專利名稱：用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法
技術(shù)領(lǐng)域：
本專利屬于進(jìn)化計算領(lǐng)域，具體涉及一種用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法， 可用于引導(dǎo)用戶進(jìn)行窗簾方案的設(shè)計。
背景技術(shù)：
隨著經(jīng)濟(jì)的發(fā)展和生活水平的提高，消費者對窗簾這一家居產(chǎn)品的要求也越來越高，通常會綜合考慮各方面的因素進(jìn)行選擇，而外觀在這其中無疑是消費者最為看重的因素，出色的外觀設(shè)計往往能大幅提高窗簾產(chǎn)品的市場競爭力。傳統(tǒng)的單純依靠設(shè)計師的創(chuàng)意和靈感進(jìn)行設(shè)計的方式已經(jīng)無法滿足需要，因為設(shè)計師很難拋開原有方案的束縛設(shè)計出全新的作品。為改變這種現(xiàn)狀，本發(fā)明將進(jìn)化計算引入到窗簾設(shè)計中，可以大大激發(fā)設(shè)計師的靈感，指導(dǎo)設(shè)計過程。進(jìn)化計算是模擬生物的進(jìn)化過程與機制來求解問題的高度并行、隨機、自適應(yīng)的人工智能技術(shù)，實質(zhì)上是一種建立在自然選擇原理和遺傳機制上的迭代式自適應(yīng)概率性搜索方法，它通過不同的編碼技術(shù)來表示各種復(fù)雜的結(jié)構(gòu)，并通過交叉，變異等遺傳操作和優(yōu)勝劣汰的自然法則來指導(dǎo)學(xué)習(xí)并確定搜索的方向，從而產(chǎn)生新一代種群，逐步使種群進(jìn)化到包含近似最優(yōu)解的狀態(tài)。近年來，已有許多將進(jìn)化計算成功引入到產(chǎn)品的創(chuàng)新設(shè)計中的例子。例如在第十五屆全國計算機輔助設(shè)計與圖形學(xué)學(xué)術(shù)會議上發(fā)表的《支持進(jìn)化的剪紙圖案創(chuàng)新設(shè)計方法研究與實現(xiàn)》一文中，將進(jìn)化計算用于剪紙圖案的設(shè)計，生成新的圖案樣式；在軟著登字為第0186137號的軟件《基于進(jìn)化個體不確定適應(yīng)值交互式遺傳算法的服裝設(shè)計軟件》 中，將進(jìn)化計算用于服裝款式的設(shè)計，尋找最符合用戶偏好的顏色搭配及款式?，F(xiàn)有成果雖然取得了一定的成功，但是由于所采用的評價方式，進(jìn)化策略等較為單一、靈活性差，對用戶的個性化支持不足，因此普遍存在著進(jìn)化效率不高，易用性差等問題。Jimmy Secretan 等人在 2008 年的 CHI 會議上發(fā)表的《Picbreeder =Evolving Pictures Collaboratively Online》一文中，介紹了由其團(tuán)隊開發(fā)的在線圖片進(jìn)化系統(tǒng)，該系統(tǒng)采用了基于權(quán)值網(wǎng)絡(luò)的進(jìn)化方式，能夠從一幅簡單的圖片進(jìn)化出滿足用戶要求的復(fù)雜圖片，大大改善了進(jìn)化的效果。但是在這套系統(tǒng)中，由于無法生成具有特定屬性的起始種群以及進(jìn)化策略上存在的缺陷，導(dǎo)致無法在種群的多樣性和收斂性之間達(dá)到較好的平衡，增加種群多樣性的同時會大大減緩種群的收斂速度，反之亦然?，F(xiàn)有的這些研究成果盡管存在著各種各樣的問題，但是仍對本發(fā)明提供了多方面的有益指導(dǎo)。進(jìn)化計算在諸多理論研究方面取得的輝煌成就不斷推動著其在生產(chǎn)生活中的應(yīng)用，體現(xiàn)出巨大的現(xiàn)實意義。經(jīng)查閱相關(guān)文獻(xiàn)，目前尚無將該項技術(shù)應(yīng)用到窗簾設(shè)計中的先例，如能針對窗簾的外觀設(shè)計問題，設(shè)計一套高效、實用的進(jìn)化方法，將大大減輕設(shè)計師的工作量，推動窗簾生產(chǎn)的發(fā)展。同時也可考慮將其推廣到其它產(chǎn)品的設(shè)計領(lǐng)域中，發(fā)揮更大的效益。

發(fā)明內(nèi)容
本發(fā)明提出了一套完整的個體生成、交互及進(jìn)化方法，通過進(jìn)化算法可對窗簾的款式、顏色搭配和圖案花紋等進(jìn)行設(shè)計，并據(jù)此開發(fā)了相應(yīng)的系統(tǒng)，其根本目的是實現(xiàn)窗簾設(shè)計的智能化，激發(fā)設(shè)計師的創(chuàng)作靈感。本發(fā)明的特點在于首先允許用戶設(shè)定模糊偏好信息用于初始種群的生成，這樣可大大減小搜索區(qū)域；其次本發(fā)明中為用戶提供了多種個體評價方式，以方便用戶使用；第三，在整個進(jìn)化過程中，用戶均可改變個體的編碼方式，以此來決定搜索的范圍及形式。每一特點由相對應(yīng)的功能模塊實現(xiàn)，則本發(fā)明的三大模塊及其中所使用的方法如下1、初始種群生成模塊在窗簾進(jìn)化設(shè)計之初，由計算機為用戶提供偏好信息設(shè)置選項，用戶根據(jù)所設(shè)計窗簾產(chǎn)品的目標(biāo)客戶群，設(shè)置相應(yīng)的偏好信息，根據(jù)這些信息由計算機生成特定的初始種群。具體內(nèi)容包括1. 1、任意一款產(chǎn)品在設(shè)計之初都有一個目標(biāo)客戶群，更具針對性的設(shè)計能大幅提高產(chǎn)品的市場競爭力?；谝陨峡紤]，本發(fā)明支持用戶在進(jìn)化開始前設(shè)定部分偏好信息，包括窗簾的使用場合、窗簾風(fēng)格以及偏好信息對個體生成過程的影響程度等。1. 2、當(dāng)獲得用戶的設(shè)定后，通過色度學(xué)中的HSI模型將偏好信息作用到個體的生成過程中，從而產(chǎn)生出特定的初始種群。以上這些設(shè)定，可使得生成的初始種群集中于某個特定區(qū)域，減小了搜索空間，方便用戶快速找到符合自身偏好的設(shè)計方案。2、人機交互模塊在整個窗簾智能設(shè)計過程中，人機交互作為至關(guān)重要的一環(huán)，直接影響著最終設(shè)計方案的質(zhì)量。該模塊為用戶提供了多種友好、完備的人機交互方式，以多集勢模糊集評價為主，作為該方式的補充，提供精確值評價和自動評價，具體內(nèi)容包括2. 1、多集勢模糊集評價本發(fā)明中包含多種集勢的模糊集，每種集勢的模糊集所包含的評價語言是不同的，例如3集勢的模糊集為{/:好，/32中，/丨差}，而5集勢的模糊集為 :很好,/52好，Φ中，/54差，/丨很差}，其中//表示集勢為i的模糊集中的第」 個評價語言，形容詞為評價語言的內(nèi)容。在進(jìn)化的不同階段，由計算機根據(jù)制定的策略自動為某一代進(jìn)化個體提供一種集勢的模糊集，由用戶從中選擇一個評價語言作為個體的適應(yīng)值。該種評價方式簡單易用，可有效減輕用戶的評價負(fù)擔(dān)。2. 2、精確值評價由用戶為個體賦予0到100之間的一個精確數(shù)作為個體的適應(yīng)值。該種方式作為多集勢模糊集評價的補充，當(dāng)用戶認(rèn)為模糊集已經(jīng)無法很好的評價個體時，可選擇使用該方式。該方式能明顯區(qū)分個體優(yōu)劣，但對用戶的要求較高，易使用戶出現(xiàn)評價疲勞。2. 3、自動評價該方式利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練代理模型代替用戶對個體進(jìn)行評價，在訓(xùn)練精度達(dá)到要求且用戶認(rèn)為必要時引入到進(jìn)化過程中。代理模型的訓(xùn)練采用三層前饋神經(jīng)網(wǎng)絡(luò)，能夠依靠其強大的局部逼近能力滿足用戶對個體評價的要求，當(dāng)用戶評價出現(xiàn)疲勞時可選擇使用該評價方式。在本發(fā)明中，用戶可根據(jù)需要在不同進(jìn)化代評價時任意切換上述評價方式，在最
大限度減輕用戶評價負(fù)擔(dān)的同時，也能夠保障對個體做出有效評價，提高了實用性。CN 102163249 A 3、進(jìn)化模塊本模塊通過對種群中的個體做不同形式的編碼以及綜合采用多種進(jìn)化算法，為用戶提供了一整套靈活的，滿足多種進(jìn)化要求的進(jìn)化操作。具體內(nèi)容包括3. 1、本發(fā)明中所提方法支持對進(jìn)化個體采用不同的編碼形式，包括二進(jìn)制字符串編碼和整數(shù)編碼，并可在任意進(jìn)化代中切換，不同的編碼形式下使用不同的進(jìn)化算法。3. 2、計算機根據(jù)編碼方式選擇進(jìn)化算法，在二進(jìn)制字符串編碼形式下采用交互式遺傳算法搜索最優(yōu)方案，在整數(shù)編碼形式下采用交互式進(jìn)化策略搜索最優(yōu)方案，兩種方法直接影響搜索的區(qū)域。用戶可在全局范圍內(nèi)進(jìn)化的同時，對符合自身偏好的局部區(qū)域個體做更精細(xì)的進(jìn)化。本發(fā)明中所采用的進(jìn)化方法，充分結(jié)合了不同進(jìn)化算法的優(yōu)點，使得對窗簾個體的進(jìn)化更加高效、精細(xì)，更具實用價值。總之，本發(fā)明所提出的智能窗簾設(shè)計方法，能夠在保證進(jìn)化效率、進(jìn)化效果的前提下，最大限度減小用戶的工作量，減輕用戶負(fù)擔(dān)，滿足窗簾設(shè)計領(lǐng)域中產(chǎn)品更新速度快，外觀要求高的特點，該項發(fā)明亦可應(yīng)用到其它各類產(chǎn)品的設(shè)計中，因而具有極高的實用價值和廣闊的應(yīng)用前景。


圖1是本發(fā)明中所提出的用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法流程圖；圖2是依據(jù)本發(fā)明所提方法開發(fā)的窗簾設(shè)計系統(tǒng)界面圖；圖3是窗簾的不同使用場合在色度盤上的分布圖；圖4是本發(fā)明在二進(jìn)制字符串編碼模式下采用的交互式遺傳算法流程圖；圖5是本發(fā)明在整數(shù)編碼模式下采用的交互式進(jìn)化策略流程具體實施例方式該部分結(jié)合具體附圖，對本發(fā)明的實施方式做詳細(xì)說明。本發(fā)明中所提出方法的流程圖如圖1所示，具體實施步驟亦根據(jù)該圖擬定。為充分體現(xiàn)本發(fā)明所提出的交互式進(jìn)化優(yōu)化方法的價值，在提出方法的同時亦開發(fā)了相應(yīng)的軟件系統(tǒng)。在系統(tǒng)的開發(fā)過程中，為使所設(shè)計的窗簾達(dá)到最好的視覺效果，所有的窗簾均采用3D模型，采用紋理貼圖技術(shù)展現(xiàn)窗簾的設(shè)計效果。相關(guān)系統(tǒng)采用Visual C++6. 0作為開發(fā)工具，基于MFC搭建運行平臺，利用OpenGL實現(xiàn)對3D模型的操作，系統(tǒng)界面如圖2所示。步驟1 完成進(jìn)化種群的初始化。該步驟包含兩方面內(nèi)容設(shè)定偏好信息和生成初始種群。具體由以下兩個子步驟完成步驟101 設(shè)定偏好信息。此處可設(shè)定的偏好信息包括窗簾的使用場合、窗簾風(fēng)格以及偏好信息對個體生成過程的影響程度。對于使用場合，本發(fā)明選取了以下具有典型代表意義的場合臥室、客廳、寫字樓、賓館和其它；窗簾風(fēng)格包括淡雅、清新、熱情、濃郁和其它；影響程度是由用戶設(shè)定的一個從0到100%之間的一個百分?jǐn)?shù)?？紤]到不同的色彩對人情緒的影響以及與周圍環(huán)境的協(xié)調(diào)性，不同的使用場合影響顏色的分布，不同的風(fēng)格影響顏色的飽和度，而設(shè)定的百分?jǐn)?shù)則指出了這種影響的具體
6程度。根據(jù)相關(guān)研究的成果，臥室的用色應(yīng)使人感到溫馨、舒適，宜選用暗淡的紅色，粉色等色調(diào)；客廳應(yīng)使人心情舒暢，還要考慮對光線的利用，宜選用淡綠，橙色和白色等；寫字樓屬于工作場所，用色應(yīng)能夠克服緊張、疲憊的情緒，宜選用藍(lán)色、綠色等；賓館數(shù)公共場所， 應(yīng)選用更大眾化的顏色，避免使用具有鮮明特色的顏色；如果選擇其它則不做限制。四種風(fēng)格影響顏色的飽和度，從淡雅到濃郁，顏色逐漸趨于飽和，如果選擇其它同樣不做限制。前兩項偏好的設(shè)定對個體的影響程度，由用戶設(shè)定的影響程度決定。步驟102 生成初始種群。前一步設(shè)定的偏好信息是通過語言描述的形式設(shè)定的， 無法直接將其應(yīng)用到進(jìn)化過程中。為實現(xiàn)以上功能，本發(fā)明采用了 HSI顏色模型。對使用場合的設(shè)定影響模型的H(色調(diào))分量，圖3為不同使用場合在色度盤上的分布情況，圖中紅綠藍(lán)三條坐標(biāo)軸平分360°，0°為紅色，120°為綠色，240°為藍(lán)色。P點的色調(diào)H是圓心到P的向量與紅色軸的夾角。本發(fā)明中，根據(jù)用戶設(shè)定的使用場合，由計算機自動在相應(yīng)區(qū)域按均勻分布生成與紅色軸成某一夾角的向量，如果用戶選擇“其它”，則在全局范圍內(nèi)自動生成某一向量。對風(fēng)格的設(shè)定影響模型的S(飽和度)分量，該選項中“淡雅”、“清新”、“熱情” 和“濃郁”四項對應(yīng)的飽和度區(qū)間分別為
, [50 % -74 % ], [75% -100% ]，而“其它”項對應(yīng)的區(qū)間則為[0-100% J0計算機同樣會根據(jù)用產(chǎn)的選擇自動在相應(yīng)區(qū)間內(nèi)按均勻分布生成一個飽和度值。對偏好信息作用程度的設(shè)定影響模型的 1(亮度)分量，此時可直接將用戶設(shè)定的影響程度，轉(zhuǎn)化為實數(shù)形式作用到模型中去。用戶在設(shè)定完初始偏好信息后，由計算機根據(jù)下式(1)將用戶的偏好信息轉(zhuǎn)化為RGB模型中各分量的值。
權(quán)利要求
1.用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法，其特征為該方法將整個進(jìn)化優(yōu)化過程分為三大功能模塊，具體包括以下內(nèi)容(1)初始進(jìn)化種群的生成模塊，是通過設(shè)置用戶對窗簾的模糊偏好信息，由計算機將用戶的設(shè)置通過數(shù)學(xué)模型作用到種群的生成過程中；(2)人機交互模塊，是通過度量用戶的認(rèn)知過程，為用戶提供三種集勢的模糊集，并提供自動評價支持，且支持用戶自由選擇多種個體評價方式；(3)交互式進(jìn)化模塊，是通過支持不同的個體編碼形式，在相應(yīng)編碼形式下利用適宜的進(jìn)化算法對窗簾種群進(jìn)行進(jìn)化，且支持用戶切換編碼形式以滿足對進(jìn)化的要求。
2.權(quán)利要求1所述的用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法，其特征在于所述初始進(jìn)化種群生成模塊將用戶設(shè)置的特定偏好信息通過HSI模型作用到個體生成過程中，包括(1)用戶可設(shè)置對窗簾使用場合的偏好信息，該設(shè)置影響色度(H)的分布；(2)用戶可設(shè)置對窗簾風(fēng)格的偏好信息，該設(shè)置影響飽和度(S)的分布；(3)用戶可設(shè)置偏好信息對窗簾個體生成的影響程度，該設(shè)置影響光照強度(I)。
3.權(quán)利要求1所述的用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法，其特征在于所述人機交互模塊為用戶提供三種集勢的模糊集，根據(jù)用戶認(rèn)知的變化，為不同進(jìn)化代提供某一集勢的模糊集。
4.權(quán)利要求3中所述人機交互模塊，其特征在于(1)量化了不同集勢模糊集的評價能力，引入信息熵的概念，將每種集勢的模糊集視作一個獨立的信息源，模糊集中的評價語言視作信源中的信號，計算每個信息源的信息熵，以信息熵最大的模糊集作為比較標(biāo)準(zhǔn)，定義模糊集的評價區(qū)分率如下式所示
全文摘要
本發(fā)明公布了一種用于窗簾設(shè)計的交互式進(jìn)化優(yōu)化方法，指導(dǎo)用戶尋找符合偏好的設(shè)計方案，具體內(nèi)容包括(1)進(jìn)化開始前，允許用戶設(shè)定模糊偏好信息，包括窗簾的使用場合、風(fēng)格和偏好信息對個體的影響程度，計算機據(jù)此為用戶生成特定的初始種群；(2)在人機交互過程中，為用戶提供多種個體評價方式，包括多集勢模糊集評價、精確值評價和自動評價，并設(shè)計了不同評價方式的選擇方法；(3)在進(jìn)化過程中，支持在不同進(jìn)化代之間使用不同的編碼方式和相應(yīng)的進(jìn)化算法，方便用戶在不同區(qū)域內(nèi)搜索窗簾方案。在提出上述方法的同時，亦據(jù)此開發(fā)了相應(yīng)的系統(tǒng)。本發(fā)明旨在激發(fā)用戶的創(chuàng)作靈感，提高窗簾產(chǎn)品的設(shè)計效率，以提高其市場競爭力。
文檔編號G06F17/50GK102163249SQ20111009466
公開日2011年8月24日 申請日期2011年4月12日 優(yōu)先權(quán)日2011年4月12日
發(fā)明者孫曉燕, 孫靖, 季新芳, 鞏敦衛(wèi), 楊壘, 陳健, 陳姍姍 申請人:中國礦業(yè)大學(xué)