基于交互式遺傳算法的三維服裝款式研究

楊曉波

(浙江樹人學院，浙江 杭州 310015)

以往設計服裝大都依靠經驗，穩定性不夠，現如今，隨著遺傳算法技術[1-2]的不斷成熟，已經有學者利用其全局優化搜索能力設計服裝。Sun等[3]采用傳統遺傳算法對服裝色彩新穎性與款式協調性進行優化；Yeung等[4]在服裝排料引入遺傳算法；Muni等[5]在設計織物紋理時借助遺傳算法實現；Ogata等[6]將服裝部件進行整合并通過客戶評分和遺傳操作確定最佳服裝；Gong等[7]通過改進傳統遺傳算法提升服裝設計的工作效率；Kim等[8]等利用3D Max軟件設計三維服裝模型，款式優化亦建立在該模型之上，實用性較差。上述研究雖在服裝款式設計中應用遺傳算法，但有些地方還需完善，如面對平面服裝設計時，沒有考慮服裝的立體特性；遺傳操作沒有與真實三維服裝設計很好結合，與實際情況存在差距。鑒于此，本文擬在真實服裝設計中引入交互式遺傳算法，將服裝設計的約束機制引入到遺傳操作之中，以保證設計款式的合理性，滿足用戶對三維服裝款式的審美需求。

1 交互式遺傳模板

1.1 交互式遺傳算法原理

傳統遺傳算法利用編碼方法解決實際問題，是一種模擬進化的遍歷算法[9-10]。交互式遺傳算法是將遺傳算法融入到主觀評價之中，這樣可以克服傳統方法的呆板評價模式，靈活處理不同個體的設計模式。

交互式遺傳算法利用交互特性為每個個體分配不同的適應度。前期操作與傳統遺傳算法類似，但在進化階段引入主觀評價，這樣做更符合實際評估過程，因為每位專家對相同服裝款式的評價會有所不同，最終計算的優化解是一個區間，而非單一解，進化結果可能存在多個解。交互式遺傳算法的實現流程如圖1所示。

從圖1可知，交互式遺傳算法與傳統遺傳算法相比，增加了人機交互部分，通過人工評價確定種群中是否存在最優個體，最優個體即為優化后的三維服裝款式。

1.2 交互式遺傳模板構建

構建交互式遺傳模板需要解決服裝款式的三維操作、約束性和復雜性等難題。三維操作過程中種族初始化是以款式類庫為基礎，因而在編碼操作時，部件之間很難做到平滑拼接，運用傳統的二進制編碼只能實現基礎數據交換，對于結構較為復雜的三維款式，遺傳過程中需解決三維操作的問題；另外，款式庫中的部件類型多樣且結構復雜，如果操作不當，必然造成部件之間的拼接不合理等情況，因此需要建立相應的約束機制；為了充分發揮遺傳算法的全局搜索能力，降低算法的復雜度，需要為種群的遺傳操作提供足夠的搜素空間，以確保最終操作結果的有效性。

在服裝款式設計中引入交互式遺傳算法，需要創建相應的遺傳模板，以解決目前存在的問題。遺傳模板的構建過程如圖2所示。

圖2 遺傳模板構建過程Fig.2 Genetic template construction process

從圖2可知，遺傳模板的構建過程是：先創建款式類庫，接著將款式進行分解，各類款式進入部件庫，部件庫用于創建服裝款式數據結構，通過遺傳算法實現款式部件與遺傳操作的對接，最后利用選擇、交叉、變異等遺傳操作，款式部件得以更新，經過人工評價，款式得到優化，最終獲得最優創意的款式。

2 三維服裝款式的遺傳耦合

2.1 服裝款式部件庫建立

服裝款式的基本單元是部件，在進行選擇、交叉、變異等遺傳操作中，服裝部件保存在部件庫中，可以作為遺傳操作的基礎數據。為了在三維服裝部件庫中融入遺傳操作，本文款式部件庫主要包括衣身、衣袖和衣領三部分，各部分建立相應的類庫，可以很好的實現款式拼接等操作。

設計服裝款式部件需根據部件庫的分類進行設計。衣身類數據結構包括衣身主體類、款式線類以及與衣袖、衣領的關聯；衣袖類數據結構除了包含衣袖主體類等基礎特征，還包含與其他類庫的拼接屬性；衣領類數據結構包括衣領主體類、衣領基線類和領口線類等。各個部件所建立相應的類庫如圖3所示。

圖3 服裝部件設計類庫Fig.3 Clothing component design class library.(a)Sleeve body class;(b) Collar body class;(c) Garment body class

從圖3可知，衣袖主體類用于保存衣袖基礎數據、調整袖孔線、檢測衣袖輪廓與袖孔接口，為三維拼接做準備；衣領主體類用于獲取人體特征值、重建衣領輪廓、調整衣領線等，為遺傳操作奠定基礎；衣身主體類用于融合衣袖和衣領，方便后期的約束檢測。服裝部件各子類之間相互聯系，同時保留與外部的接口，以便后期的部件拼接和遺傳操作。同時利用約束檢測等方法保證衣身的完整性。

設計服裝類庫的數據結構，主要目的是在遺傳操作時靈活使用各類部件，更好的實現款式編碼和拼接等流程。

2.2 染色體類結構建立

以往大都采用二進制編碼進行遺傳運算[11]，該方法具有簡單、方便且編碼高效等優點，但只適用于平面服裝部件，在操作立體服裝部件時，則暴露出編碼方式單一等缺點。

為了滿足復雜度較高的三維款式部件遺傳操作，本文采用染色體指針對款式部件進行編碼，每個染色體分配不同的指針，指向對應的款式部件或數據結構。這樣在遺傳操作中可通過染色體指針對三維部件進行操作。染色體指針的編碼過程如圖4所示。

圖4 染色體指針的編碼過程Fig.4 Encoding process of chromosome

由圖4可知，染色體定義為{X1,X2,X3,X4,X5,X6}，編碼過程中，不同的部件分配不同的染色體指針，通過指針可以從類庫中提取相應的部件，染色體指針指向所對應的部件類，這樣就形成了完整的三維服裝款式。

染色體指針存儲在哈希表中，不同的id號代表不同的部件染色體指針，初始化種群時，隨機選取染色體指針并進行組合，將獲得的染色體與款式個體進行匹配，若滿足相應的約束條件便接收，否則就放棄。

在程序中，染色體的類結構定義如下：

class Chrom

{

public:

Sleeve *m_pSleeve; //衣袖指針

Collar *m_pCollar; //衣領指針

Garment *m_pGarment; //衣身指針

STexture *m_pSTexture; //衣袖紋理指針

CTexture *m_pCTexture; //衣領紋理指針

GTexture *m_pGTexture; //衣身紋理指針

}

從染色體的類結構可以看出，部件指針指向相應的款式部件，并能從部件庫中提取相應的部件數據。

2.3 款式部件的拼接

傳統的服裝部件拼接采用重心坐標方法來完成[12]，但該方法的前提是保持衣身網格拓撲結構不變，當進行款式部件拼接時，不同的服裝款式會形成不同的網格結構，利用重心坐標法很難得到同一的拼接模式。本文采用接口提取匹配的方法進行款式部件拼接，下面以衣袖接口生成方法為例，分析接口提取匹配方法的工作流程，衣袖接口生成圖自主手工繪制完成，如圖5所示。

圖5 衣袖接口生成圖Fig.5 Sleeve interface generation diagram

由圖5分析，衣袖接口的生成過程分3個步驟完成。首先，確定衣袖切割曲面的法向量，計算衣袖切割曲面法向量可采用三邊面插值法[14]，切割面法向量的計算公式如下：

n=pi+1-pi,n=RotateX(n,π/2)

(1)

式中:n為切割面法向量；pi表示衣袖款式線Ls的點，pi+1表示pi的相鄰點，切割法向量n的值可通過兩點之間的差值獲得，X軸和切割法向量n如圖5所示，利用RotateX(n,π/2)將切割向量沿切割面的垂直方向繞X軸逆時針旋轉90°得到法向量n。

款式部件初步拼接完畢后，還需增加相應的約束條件，目的是確保拼接的平滑過渡，本文參考徐文鵬等[15]提出的服裝約束條件，并加以改進，定義約束如下：

Ci={Ti,(E1,E2)}

(2)

式中：Ti表示約束類型，如共點約束、對稱約束等；(E1,E2)表示涉及約束的元素集合。

具體求解過程為：先將E1設為已知約束元素集，再根據E1,E2所需滿足的條件選擇合適的約束類型，依據約束條件選擇對稱約束較為適宜，該方法從已知約束點集E1出發，利用對稱法則獲得未知約束點集E2，實現全局約束。

當部件拼接的結果超過設定的約束條件時，可以調整部分約束元素，如適當改變碰撞相應值等，調整后再次進行部件拼接，當拼接結果達到設定的約束條件時，則認為此次拼接結果有效，否則，再次調整約束元素，直到滿足條件為止。

3 款式優化與對比實驗

款式部件完成拼接后，還需結合遺傳算法，利用三維款式部件庫對服裝款式進行優化，生成的三維服裝種群應側重于用戶的偏好，最終符合用戶的需求。

3.1 交互式遺傳算法的款式優化流程

利用交互式遺傳算法進行款式優化，是在遺傳操作過程中利用約束機制實現服裝款式個體的合理性，通過不斷改進以適應三維服裝設計的要求。款式優化流程如圖6所示。

圖6 款式優化算法流程圖Fig.6 Style optimization algorithm flow chart

從圖6可知，款式優化的主要流程是：首先，設定初始參數，如種群數等，對種群進行初始化，然后，對初始種群進行交叉評價，如果評價結果滿足種群適應度等條件，則獲得最優解，反之，利用選擇、交叉、變異等遺傳操作對種群進行優化；最后，為了確保款式的有效性，還需利用約束條件對種群不斷優化。

美觀度是評價服裝款式的重要指標，在遺傳操作中決定個體的優勝劣汰，美觀度可通過人機交互評分方式獲得，這樣可更加合理地體現用戶對服裝款式的喜好。本文采用對服裝部件分別打分的方法來計算美觀度，計算公式如下：

F=IgFg+IsFs+IcFc

(3)

式中：F代表美觀度；Fg、Fs、Fc分別代表用戶對款式個體的衣身、衣袖和衣領的評分；Ig、Is、Ic則表示衣身、衣袖和衣領的權重系數，權重系數可根據用戶的喜好設定。

當用戶完成款式美觀度的評價后，需要在群體重選擇優勝的個體，目的是將優良基因遺傳到下一代，服裝個體的優選采用式(4)完成。

(4)

式中：P代表獲勝個體在群體中的概率；Fi表示單個個體的美觀度；∑Fi表示個體美觀度的總和。一般而言，個體美觀度越高，獲勝的概率就越大。

3.2 對比實驗

實驗選用的初始種群數量為8組，部件選用采取單點交叉方式，初始交叉概率Pc和初始變異概率Pm分別取值為0.7和0.9,利用本文的遺傳算法進行迭代運算，迭代次數達到第10代時運算結果趨于收斂，輸出運算結果，10名用戶可根據自身喜好，結合部件重要程度對每種服裝款式進行評分，遺傳算法根據用戶的評價指標不斷優化種群。

系統的初始種群由各款式部件隨機產生，種群序號代表用戶的評價順序，部件序號代表款式部件在款式庫中的順序，初始種群的構成如表1所示。

表1 初始種群構成Tab.1 Initial population composition

進化至第10代時種群趨于收斂，進化種群的構成如表2所示。

表2 進化種群構成Tab.2 Evolutionary population composition

對比表1和表2，種群初始階段，系統根據已有的款式部件庫形成多個款式部件組合，當用戶根據個人喜好為每種款式進行評分后，交互式遺傳算法根據評分美觀度進行進化，到達第10代種群時，服裝款式逐漸收斂于用戶喜好。

為了驗證交互式遺傳算法服裝款式優化效果，本文選用二維裁片法[13]、粒子群法[16]、模擬退火法[17]、傳統遺傳算法與交互式遺傳算法進行實例對比，結果如圖7所示。

圖7 5種方法的實例對比Fig.7 Example comparision of five methods

從圖7可知，隨著交互代數的增加，美觀度值也隨之增加，當交互代數相同時，本文提出的交互式遺傳算法可以比傳統遺傳算法與二維裁片法獲得更高的美觀度值，平均提高比率分別達到18%和35%，從而通過交互進化快速達到用戶的滿意結果。

4 結 論

本文提出基于交互式遺傳算法對服裝款式進行優化，通過算法分析和對比性實驗得出以下結論：

1) 構建交互式遺傳模板，可以不斷改進款式部件庫，通過遺傳算法實現款式部件與遺傳操作的對接，實現款式的最優創意。

2) 通過建立服裝款式類庫，采用染色體指針對款式部件進行編碼，借助約束條件獲得較優的款式部件，同時，利用接口提取匹配的方法進行款式部件拼接，完成三維服裝款式的遺傳耦合。

3) 通過對比實驗，本文提出的交互式遺傳算法可以獲得比傳統遺傳算法和二維裁片法更高的美觀度值，平均提高比率分別達到18%和35%，從而通過交互進化快速達到用戶的滿意結果。

FZXB