基于模式识别的创新概念设计

科Ｉ技ｌ论　坛　

基于模式识别的创新概念设计　

于兰孙洪伟　

（哈尔滨电力职业技术学院，黑龙江哈尔滨１５００００）　科　

摘要：现提出了一种基于遗传算法的自动求解算法，并将该算法在ＣＡＤ中的应用作了展望。该算法采用基元模式识别方法识别原有的以图　

像形式存储的模型，在适应度函数中引入形象度和抽象度的标准，并辅以人机交互的方式来判别算法运行过程中产生的个体。实验结果表明，该算　

法可以充分利用原有设计图案，并能够在运行过程中产生大量的优良个体。　关键词：模式识别；遗传算法；创新设计；ＣＡＤ　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｂｒｉｎｇｓ　ｆｏｒｗａｒｄ　ａｎ　ａｕｔｏｍａｔｉｃ　ｓｏｌｕｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ，ａｎｄ　ｔｈｅｎ　ｇｉｖｅｓ　ｔｈｅ　ｆｏｒｅｃａｓｔ　ｆｕｔｕｒｅ　ｏｆ　ｔｈｅ　ａｐ—　

ｎ】ｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｎ　ＣＡＤ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｕｓｅｓ　ａ　ｎｅｗ　ｍｅｔｈｏｄ　ｏｆ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｂａｓｉｃ－Ｅｌｅｍｅｎｔ—Ａｎａｌｙｓｉｓ　ｔｏ　ｒｅｃｏｇｎｉｚｅ　ｔｈｅ　ｏｌｄ　ｐａｔｔｅｒｎｓ　ｓｔｏｒｉｅｄ　ｉｎ　ｔｈｅ　ｆｏｒｍ　ｏｆ　ｉｍａｇｅｓ．ａｎｄ　ｉｍｐｏ￣ｓ　ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｖｉｓｕａｌ　ｄｅｇｒｅｅ　ａｎｄ　ａｂｓｔｒａｃｔ　ｄｅｇｒｅｅ　ｔｏ　ｔｈｅ　ｆｉｔｎｅｓｓ　ｆｕｎｃｔｉｏｎ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｈｕ—　

ｍａｎ　ｃｏｍｐｕｔｅｒ　ｉｎｔｅｒａｃｔｉｏｎ　ｔｅｃｈｎｉｑｕｅ　ｔｏ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｕｎｉｔｓ　ｐｒｏｄｕｃｅｄ　ｉｎ　ｔｈｅ　ｒｕｎｎｉｎｇ　ｐｒｏｃｅｓｓ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔ　ｒｅｓｕｌｔ　ｈａｓ　ｐｒｏｖｅｄ　ｔｈａｔ　ｔｈｅ　

ｍｅｔｈｏｄ　ｃａｎ　ｍａｋｅ　ｔｈｅ　ｂｅｓｔ　ｏｆ　ｉｎｈｅｒｅ　ｄｅｓｉｇｎ　ｍｏｄｅｌ　ａｎｄ　ｐｒｏｄｕｃｅ　ｌａｒｇｅ　ｎｕｍｂｅｒｓ　ｏｆ　ｅｘｃｅｌｌｅｎｔ　ｕｎｉｔ　ａｕｔｏｍａｔｉｃａｌｌｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ；Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍｓ；ｃｒｅａｔｉｖｅ　ｄｅｓｉｇｎ；ＣＡＤ　

引言　

随着社会的不断发展和人民生活水平的逐　步提高，市场竞争越来越激烈，社会的消费观　

念也不断发生变化。产品的创新性、外观造　型、宜人性、环保性等因素愈来愈受到重视，　

在竞争中占据突出地位。这种趋势促使企业在　着手进行新产品开发时把面向产品的创新性、　

外观造型、人体工程等方面的设计提到一个新　的高度，从而也迫切要求对工业设计的研究能　

有进一步的突破，以提高企业形象、产品设计　水平和市场竞争力。创新是工业设计的灵魂。　

以知识为基础的产品创新竞争是２１世纪初全　球制造业竞争的核心。　

工艺品的设计更是突出了产品的创新性和　

外观造型的新颖性、多样性的重要性，因此在　设计过程中要充分考虑工艺品的美学特点及创　

新特性。但是，创新性和美学观念是人类独有　

的特性，很难用计算工具来模拟实现这个过　程。目前，完全用计算模型和计算工具来实现　创新是不现实的。因此，应该在现有的软硬件　

基础上，建立一个利用计算模型和计算工具　的，能够激发设计人员创作灵感的环境。同　

时，一些古老而新颖的设计方案通常得不到其　

设计文档，所见到的大部分都是以某个角度生　成的图案文件（　ｊｐｇ，　．ｇ４ｆ，　．ｂｍｐ等），如何　

充分利用这些图案文件，在原有方案的基础上　

进行再设计、自动化设计，是在此要解决的主　要问题。　现提出了一种基于基元模式识别的外观造　

型创新设计的新方法，该方法展示出利用现有　的计算方法生成草图及图像以支持特定领域的　

外观造型创新设计，是可以实现的，而且是有　很大潜力的。　

１基本理论　１．１模式识别　

模式是通过对具体的事物进行观测所得到　的具有时间与空间分布的信息，模式所属的类　

别或同一类中的模式的总体称为模式类，其中　个别具体的模式往往称为样本。模式识别就是　

研究通过计算机自动地（或者人为进行少量干　

预）将待识别的模式分配到各个模式类中的技　术，如图ｌ所示。　

ｌ－２遗传算法　

遗传算法（ＧＡ）是一种基于达尔文的生　物进化论的适者生存原理的人工智能方法。由　

美国Ｍｉｃｈｉｇａｎ大学Ｈｏｌｌａｎｄ教授１９７５年首次　

提出的…。它模拟生物进化的步骤，将繁殖、　杂交、变异、竞争和选择等概念引入到算法　

中，通过维持一组可行解，并通过对可行解的　重新组合，改进可行解在多维空间内的移动轨　

迹或趋向，最终走向最优解。它克服了传统优　

化方法容易陷入局部极值的缺点。这是一种新　的全局优化搜索算法，简单通用，鲁棒性强，　

适于并行处理，发展极为迅速，现已广泛应用　于计算机科学、优化调度、运输问题、组合优　

化控制系统优化及社会科学等领域。　遗传算法的步骤如下：　

（１）定义一个目标函数；　（２）将可行解群体在一定的约束条件下初　

始化，每一个可行解用一个向量Ｘ来编码，称　

为一条染色体，向量的分量代表基因．它对应　可行解的某一决策变量；　

（３）计算群体中每条染色体Ｘｉ（ｉ＝　

１，２，３，…，ｎ）所对应的目标函数值，并以　

此计算适应值Ｆｊ，按　的大小来评估该可行　解的好坏；　（４）以优胜劣汰的机制，将适应值差的染　

色体淘汰掉，对幸存的染色体根据其适应值的　

好坏，按概率随机选择，进行繁殖，形成新的　群体；　

（５）通过杂交和变异的操作，产生子代；　（６）对子代群体重复步骤（３）～（５）的　

操作，进行新一轮遗传进化过程，直到迭代收　敛（适应值趋于稳定）即找到了最优解或准最　

优解。　

２实例分析　２．１运用基于微元的模式识别方法对优秀　

工艺品进行识别　在模式识别问题中，描述每一具体模式的　信息是十分重要的，但是每一个模式类中含有　的具体的模式是非常繁多的。例如：图片、景　

物的识别就十分复杂，具有非常巨大的特征　量。因此，需要把复杂模式分解为若干简单子　

模式的结合，子模式又分解为若干基元。通过　对基元的识别，进而识别子模式，最终识别复　

杂模式。可见，基元模式识别的方法是使用较　

小而简单的基元与语法规则来描述大而复杂的　

模式。因此，将基元模式识别用于工艺品结构　识别，以及对图像内容进行描述是非常有效　

的。　

在此采用的基元识别方法的第一步是将一　个复杂的图像，分解成一个个子图像，然后将　

子图像分解成最简单、最小的基元。基元可以　是直线段、斜线段、圆弧段……。然后进行语　

法分析、检查，按照对象的结构规则去组成这　

些基元，形成模式，匹配要识别的对象，作决　策输出。可见，为了达到正确识别，关是用形　

状分析的有关技术，从原图像中提取基元，获　

取各个图像的编码。　

２．２利用遗传算法实　产品设计　２．２．１适应度函数　

系统借鉴了工艺品　１．中的形象度和抽象　

度的概念，将其引入到遗传算法适应度函数的　计算中，应用了一种新的面向工艺品的设计问　题求解算法１２１。该方法既充分利用了遗传算法　

在全局优化方面的优势，克服了以往布局算法　

的弊病，又简化了遗传算法的运算复杂度，从　而提高了算法性能。　定义Ｇ为基因适应度函数为：　

Ｇ＝ＷｘＶＤＮ＋（１一Ｗ）￣ＡＳＤＮ　

其中：ＶＤＮ是形象度，ＡＳＤＮ是抽象度，　

ｗ是形象度权值。形象度和抽象度具有自学　习和自调整功能。　

２．２．２遗传操作　

一

６１—　科　科ｌ技ｊ论】坛　

遗传操作包括交叉、变异和选择。　

（１）交叉　

交叉操作是在两个成功父辈树产生的两棵　新树之间进行的，在每棵父辈树上随机地选择　

一个交叉点，然后交换以交叉点为根的两棵子　使用ＶＣ作为开发工具，并利用ＡＣＩＳ产　生相应的曲线和曲面，进行相应的旋转变换或　

ｚ轴扫描，产生新的概念设计阶段的工艺品的　

形状。以花瓶设计为例，介绍一下该算法的具　体实现。　

图２树结构遗传算法的交叉操作　

穆　的ｒ　媾簿　｛　

鳆　鹾　

［＝＝＝　厂—　≥　

０　

，＜　

６　ｂ　

图３树结构遗传算法的变异操作　

树，产生两个后代。该操作如图２所示。　

（２）变异　

变异操作用来加强后代的多样性，从而扩　展解空问。该操作在单个父辈树上随机地选择　

一个节点，然后用一棵新的子树替代父辈树上　以选定节点为根的子树。该操作如图３所示。　

（３）选择　对于概念设计阶段的创意设计，无法给出　

一个形成目标函数的统一标准。因此，很难用　

一个公式来计算适应度［３１。在这里将采用一种　

通过与设计人员交互产生适应度值的方法。经　过一个进化过程，将由设计Ａｇｅｎｔ将设计人员　

所挑选出的满意的产品进行形象度和抽象度的　计算值所得适应度为知识存储到设计Ａｇｅｎｔ的　

知识库中。以后如果遇到类似的情况，Ａｇｅｎｔ　可以直接将其从知识库中取出重用。该方法将　

选取新设计的自主权交给了设计者，这种选择　

方式是以人为中心的，充分考虑到了设计人员　的喜好，并且通过设计Ａｇｅｎｔ观察和保存设计　

者的喜好，避免了重复指定适应度值，这对难　以定义目标函数的创新性设计，是一种非常有　

效的方法。　２．３具体实现　步骤１：初始化群体。将知识库中在模式　

识别阶段识别出来的曲线的基元作为基本的父　

代个体，生成初始的群体，以进行后续的操　作；　步骤２：根据新生成的曲线形状，画出该　

形状的连续曲线；　

步骤３：允许设计人员对草图进行局部修　改，以得到满足新需求的个体；　步骤４：通过与设计人员的交互，得到每　

一个形状个体的适应度函数值；　

步骤５：根据适应度函数值选择新群体；　步骤６：用交叉和变异对群体操１　遗传操作执行前后比较。该选挈　

变异和人工修改过程一直进行到被设　

止。这些生成形状可以形成工艺品概　段的构造草图，然后由设计人员发挥　及经验实现详细设计。在此设计过程　

可以选择自己感兴趣的实体，在对　

评价打分后存人知识库。以后在使　中，可以直接从知识库中提取。　２．４试验与结果分析　

使用ＶＣ＋＋６．０在Ｗｉｎｄｏｗｓ　ＸＰ平　

出的遗传算法进行了实验。在实验中　始群体大小Ｎ＝２，交叉概率Ｐｃ＝ｏ．８５　

率Ｐｍ：０．０２，同时设置了ｎ＝１０个被一　体，用于在算法运行过程中由载入遗　

人种群，试验共迭代了１００次，试验　

分产品。　

３结论　在工艺品的创新设计问题中，将　

模式识别的工艺品识别引入到初始种　中，并将工艺品设计中的形象度和抽　

念科学地引入人机交互的遗传算法中　大地提高算法性能。实例表明该算法　

品创新设计问题较为有效。就工艺品　阶段的计算机辅助设计来看，该系统　

问题需作进一步研究。如样本特征的　

艺品的形象度和抽象度函数的评价问　些问题的解决将为工艺品以后概念设　

智能设创新设计提供切实有效的途径　由此可见，模式识别作为一门亲　

它的知识应用领域进一步得到扩展。　

应用到图像处理，又以人工智能学　合，运用数学算法进一步对图像进行　

其应用到实际生产中，促进了科学的　会生产的发展。模式识别将会广泛应　

发展的各个领域。　

参考文献　

『１１莫宏伟．人工免疫系统原理与应ＪＩ手　尔滨：哈尔滨工业大学出版社，２００２　

ｆ２］焦李成，杜海峰，刘芳，等．免疫　

『Ｍ１．北京：科学出版社，２００６：１０８一　

［３］Ｓ　Ｆｏｒｒｅｓｔ．Ｓｅｌｆ—Ｎｏｎｓｅｌｆ　Ｄｉｓｃｒｉｍｉ