用于室内挂钟设计的模糊适应值交互式进化优化方法技术

本发明专利技术公布了一种用于室内挂钟设计的模糊适应值交互式进化优化方法，其具体步骤如下：进化开始前，系统为用户提供设计环境，随机生成初始进化种群；通过交互界面，人对个体进行单一数值评价，系统记录个体评价时间；系统根据个体评价时间和单一数值评价值，估计用户评价个体模糊适应值；系统根据个体表现型相似性对种群聚类，并分配未评价个体模糊适应值；通过个体模糊适应值中心值和个体表现型相似性构建个体选择适应值，采用联赛法完成个体选择。本发明专利技术有效降低设计人员的操作负担，设计人员只需按单一数值评价少量产品款式即可，系统在后台自动实现用户评价个体模糊适应值估计，与传统模糊适应值赋值相比，不需要输入语气词，节省了一半的操作量。

【技术实现步骤摘要】
用于室内挂钟设计的模糊适应值交互式进化优化方法
本专利技术属于挂钟设计领域，贴别是涉及一种用于室内挂钟设计的交互式进化优化方法，可用于引导用户进行室内挂钟外观方案的设计。
技术介绍
室内挂钟是重要的生活家居类产品，除了计时功能外，它还是一道空间装饰。好的挂钟外观设计不仅能给人视觉享受，还对家居氛围起到烘托作用。由于室内挂钟外观设计元素丰富，艺术性较强，无法采用定量的目标函数衡量评价方案，而基于交互式进化方法可以增强用户搜索能力，启发用户设计灵感，帮助用户找到满意的设计方案。目前，已经公布的应用交互式进化优化方法进行产品外观设计策略大致分为两种类型。其一是可以采用多种形式的个体适应值机器赋值，改善人机交互环境：如中国专利技术专利“用于窗帘设计的交互式进化优化方法”(公开号：CN10263249A，公开日：2011.08.24)给出的多集势模糊评价、精确值评价与自动评价；2009年出版的会议论文“Classificationandregression-basedsurrogatemodel-assistedinteractivegeneticalgorithmwithindividual’sfuzzyfitness”将支持向量机代理模型用于计算个体模糊适应值；2011年出版的期刊《AppliedSoftComputing》第11期“LargepopulationsizeIGAwithindividuals’fitnessnotassignedbyuser”将非用户赋适应值也用于大规模种群进化。上述大规模种群个体适应值赋值方法，扩展了用户评价个体适应值的能力，但尚存在如下问题：首先，上述方法对用户评价过程的疲劳问题考虑不够，为获得区间适应值和模糊适应值，用户仍需增加操作量；其次，受评价方法限制，代理模型只能逼近有限数量的语气词，对偏好表达仍然不足；而对非用户赋适应值的估计，则模型误差较大。其二是对个体适应值进行机器估计：如2010年出版的期刊《控制理论与应用》第6期“混合性能指标优化问题的大种群规模进化算法”按个体基因型相似性采用K-均值对种群划分计算适应值；2015年出版的期刊《控制与决策》第7期“基于CP-nets的偏好感知交互式遗传算法及其个性化搜索”采用代理模型进行适应值估计。上述个体适应值估计方法为大规模种群的进化提供了导向,但是尚存在如下问题:首先，这些适应值估计方法需要个体的距离或者个体基因模式的可分性作为估计的依据，但是通常交互式遗传算法中适应值函数是未知的，而且对于搜索空间较复杂的情况很难确定个体基因型和表现型之间的映射关系，基因型的微小差别往往会导致表现型的明显差异，所以基于基因距离的适应值估计与个体表现型存在误差。其次，采用代理模型方法估计适应值提高了算法优化效率，但个体相似度的计算仍基于基因型，所以模型误差依然存在。这说明,专利技术新的个体适应值估计方法是非常必要的。
技术实现思路
本专利技术所要解决的技术问题是：克服现有技术的不足，提供一种减少设计人员负担、增强算法的搜索能力且提高进化优化质量的用于室内挂钟设计的模糊适应值交互式进化优化方法。本专利技术的技术方案是：一种用于室内挂钟设计的模糊适应值交互式进化优化方法，采用大规模进化种群和个体模糊适应值估计策略的交互式遗传算法作为优化算法，它包括参数设置界面、交互界面和结果输出界面，系统划分为载入模块、处理模块和交互式遗传算法模块三个功能模块，三个功能模块通过一个交互界面融合为整体，共同完成交互式进化设计；室内挂钟各属性样本以.bmp格式储存在数据库中，载入模块将挂钟属性模型文件读入内存并在窗口界面中显示；处理模块实现对模型的贴图，时针与分针统一固定在10:10；交互式遗传算法模块则将交互式遗传算法整合到系统中。系统运行时，用户首先设置遗传参数，进入交互界面后点击“初始化”按钮，系统初始化并运行载入模块和处理模块，生成6个样本，用户通过样本下方滑动条对个体进行单一数值评价，系统在后台实现大规模种群个体模糊适应值估计；该优化算法具体实现为：(1)根据用户评价时间与单一数值适应值估计用户评价个体模糊适应值式中，d(ci(t))表示的中心，是隶属度为1的适应值；σ(ci(t))表示的宽度，该量主要反映评价的不确定性，且与不确定性呈正向变化；(2)根据个体表现型属性与参照个体模糊适应值宽度计算个体表现型相似度：式中，σ(xj(t))是参照个体xj(t)的模糊适应值宽度。则xi(t)与xj(t)的表现型相似度为μij(xir)的平均值，记为μ(xi(t),xj(t))：(3)利用个体表现型相似度对种群聚类并估计未评价个体模糊适应值：剩余个体xj(t)的模糊适应值中心值d(xj(t))计算公式为：式中，K是个体表现型相似度μ(xj(t),ci(t))最大值大于阈值θ(t)时的聚类中心：阈值θ(t)由前一代个体适应值中心值刻划：式中，α是反映评价性能的参数。可以看出，阈值θ(t)随进化代内最大适应值增加而增加，利用前一进化代的信息计算阈值，可以为下一代估计d(xj(t))提供依据；(4)基于个体模糊适应值和表现型相似性构造个体选择适应值，实现个体相似性选择。比较个体为xa(t),xb(t)，则个体选择适应值分别为F(xa(t)),F(xb(t))：F(xa(t))＝d(xa(t))·μ(xb(t),xa(t))F(xb(t))＝d(xb(t))·μ(xa(t),xb(t))式中，d(xa(t))，d(xb(t))分别是个体xa(t),xb(t)的模糊适应值中心值；μ(xa(t),xb(t))，μ(xb(t),xa(t))分别是以个体xb(t)和xa(t)为参照个体，以xa(t)和xb(t)为比较个体的相似度。优选地：将T(ci(t))与当前进化代内个体最长评价时间比值作为个体ci(t)的满意度，记为Hi：个体ci(t)的模糊适应值的宽度σ(ci(t))可以表示为：式中，d(ci(t))是用户对个体ci(t)的评价值。优选地：记第t-1代用户评价值最高个体为xB(t-1)，当前代t的个体cp(t)，p＝1,2,…,N与xB(t-1)的相似度为：用户评价个体数目Nc:Nc的意义是依据相似度的数值大小，选择最靠前的Nc个个体推荐给用户评价。本专利技术的优点和积极效果是：1、本专利技术有效降低设计人员的操作负担，设计人员只需按单一数值评价少量产品款式即可，系统在后台自动实现用户评价个体模糊适应值估计。与传统模糊适应值赋值相比，不需要输入语气词，节省了一半的操作量。2、本专利技术提出了一套完整的室内挂钟外观样本生成、交互及进化设计方法，其特点在于采用了大规模进化种群的个体模糊适应值估计策略的交互式遗传算法，根据用户评价时间与单一数值适应值估计用户评价个体模糊适应值；根据个体表现型属性与参照个体模糊适应值宽度计算个体表现型相似度；利用个体表现型相似度对种群聚类并估计未评价个体模糊适应值；基于个体模糊适应值和表现型相似性构造个体选择适应值，实现个体相似性选择；与同类方法比较，本专利技术的设计结果明显占有优势。3、本专利技术通过大规模种群进化，增强了算法的搜索能力；能够对所有个体实现模糊适应值赋值，偏好信息量更加丰富，个体评价更准确，提高了进化优化质量。附图说明图1为本专利技术的总体流程图；图2为本文档来自技高网...

【技术保护点】
一种用于室内挂钟设计的模糊适应值交互式进化优化方法，其特征是：采用大规模进化种群和个体模糊适应值估计策略的交互式遗传算法作为优化算法，它包括参数设置界面、交互界面和结果输出界面，系统划分为载入模块、处理模块和交互式遗传算法模块三个功能模块，三个功能模块通过一个交互界面融合为整体，共同完成交互式进化设计；室内挂钟各属性样本以.bmp格式储存在数据库中，载入模块将挂钟属性模型文件读入内存并在窗口界面中显示；处理模块实现对模型的贴图，时针与分针统一固定在10:10；交互式遗传算法模块则将交互式遗传算法整合到系统中。系统运行时，用户首先设置遗传参数，进入交互界面后点击“初始化”按钮，系统初始化并运行载入模块和处理模块，生成6个样本，用户通过样本下方滑动条对个体进行单一数值评价，系统在后台实现大规模种群个体模糊适应值估计；该优化算法具体实现为：(1)根据用户评价时间与单一数值适应值估计用户评价个体模糊适应值

【技术特征摘要】
1.一种用于室内挂钟设计的模糊适应值交互式进化优化方法，其特征是：采用大规模进化种群和个体模糊适应值估计策略的交互式遗传算法作为优化算法，它包括参数设置界面、交互界面和结果输出界面，系统划分为载入模块、处理模块和交互式遗传算法模块三个功能模块，三个功能模块通过一个交互界面融合为整体，共同完成交互式进化设计；室内挂钟各属性样本以.bmp格式储存在数据库中，载入模块将挂钟属性模型文件读入内存并在窗口界面中显示；处理模块实现对模型的贴图，时针与分针统一固定在10:10；交互式遗传算法模块则将交互式遗传算法整合到系统中。系统运行时，用户首先设置遗传参数，进入交互界面后点击“初始化”按钮，系统初始化并运行载入模块和处理模块，生成6个样本，用户通过样本下方滑动条对个体进行单一数值评价，系统在后台实现大规模种群个体模糊适应值估计；该优化算法具体实现为：(1)根据用户评价时间与单一数值适应值估计用户评价个体模糊适应值式中，d(ci(t))表示的中心，是隶属度为1的适应值；σ(ci(t))表示的宽度，该量主要反映评价的不确定性，且与不确定性呈正向变化；(2)根据个体表现型属性与参照个体模糊适应值宽度计算个体表现型相似度：式中，σ(xj(t))是参照个体xj(t)的模糊适应值宽度。则xi(t)与xj(t)的表现型相似度为μij(xir)的平均值，记为μ(xi(t),xj(t))：(3)利用个体表现型相似度对种群聚类并估计未评价个体模糊适应值：剩余个体xj(t)的模糊适应值中心值d(xj(t))计算公式为：式中，K是个体表现型相似度μ(xj(t),ci(t))最大值大于阈值θ(t)时的聚类中心：

【专利技术属性】
技术研发人员：郭广颂，陈良骥，文振华，侯军兴，李玲，
申请(专利权)人：郑州航空工业管理学院，
类型：发明
国别省市：河南,41