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.