)與文明的進(jìn)步,人類的思想逐漸沖破意識(shí)形態(tài)的禁錮,越來越多的人開始追求獨(dú)特的事物,這一改變?cè)诖┲矫嬗葹轱@著。目前,傳統(tǒng)服裝行業(yè)創(chuàng)新度不高,消費(fèi)者對(duì)個(gè)性化需求日益提高,服飾自主設(shè)計(jì)不斷受到研究者的關(guān)注。近年來,人們發(fā)現(xiàn)單向邏輯的方法對(duì)服裝設(shè)計(jì)仍有欠缺,進(jìn)而追求非邏輯構(gòu)建方法。交互式遺傳算法作為一種借鑒生物學(xué)遺傳機(jī)制的研究方法,僅僅是初顯頭角,就已經(jīng)在服裝領(lǐng)域顯示出蓬勃的發(fā)展態(tài)勢(shì)和巨大的潛在市場。
1國內(nèi)外研究現(xiàn)狀
交互式遺傳算法起源于1986年Dawkins[1]對(duì)生物形態(tài)系統(tǒng)的研究。2001年,日本學(xué)者Takagi[2]在交互式遺傳算法的理論和應(yīng)用研究方面提出了許多行之有效的方法。隨后,Nandhini K在2016年提出了一種基于交互式遺傳算法的個(gè)性化總結(jié)[3],這種方法被應(yīng)用于教育領(lǐng)域,極大限度地提高了特征提取后重要句子的可讀性。此外,交互式遺傳算法在圖像檢索處理[4]和音樂創(chuàng)作[5]等領(lǐng)域也有應(yīng)用。
國內(nèi)關(guān)于交互式遺傳算法的研究起步較晚,但其發(fā)展速度很快。齊巖采[6]在2004年給出了一種變均分單元法對(duì)圖像進(jìn)行分割,通過對(duì)圖像特征數(shù)據(jù)進(jìn)行編碼生成的圖像候選圖集進(jìn)行評(píng)價(jià),得到用戶需求的圖像。為使建筑設(shè)計(jì)趨于完美,董峻巖于2015年將交互式遺傳算法成功應(yīng)用于建筑設(shè)計(jì)[7]領(lǐng)域,有效促進(jìn)了我國建筑行業(yè)的進(jìn)一步發(fā)展。同樣,蔡美菊與朱佳棟都相繼將交互式遺傳算法應(yīng)用于汽車造型設(shè)計(jì)[8]和產(chǎn)品配置設(shè)計(jì)[9]中。
2交互式遺傳算法
2.1交互式遺傳算法原理
交互式遺傳算法流程如圖1所示。步驟如下:①種群參數(shù)設(shè)置;②二進(jìn)制編碼;③生成初始種群;④解碼,用戶評(píng)價(jià)進(jìn)化個(gè)體;⑤判斷用戶是否有滿意個(gè)體,若是,輸出最優(yōu)解,算法結(jié)束;若否,重新進(jìn)行遺傳操作生成新種群,轉(zhuǎn)③。
2.2交互式遺傳算法特點(diǎn)
交互式遺傳算法在擁有遺傳算法的特點(diǎn)之外,還具備其自身特性。
①用戶的認(rèn)知局限性:由于進(jìn)化個(gè)體的適應(yīng)值是用戶給予的,所以在算法執(zhí)行過程中所選個(gè)體、所給分?jǐn)?shù)都是自我主觀意識(shí)的,而每個(gè)人的偏好均有差異,不同的人可能對(duì)同一個(gè)體的評(píng)價(jià)結(jié)果相差甚遠(yuǎn)。
②種群規(guī)模小且迭代次數(shù)少:對(duì)于用戶而言,每一代新生種群都需要進(jìn)行適應(yīng)值評(píng)估操作,頻繁的人機(jī)交互總得不到預(yù)期的結(jié)果,會(huì)造成用戶疲勞,所以要求算法種群規(guī)模小、迭代次數(shù)少。
③最優(yōu)解不唯一:每個(gè)人喜好不同,所以產(chǎn)生的結(jié)果也不同。此外,用戶分2種人,一種明確內(nèi)心需求,另一種對(duì)評(píng)價(jià)對(duì)象認(rèn)知模糊不清。他們都有多種偏好傾向的可能,對(duì)最優(yōu)解集內(nèi)多個(gè)可行解都滿意。
3交互式遺傳算法在服裝設(shè)計(jì)領(lǐng)域的應(yīng)用
3.1編碼規(guī)則
以男士西服作為一個(gè)個(gè)體,對(duì)其不同的部件進(jìn)行二進(jìn)制編碼,如圖2所示。將服裝分為領(lǐng)深、領(lǐng)嘴位置、駁領(lǐng)寬、領(lǐng)嘴開口深度、駁領(lǐng)角與翻折線的夾角、領(lǐng)嘴角度、領(lǐng)嘴上寬度、門襟寬度、腰身、胸袋和下擺11個(gè)件。前8個(gè)部件采用4位二進(jìn)制編碼,后3個(gè)部件采用1位二進(jìn)制編碼,將服裝參數(shù)化,得到一串對(duì)應(yīng)該服裝的35位編碼。對(duì)其中的2個(gè)部件(領(lǐng)深、腰身)進(jìn)行編碼展示,如表1和表2所示。
3.2遺傳操作
交叉變異是遺傳操作中最重要的部分,它決定了算法的局部檢索能力,維持了種群的多樣性,有效防止個(gè)體在逼近最優(yōu)解過程中過早收斂的現(xiàn)象。遺傳操作中,交叉變異概率是需要密切關(guān)注的問題,概率設(shè)置過大,會(huì)導(dǎo)致算法的最優(yōu)解空間被破壞;概率設(shè)置過小,則會(huì)降低算法的搜索性能。通常交叉概率的建議取值范圍是0.4~1,變異概率的取值范圍一般為0~0.1。本文采用雙點(diǎn)交叉,如圖3所示。
3.3算法終止并給出滿意解
如果用戶得到預(yù)想解,則終止算法,輸出符合用戶內(nèi)心期待的最優(yōu)設(shè)計(jì)。反之,算法重新進(jìn)行交叉變異,用戶繼續(xù)進(jìn)行適應(yīng)值評(píng)估,找到滿意結(jié)果為止。
4實(shí)例驗(yàn)證
以Visual Studio 2017為平臺(tái)搭載用戶界面,借助交互式遺傳算法找出最優(yōu)設(shè)計(jì),展示過程分為款式選擇評(píng)分和進(jìn)化結(jié)果展示2個(gè)步驟。
4.1款式選擇評(píng)分
用戶界面如圖4所示,用戶可對(duì)6款不同的衣服進(jìn)行選擇,完成選擇之后,可以對(duì)所選服裝進(jìn)行青睞評(píng)分,根據(jù)喜好程度的不同,給予每款服裝1~6的差別評(píng)分,評(píng)分的高低會(huì)影響最終服裝的設(shè)計(jì)風(fēng)格。
4.2進(jìn)化結(jié)果展示
評(píng)分之后,系統(tǒng)會(huì)依據(jù)用戶所選擇的不同風(fēng)格款式,評(píng)分高低不同,進(jìn)化計(jì)算得出最優(yōu)解,即最優(yōu)方案展示,其結(jié)果如圖5所示。
5結(jié)束語
隨著經(jīng)濟(jì)水平的提高和科學(xué)技術(shù)的發(fā)展,人們對(duì)個(gè)性化商品和定制技術(shù)需求愈加迫切,交互式進(jìn)化設(shè)計(jì)逐漸走進(jìn)了人們的視野,其獨(dú)特的算法機(jī)制充分滿足了服裝自主設(shè)計(jì)。這種非純粹邏輯理論的設(shè)計(jì)方法是一個(gè)自下而上的過程,在交互設(shè)計(jì)過程中,試解設(shè)計(jì)要求的初始種群,通過遺傳操作大規(guī)模進(jìn)化衍生后代,對(duì)整個(gè)設(shè)計(jì)可行域進(jìn)行檢索,獲得符合用戶偏好的最優(yōu)解。但基于算法特性,最終產(chǎn)物組合形式種類繁多,傳統(tǒng)模式在收斂速度、用戶評(píng)估方面存在缺陷,因此算法需要引薦邏輯方法,即加入適當(dāng)?shù)囊龑?dǎo)和約束,才能有效結(jié)合交互式遺傳算法,推動(dòng)服裝產(chǎn)業(yè)營銷升級(jí),提高服裝行業(yè)競爭力和產(chǎn)品附加價(jià)值。
參考文獻(xiàn)
[1] Taylor L R,Dawkins R. The Blind Watchmaker[J]. J Anim Ecol,1989,58(3):1115.
[2] Takagi H. Interactive Evolutionary Computation: Fusion of the Capabilities of EC Optimization and Human Evaluation[J]. Proceedings of the IEEE, 2001, 89(9):1275-1296.
[3] Nandhini K, Balasundaram S R. Improving Readability through Individualized Summary Extraction, Using Interactive Genetic Algorithm[J]. Applied Artificial Intelligence, 2016, 30(7):635-661.
[4] Madhavi K V, Tamilkodi R, Sudha K J. An Innovative Method for Retrieving Relevant Images by Getting the Top-ranked Images First Using Interactive Genetic Algorithm[J]. Procedia Computer Science,2016,79(3):254-261.
[5] Wilson A D. Perceptually-motivated Generation of Electric Guitar Timbres Using an Interactive Genetic Algorithm[C]// Proceedings of the 3rd Workshop on Intelligent Music Production (WIMP 2017), At Salford, UK,2017.
[6]齊巖,盧德唐.交互式遺傳算法在基于內(nèi)容的圖像檢索中的應(yīng)用[J].中國圖象圖形學(xué)報(bào),2004,9(1):46-55.
[7]董峻巖,李克超.基于交互式遺傳算法的建筑物外觀設(shè)計(jì)探討[J].科技展望,2015,25(34):147.
[8]蔡美菊,梁昌勇.基于用戶偏好模型的交互式遺傳算法[J].小型微型計(jì)算機(jī)系統(tǒng),2016, 37(4):758-762.
[9]朱佳棟,蘇少輝,陳昌,等.面向產(chǎn)品配置設(shè)計(jì)的改進(jìn)交互式遺傳算法[J].中國機(jī)械工程,2018,29(20):2474-2478.
計(jì)算機(jī)與網(wǎng)絡(luò)2019年14期