遺傳算法在工業(yè)產(chǎn)品造型設計的運用

導語：遺傳算法在工業(yè)產(chǎn)品造型設計的運用一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：虛擬現(xiàn)實環(huán)境下工業(yè)產(chǎn)品造型設計方向種類繁雜且多由人為操作，得到全局最優(yōu)設計結果的速度不佳，因此，提出在虛擬現(xiàn)實環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設計中的運用。通過層次化產(chǎn)品造型結構設計產(chǎn)品造型基因編碼，利用適應度函數(shù)對個體進行適應值評價，確定編碼個體適應度；由遺傳算子支撐產(chǎn)品造型設計方案的進化，滿足人工參與條件后在虛擬現(xiàn)實環(huán)境下由人工評估設計方案，直至產(chǎn)生用戶滿意的方案。實驗結果顯示，在相同條件下，基于遺傳算法生成的工業(yè)產(chǎn)品造型設計結果較常規(guī)方法生成的設計結果少迭代410次，即可精確收斂到全局最優(yōu)設計結果，表明虛擬現(xiàn)實環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設計中收斂到全局最優(yōu)結果速度更快，效果更佳。

關鍵詞：虛擬現(xiàn)實；遺傳算法；遺傳編碼；適應度函數(shù)；工業(yè)設計；產(chǎn)品造型設計

隨著科技快速發(fā)展，消費者對產(chǎn)品造型和功效的要求越來越高，不僅注重產(chǎn)品的使用功能，更追求視覺感官上的享受。為了響應快速發(fā)展的市場需求，利用虛擬現(xiàn)實技術輔助設計師完成產(chǎn)品造型設計是十分必要的。在傳統(tǒng)產(chǎn)品造型設計過程中，主要是從產(chǎn)品功能出發(fā)，以提高產(chǎn)品表象形式為目的對其進行設計，包含產(chǎn)品的形態(tài)設計、產(chǎn)品的色彩設計、產(chǎn)品造型的質感等設計方面[1]。設計師需要首先以用戶的需求為設計方向，利用自身設計經(jīng)驗分析產(chǎn)品的原理及性能，并設計出對應產(chǎn)品的基本結構、功能和形態(tài)等造型設計元素，主要依靠設計師的個人能力。單純由設計師完成，難以保證設計工作的效率，無法滿足產(chǎn)品造型設計快速開發(fā)設計的要求。因此，利用遺傳算法的高度并行、自適應性優(yōu)勢，對工業(yè)產(chǎn)品造型設計求解[2⁃3]。為了更好地結合用戶需求偏好和設計師的經(jīng)驗，同時避免設計師的主觀看法以及用戶參與評估的過程較多，將虛擬現(xiàn)實和遺傳算法相結合，通過交互式手段利用人工評估進行調整，以人工評估的方式替代遺傳算法中的適應度值，得到結果最優(yōu)解，既可以減少用戶工作量，又可以提高產(chǎn)品造型設計結果的收斂速度。

1遺傳算法在工業(yè)產(chǎn)品造型設計中的運用

遺傳算法可以同時處理多個設計目標，在一個工業(yè)產(chǎn)品造型設計過程中得到多個滿意的產(chǎn)品造型設計結果。遺傳算法在工業(yè)產(chǎn)品造型設計中的運用是以進化論和遺傳學說為基礎，對產(chǎn)品造型中的每個個體設計要素進行編碼，再通過選擇、交叉、變異算子進行基因的排列組合，直到生成滿意的新個體。在進化過程滿足一定條件后，進入人工評估階段進行方案調整，若輸出結果不是最優(yōu)的，再進入計算機運行自然階段，形成一個循環(huán)，直至生成最優(yōu)設計方案[4]。由于計算機可以同時進行多個目標的并行搜索，因此，能提高產(chǎn)品造型的設計效率。基于遺傳算法的工業(yè)產(chǎn)品造型設計流程如圖1所示。1.1設計產(chǎn)品造型基因編碼。在遺傳算法運行中，使用浮點編碼方式將實際可行解變量轉變?yōu)閭€體編碼，能夠在確定規(guī)模的種群中表示更多的模式[5]。在初始種群中，產(chǎn)品形態(tài)、顏色等都可以表示成具體的層次結構數(shù)據(jù)，每一個功能單元均對應一個結構特征參數(shù)，每一個染色體均包含一系列特征參數(shù)集合。將可行解從解空間轉換到搜索空間中，通過這種層次結構將特征浮點參數(shù)編碼進產(chǎn)品個體中。用層次化染色體結構表示產(chǎn)品造型元素，如圖2所示。產(chǎn)品染色體的基因位為功能單元染色體，功能單元的染色體基因位是特征參數(shù)的染色體，功能特征參數(shù)由浮點值定義[6]。設定每一個產(chǎn)品造型設計元素的參數(shù)編碼包括功能單元的名稱、數(shù)量、形狀特征、幾何大小、產(chǎn)品顏色等。部分產(chǎn)品造型設計編碼參數(shù)數(shù)據(jù)類型如表1所示。在將編碼參數(shù)導入計算機輔助軟件之前，設計師需要從市場及概念設計中提取需要數(shù)據(jù)，按照上述層次結構進行數(shù)據(jù)的編碼。不同產(chǎn)品對應的特征參數(shù)均不相同，這種差異化會影響遺傳算法獲得有效解[7⁃9]。因此，將編碼數(shù)據(jù)的浮點值強制映射在相同有效范圍區(qū)間內，使得每個對應基因位均在[0，1]范圍，解決參數(shù)在不同范圍上的問題。1.2確定編碼個體適應度。在非人工評估階段，也就是自然階段，由目標函數(shù)變換得到適應度函數(shù)，對個體進行適應值評價。適應度函數(shù)為：F(x)={Cmax-f(x),f(x)<Cmax0,f(x)≥Cmax（1）式中：F(x)為適應度函數(shù)；f(x)為目標函數(shù)；Cmax為一個預設的相對較大的正數(shù)，以保證大多數(shù)解為正。設定種群平均適應度值為FA。產(chǎn)品造型設計是一個多目標尋優(yōu)的過程，實際過程中包含多種特征參數(shù)，對應產(chǎn)品不同狀態(tài)。使用形態(tài)語義加權方法，根據(jù)設計元素在設計方案中的重要程度設定合適權重值，將用戶語義與產(chǎn)品特征描述對應聯(lián)系起來，反映設計個體在多方面的優(yōu)劣程度[10⁃11]。對每一個設計元素進行調查，對調查結果取算術平均值，得到人工評估適應度值FE。隨機生成N個個體字符串，其中，N個個體作為初始種群大小，初始進化代數(shù)為gen，最大非人工進化代數(shù)為GEN。1.3產(chǎn)品造型設計方案進化。產(chǎn)品造型設計方案的進化由三種遺傳算子支撐。從初始種群開始迭代，獲得最初種群平均適應度后，選擇適應度較高的個體兩兩配對，再經(jīng)過遺傳運算中的交叉、變異運算再生，得到新個體放入新種群中，重復此過程，直至新種群生成，在每一代運算后生成的新種群將替代舊種群[10]。交叉運算是在交叉概率Pc控制下，隨機選擇上一代種群中的兩個個體進行交叉，由兩個個體中適應度值較高的個體提供更多基因。變異運算首先設定初始變異概率Pm，Pm∈[0,1]。產(chǎn)生下一代種群后，比較兩代種群中最優(yōu)個體的適應度值，新種群最優(yōu)個體小于舊種群最優(yōu)個體適應度值時，將初始變異概率Pm增加0.05，否則，減少0.05，但始終保持變異概率在初始變異概率值與1之間。為保證將適應度值最好的個體保留到下一代種群中，用當前種群中適應度值最高的個體直接替代經(jīng)交叉和變異遺傳操作后產(chǎn)生的適應度值最低個體[12⁃13]。同時，如果上一代種群中的最優(yōu)個體的適應度值高于當前種群中最優(yōu)個體的適應度值，即用上一代種群中的最優(yōu)個體代替當前種群中的適應度值最低個體。當算法運行生成新的產(chǎn)品造型設計方案，同時滿足人工參與條件后，解碼進入虛擬現(xiàn)實環(huán)境下參與人工評估階段。1.4虛擬現(xiàn)實環(huán)境下人工評估設計方案。虛擬現(xiàn)實環(huán)境下人工評估階段，主要是借助虛擬現(xiàn)實技術，由計算機主機進行控制，通過四維形式將儲存在知識庫和數(shù)據(jù)庫的算法內容展現(xiàn)在虛擬場景中[14]，輸出最終設計結果方案、圖紙或造型給客戶。虛擬現(xiàn)實設計結果輸出流程如圖3所示。圖3虛擬現(xiàn)實設計結果輸出流程由人工評價是否生成了最優(yōu)方案。設定設計產(chǎn)品評價目標為u=(u1,u2,⋯,un)，對應權重分別為qi，用矩陣表示為Q=(q1,q2,⋯,qn)，對產(chǎn)品各評價目標進行評分：（2）如果在人工評估階段產(chǎn)生了用戶滿意的方案，那么停止算法運行，否則，轉入自然階段繼續(xù)運行，并且剔除不符合設計要求的方案。至此完成虛擬現(xiàn)實環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設計中的運用設計。

2仿真實驗

設計模擬仿真實驗，對比在虛擬現(xiàn)實環(huán)境下，利用遺傳算法生成最優(yōu)工業(yè)產(chǎn)品造型設計結果的收斂速度以及常規(guī)虛擬現(xiàn)實環(huán)境下生成設計結果的收斂速度。2.1實驗準備及運行參數(shù)設定使用Matlab軟件的GlobalOptimizationToolbox優(yōu)化工具箱，將算法運行在原有建模系統(tǒng)[15]中。根據(jù)設計師的經(jīng)驗預先設定遺傳算法中的運行參數(shù)值，其中，包括最大/最小種群數(shù)、傳迭代數(shù)范圍、交叉概率以及變異概率等參數(shù)。遺傳算法類型選擇最優(yōu)保存策略及精英策略。遺傳算法所需部分運行參數(shù)如表2所示。2.2實驗結果以迭代次數(shù)為橫軸，系統(tǒng)運行時間為縱軸，繪制算法收斂曲線如圖4所示。2020年第43卷由圖4可知，常規(guī)生成最優(yōu)工業(yè)產(chǎn)品造型設計結果的收斂速度大約要經(jīng)過700次迭代，而基于遺傳算法的工業(yè)產(chǎn)品造型設計在迭代到290次時精確收斂到全局最優(yōu)解。結果表明，在相同條件下基于遺傳算法生成的工業(yè)產(chǎn)品造型設計結果的收斂速度更快，能更快速地收斂到全局最優(yōu)解，提高了設計效率。

3結語

結合虛擬現(xiàn)實和遺傳算法技術，在虛擬現(xiàn)實環(huán)境下執(zhí)行人工評估階段。用戶可以更直觀、方便地觀察到設計結果，同時，設計師也可以發(fā)揮主觀經(jīng)驗的積極作用，彌補常規(guī)設計方法的不足。由計算機自動完成設計方案的進化過程，發(fā)揮遺傳算法全局搜索能力強的優(yōu)勢，向全局最優(yōu)解逼近。另外，因為人工評估階段是在滿足一定條件后進行的，若未生成人工滿意結果，則再轉入計算機自然階段繼續(xù)運行，所以遺傳算法的絕大部分迭代過程均是計算機自動完成的，可以有效減少人工參與次數(shù)，減輕用戶工作量，從而避免迭代次數(shù)限制。加上人工評估過程是在虛擬現(xiàn)實環(huán)境下進行的，易于用戶操作并且進一步減輕了用戶工作量，完成了虛擬現(xiàn)實環(huán)境下遺傳算法在工業(yè)產(chǎn)品造型設計中的運用。

作者:李寅 單位:阿壩師范學院