汽車外觀造型創(chuàng)新設(shè)計遺傳算法的應(yīng)用

吳海強(qiáng)

【摘 要】隨著社會的進(jìn)步，代步工具逐漸成為人們社會生活中不可缺少的一部分，其中，以汽車最為常見。與此同時隨著汽車數(shù)目以及種類的不斷增加，人們對汽車各方面的要求也隨之增高。關(guān)于現(xiàn)實生活中汽車造型設(shè)計方面缺少計算機(jī)輔助設(shè)計以及優(yōu)秀汽車造型利用率不高等問題，本文就汽車外觀造型創(chuàng)新設(shè)計遺傳算法的應(yīng)用展開簡要論述。

【關(guān)鍵詞】創(chuàng)新設(shè)計；模式識別；遺傳算法

0 前言

在汽車發(fā)展的歷史中，汽車設(shè)計一直都是離不開創(chuàng)新，不間斷的創(chuàng)新力量在汽車的發(fā)展過程中是一個永恒的主題。隨著汽車生產(chǎn)技術(shù)的成熟，相同價格的汽車性能沒有太大的差異，汽車外觀創(chuàng)新和新穎性已經(jīng)成為吸引消費者購買的重要因素。這種趨勢讓廠商對汽車的外觀創(chuàng)新設(shè)計提到了一個新的高度。怎么對車輛造型進(jìn)行創(chuàng)新是目前困擾廠商的一大難題。

該文章提出了一種新的汽車設(shè)計理念。第一是將汽車模塊化分解，通過模式識別將汽車的圖片轉(zhuǎn)換為計算機(jī)識別的標(biāo)準(zhǔn)化汽車構(gòu)件；然后通過遺傳操作手段產(chǎn)生創(chuàng)新的構(gòu)件，利用計算機(jī)模擬技術(shù)將構(gòu)件組裝成全新的車型。實驗表明，該方法可以充分利用現(xiàn)有資源，提高設(shè)計效率，具有很大的發(fā)展?jié)摿Α?/p>

1 國內(nèi)外的研究現(xiàn)狀

這些年來，國內(nèi)外許多研究都對遺傳算法在創(chuàng)新設(shè)計中的應(yīng)用做了大量的研究工作。P. J. Bentley系統(tǒng)的揭示了利用遺傳算法進(jìn)行概念設(shè)計創(chuàng)新和優(yōu)化的思想，提出了一種基于遺傳算法為核心的遺傳算法設(shè)計系統(tǒng)。Johrr Frazer教授一直致力于設(shè)計中的進(jìn)化計算的應(yīng)用，成功地實現(xiàn)了遺傳算法在大量建筑設(shè)計中的應(yīng)用。本文提出了如何協(xié)調(diào)人機(jī)之間的矛盾，充分利用計算機(jī)輔助設(shè)計環(huán)境來進(jìn)行產(chǎn)品的創(chuàng)新設(shè)計，提出新的思路。韓國利用IGA （interactive genetic algorithm）的思想，實現(xiàn)服裝創(chuàng)新設(shè)計和圖像修補(bǔ)。在國內(nèi)，浙江大學(xué)的潘云鶴校長及他的學(xué)生通過智能CAD技術(shù)，創(chuàng)造性的解決了圖案構(gòu)圖、顏色和描繪等知識表達(dá)和實現(xiàn)的問題。山東師范大學(xué)校長劉弘院長等人提出了一種支持創(chuàng)新外觀設(shè)計的進(jìn)化計算方法，并用這種方法產(chǎn)生了一些創(chuàng)新的產(chǎn)品，如臺燈、手機(jī)等。

雖然利用遺傳算法進(jìn)行創(chuàng)新設(shè)計已經(jīng)取得了許多顯著的成果，但創(chuàng)新是無止境的，設(shè)計領(lǐng)域總是會不斷變化和拓展。因此，將遺傳算法應(yīng)用于汽車造型的具體設(shè)計中是一個具有吸引力的課題。它可以充分利用現(xiàn)有的優(yōu)秀資源，開拓設(shè)計人員的思路，產(chǎn)生了很多人無法想象的造型。

2 汽車造型創(chuàng)新設(shè)計具體流程

2.1 父個體構(gòu)件庫的生成

進(jìn)行遺傳操作最重要的是父個體的選擇，優(yōu)秀父個體經(jīng)過交叉變異后更容易產(chǎn)生優(yōu)秀新個體。因此生成優(yōu)秀父個體是關(guān)鍵一步。汽車的具體存儲可以分為車頭、車尾、車身、車底四大部分。其中這四部分又可以再次進(jìn)行細(xì)化，基本的構(gòu)件由具體的特征值表示出來。這種分層的存儲結(jié)構(gòu)在執(zhí)行遺傳操作時可以針對一個基本構(gòu)件，也可以針對一個具體的特征值，比較靈活。

2.2 遺傳算法方面

2.2.1 適應(yīng)度函數(shù)

汽車的安全穩(wěn)定是非常重要的；同時汽車又要滿足人們對個性的追求，要有創(chuàng)新性。因此本文結(jié)合這兩方面的內(nèi)容，將穩(wěn)定性和創(chuàng)新性引人到遺傳算法適應(yīng)度函數(shù)的計算中來。該函數(shù)既充分利用了遺傳算法在全局優(yōu)化方面的優(yōu)勢，克服了汽車布局單一的弊病，又簡化了遺傳算法的運算復(fù)雜度，從而提高了算法性能。定義適應(yīng)度函數(shù)為 F=ω×Sta+（l-ω）x×Cre

其中：Sta代表穩(wěn)定性；Cre代表創(chuàng)新性；兩者的權(quán)值分別是，ω和（l-ω）。設(shè)計人員可根據(jù)自己需要改變它們的權(quán)值。

2.2.2 遺傳操作

傳統(tǒng)的遺傳算法采用二進(jìn)制字符串表示。該表示方法已經(jīng)成功地解決了很多間題，但是這種表示方法不夠靈活，本文采用一種新穎的樹型遺傳算法。

1）交叉

交叉操作是從當(dāng)前種群中，根據(jù)適應(yīng)度值選出兩個父個體；從每個父輩樹上隨機(jī)選擇一棵子樹，然后交換兩棵子樹，經(jīng)過這樣的重新組合產(chǎn)生兩個新的子個體。該操作用來執(zhí)行局部搜索并試圖找到更好的解。針對本文具體的汽車外觀造型的存儲結(jié)構(gòu)。它的交叉操作可以分為兩類：a）整個部件的交叉，如兩車的車燈進(jìn)行互換，b）部件的屬性進(jìn)行交叉，如兩車的車燈顏色進(jìn)行互換。

2）變異

變異操作是由程序隨機(jī)產(chǎn)生一棵新的子樹代替被突變概率選中節(jié)點以下的原有子樹部分。該操作用來執(zhí)行隨機(jī)搜索并試圖探索局部最優(yōu)解以外的區(qū)域。與交叉類似，汽車造型的變異也分為整個部件的變異和某部件屬性的變異兩類。

3）選擇

對于有創(chuàng)意的設(shè)計，無法給出一個形成目標(biāo)函數(shù)的統(tǒng)一標(biāo)準(zhǔn)。創(chuàng)新設(shè)計是最能體現(xiàn)人的智慧的，所以本文采用一種人機(jī)交互的方式進(jìn)行產(chǎn)品選擇。設(shè)計人員可以對選擇出的產(chǎn)品進(jìn)行評分，指定穩(wěn)定性和創(chuàng)新性的值，而此時設(shè)計agent則記錄下相應(yīng)的各個分?jǐn)?shù)存儲到知識庫中。以后再遇到類似情況時，設(shè)計agent直接從產(chǎn)品庫中調(diào)用。這樣既體現(xiàn)了設(shè)計人員的選擇，同時又節(jié)省時間，避免重復(fù)操作。

3 運用模式識別方法對優(yōu)秀造型進(jìn)行識別（具體事例）

3.1 運用模式識別方法對優(yōu)秀造型進(jìn)行識別

對優(yōu)秀圖片進(jìn)行識別，然后生成構(gòu)件，這是得到父個體的一種重要方法。具體過程：

3.1.1 選擇優(yōu)秀的造型或某一構(gòu)件的圖片，如車燈。

b）模式識別圖片，然后提取關(guān)鍵點，繪制出二維曲線草圖。可以小范圍的調(diào)整有缺陷的地方。

3.1.2 對二維曲線執(zhí)行沿二坐標(biāo)軸掃描操作，生成構(gòu)件并進(jìn)行評價存人構(gòu)件庫。

e）弱國對造型各構(gòu)件識別完畢，則結(jié)束；否則轉(zhuǎn)第二部繼續(xù)識別其它構(gòu)件。

3.2 運用遺傳算法生成新的造型

在這里，以汽車的車尾為例介紹一下遺傳操作的流程。

3.2.1 根據(jù)設(shè)計人員給出的適應(yīng)度函數(shù)值，從構(gòu)件庫中選擇構(gòu)件組裝作為父個體。

3.2.2 進(jìn)行遺傳操作；交叉和變異。

3.2.3 與設(shè)計人員進(jìn)行交互，對生成的實體造型進(jìn)行評價，將優(yōu)秀的造型存人父個體庫。

3.2.4 人工結(jié)束該過程或者轉(zhuǎn)到b）繼續(xù)進(jìn)行遺傳操作。經(jīng)過遺傳操作生成的構(gòu)件，只是概念設(shè)計階段的構(gòu)造草圖，設(shè)計人員可以將喜歡的造型存為*. sat文件，進(jìn)一步用3D設(shè)計軟件細(xì)化。

3.3 組裝生成新車型

將各個構(gòu)件標(biāo)準(zhǔn)化之后，整車的生成就比較簡單。設(shè)計人員提出自己的要求后，則由設(shè)計agent自動地從構(gòu)件庫中進(jìn)行選取、裝配，生成汽車。具體的過程有三步：

3.3.1 設(shè)計人員設(shè)定適應(yīng)度值。

3.3.2 設(shè)計agent根據(jù)適應(yīng)度值從構(gòu)件庫中選取構(gòu)件。

3.3.3 自動組裝成為汽車。

4 結(jié)語

在本文中，汽車造型的創(chuàng)新設(shè)計，首先通過對優(yōu)秀的汽車造型進(jìn)行模式識別生成初始種群，然后進(jìn)行交叉和變異等遺傳操作，不斷產(chǎn)生新的個體；在汽車設(shè)計的同時將需要的穩(wěn)定性和創(chuàng)新性引入到遺傳算法中來，去評估新實體，從而提高算法的有效性。但由于汽車零部件生成后如何裝配仍然存在一些問題，特別是零件的形狀、尺寸和位置的變化，如何將其組裝在一起，在一定程度上還是不理想的。相信隨著這些問題的解決，該系統(tǒng)的應(yīng)用前景將更加廣闊。

【參考文獻(xiàn)】

[1]劉弘.劉希玉支持外觀造型創(chuàng)新設(shè)計的進(jìn)化計算方法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2006，18（1）：101-107.

[2]玄光南，程潤偉.遺傳算法與工程優(yōu)化[M].北京：清華大學(xué)出版社，2004；9-11.

[3]張曉玲，沈蘭稱，張培強(qiáng).基于三維自適應(yīng)預(yù)瀏的高光譜圖像無損壓縮算法[J].電子學(xué)報，2004，32（6）：957-959.

[責(zé)任編輯：朱麗娜]