汽车外观造型创新设计遗传算法的应用.docVIP

汽车外观造型创新设计遗传算法的应用 　　【摘 要】随着社会的进步，代步工具逐渐成为人们社会生活中不可缺少的一部分，其中，以汽车最为常见。与此同时随着汽车数目以及种类的不断增加，人们对汽车各方面的要求也随之增高。关于现实生活中汽车造型设计方面缺少计算机辅助设计以及优秀汽车造型利用率不高等问题，本文就汽车外观造型创新设计遗传算法的应用展开简要论述。 　　【关键词】创新设计；模式识别；遗传算法 　　0 前言 　　在汽车发展的历史中，汽车设计一直都是离不开创新，不间断的创新力量在汽车的发展过程中是一个永恒的主题。随着汽车生产技术的成熟，相同价格的汽车性能没有太大的差异，汽车外观创新和新颖性已经成为吸引消费者购买的重要因素。这种趋势让厂商对汽车的外观创新设计提到了一个新的高度。怎么对车辆造型进行创新是目前困扰厂商的一大难题。 　　该文章提出了一种新的汽车设计理念。第一是将汽车模块化分解，通过模式识别将汽车的图片转换为计算机识别的标准化汽车构件；然后通过遗传操作手段产生创新的构件，利用计算机模拟技术将构件组装成全新的车型。实验表明，该方法可以充分利用现有资源，提高设计效率，具有很大的发展潜力。 　　1 国内外的研究现状 　　这些年来，国内外许多研究都对遗传算法在创新设计中的应用做了大量的研究工作。P. J. Bentley系统的揭示了利用遗传算法进行概念设计创新和优化的思想，提出了一种基于遗传算法为核心的遗传算法设计系统。Johrr Frazer教授一直致力于设计中的进化计算的应用，成功地实现了遗传算法在大量建筑设计中的应用。本文提出了如何协调人机之间的矛盾，充分利用计算机辅助设计环境来进行产品的创新设计，提出新的思路。韩国利用IGA （interactive genetic algorithm）的思想，实现服装创新设计和图像修补。在国内，浙江大学的潘云鹤校长及他的学生通过智能CAD技术，创造性的解决了图案构图、颜色和描绘等知识表达和实现的问题。山东师范大学校长刘弘院长等人提出了一种支持创新外观设计的进化计算方法，并用这种方法产生了一些创新的产品，如台灯、手机等。 　　虽然利用遗传算法进行创新设计已经取得了许多显著的成果，但创新是无止境的，设计领域总是会不断变化和拓展。因此，将遗传算法应用于汽车造型的具体设计中是一个具有吸引力的课题。它可以充分利用现有的优秀资源，开拓设计人员的思路，产生了很多人无法想象的造型。 　　2 汽车造型创新设计具体流程 　　2.1 父个体构件库的生成 　　进行遗传操作最重要的是父个体的选择，优秀父个体经过交叉变异后更容易产生优秀新个体。因此生成优秀父个体是关键一步。汽车的具体存储可以分为车头、车尾、车身、车底四大部分。其中这四部分又可以再次进行细化，基本的构件由具体的特征值表示出来。这种分层的存储结构在执行遗传操作时可以针对一个基本构件，也可以针对一个具体的特征值，比较灵活。 　　2.2 遗传算法方面 　　2.2.1 适应度函数 　　汽车的安全稳定是非常重要的；同时汽车又要满足人们对个性的追求，要有创新性。因此本文结合这两方面的内容，将稳定性和创新性引人到遗传算法适应度函数的计算中来。该函数既充分利用了遗传算法在全局优化方面的优势，克服了汽车布局单一的弊病，又简化了遗传算法的运算复杂度，从而提高了算法性能。定义适应度函数为 F=ω×Sta+（l-ω）x×Cre 　　其中：Sta代表稳定性；Cre代表创新性；两者的权值分别是，ω和（l-ω）。设计人员可根据自己需要改变它们的权值。 　　2.2.2 遗传操作 　　传统的遗传算法采用二进制字符串表示。该表示方法已经成功地解决了很多间题，但是这种表示方法不够灵活，本文采用一种新颖的树型遗传算法。 　　1）交叉 　　交叉操作是从当前种群中，根据适应度值选出两个父个体；从每个父辈树上随机选择一棵子树，然后交换两棵子树，经过这样的重新组合产生两个新的子个体。该操作用来执行局部搜索并试图找到更好的解。针对本文具体的汽车外观造型的存储结构。它的交叉操作可以分为两类：a）整个部件的交叉，如两车的车灯进行互换，b）部件的属性进行交叉，如两车的车灯颜色进行互换。 　　2）变异 　　变异操作是由程序随机产生一棵新的子树代替被突变概率选中节点以下的原有子树部分。该操作用来执行随机搜索并试图探索局部最优解以外的区域。与交叉类似，汽车造型的变异也分为整个部件的变异和某部件属性的变异两类。 　　3）选择 　　对于有创意的设计，无法给出一个形成目标函数的统一标准。创新设计是最能体现人的智慧的，所以本文采用一种人机交互的方式进行产品选择。设计人员可以对选择出的产品进行评分，指定稳定性和创新性的值，而此时设计agent则记录下相应的各个分数存储到知识