交互式遗传算法在服装设计领域的应用

陈奕帆 范行行 赵亚娟 李雪飞

摘要：随着时代的发展，交互进化在工业设计领域的应用与日俱增。介绍了交互式遗传算法的研究现状、原理及特点。以西服为研究对象，描述了服装交互进化设计的方法并对其进行实例展示，用户可以根据自身的情感喜好，实现对不同风格款式的服装进行选择评分，并通过进化计算得到符合用户内心期望的设计作品。

关键词：交互式遗传算法；服装设计；个性化

中图分类号：TP18文献标志码：A文章编号：1008-1739（2019）14-62-3

0引言

随着科学与文明的进步，人类的思想逐渐冲破意识形态的禁锢，越来越多的人开始追求独特的事物，这一改变在穿着方面尤为显著。目前，传统服装行业创新度不高，消费者对个性化需求日益提高，服饰自主设计不断受到研究者的关注。近年来，人们发现单向逻辑的方法对服装设计仍有欠缺，进而追求非逻辑构建方法。交互式遗传算法作为一种借鉴生物学遗传机制的研究方法，仅仅是初显头角，就已经在服装领域显示出蓬勃的发展态势和巨大的潜在市场。

1国内外研究现状

交互式遗传算法起源于1986年Dawkins[1]对生物形态系统的研究。2001年，日本学者Takagi[2]在交互式遗传算法的理论和应用研究方面提出了许多行之有效的方法。随后，Nandhini K在2016年提出了一种基于交互式遗传算法的个性化总结[3]，这种方法被应用于教育领域，极大限度地提高了特征提取后重要句子的可读性。此外，交互式遗传算法在图像检索处理[4]和音乐创作[5]等领域也有应用。

国内关于交互式遗传算法的研究起步较晚，但其发展速度很快。齐岩采[6]在2004年给出了一种变均分单元法对图像进行分割，通过对图像特征数据进行编码生成的图像候选图集进行评价，得到用户需求的图像。为使建筑设计趋于完美，董峻岩于2015年将交互式遗传算法成功应用于建筑设计[7]领域，有效促进了我国建筑行业的进一步发展。同样，蔡美菊与朱佳栋都相继将交互式遗传算法应用于汽车造型设计[8]和产品配置设计[9]中。

2交互式遗传算法

2.1交互式遗传算法原理

交互式遗传算法流程如图1所示。步骤如下：①种群参数设置；②二进制编码；③生成初始种群；④解码，用户评价进化个体；⑤判断用户是否有满意个体，若是，输出最优解，算法结束；若否，重新进行遗传操作生成新种群，转③。

2.2交互式遗传算法特点

交互式遗传算法在拥有遗传算法的特点之外，还具备其自身特性。

①用户的认知局限性：由于进化个体的适应值是用户给予的，所以在算法执行过程中所选个体、所给分数都是自我主观意识的，而每个人的偏好均有差异，不同的人可能对同一个体的评价结果相差甚远。

②种群规模小且迭代次数少：对于用户而言，每一代新生种群都需要进行适应值评估操作，频繁的人机交互总得不到预期的结果，会造成用户疲劳，所以要求算法种群规模小、迭代次数少。

③最优解不唯一：每个人喜好不同，所以产生的结果也不同。此外，用户分2种人，一种明确内心需求，另一种对评价对象认知模糊不清。他们都有多种偏好倾向的可能，对最优解集内多个可行解都满意。

3交互式遗传算法在服装设计领域的应用

3.1编码规则

以男士西服作为一个个体，对其不同的部件进行二进制编码，如图2所示。将服装分为领深、领嘴位置、驳领宽、领嘴开口深度、驳领角与翻折线的夹角、领嘴角度、领嘴上宽度、门襟宽度、腰身、胸袋和下摆11个件。前8个部件采用4位二进制编码，后3个部件采用1位二进制编码，将服装参数化，得到一串对应该服装的35位编码。对其中的2个部件（领深、腰身）进行编码展示，如表1和表2所示。

3.2遗传操作

交叉变异是遗传操作中最重要的部分，它决定了算法的局部检索能力，维持了种群的多样性，有效防止个体在逼近最优解过程中过早收敛的现象。遗传操作中，交叉变异概率是需要密切关注的问题，概率设置过大，会导致算法的最优解空间被破坏；概率设置过小，则会降低算法的搜索性能。通常交叉概率的建议取值范围是0.4～1，变异概率的取值范围一般为0～0.1。本文采用双点交叉，如图3所示。

3.3算法终止并给出满意解

如果用户得到预想解，则终止算法，输出符合用户内心期待的最优设计。反之，算法重新進行交叉变异，用户继续进行适应值评估，找到满意结果为止。

4实例验证

以Visual Studio 2017为平台搭载用户界面，借助交互式遗传算法找出最优设计，展示过程分为款式选择评分和进化结果展示2个步骤。

4.1款式选择评分

用户界面如图4所示，用户可对6款不同的衣服进行选择，完成选择之后，可以对所选服装进行青睐评分，根据喜好程度的不同，给予每款服装1～6的差别评分，评分的高低会影响最终服装的设计风格。

4.2进化结果展示

评分之后，系统会依据用户所选择的不同风格款式，评分高低不同，进化计算得出最优解，即最优方案展示，其结果如图5所示。

5结束语

随着经济水平的提高和科学技术的发展，人们对个性化商品和定制技术需求愈加迫切，交互式进化设计逐渐走进了人们的视野，其独特的算法机制充分满足了服装自主设计。这种非纯粹逻辑理论的设计方法是一个自下而上的过程，在交互设计过程中，试解设计要求的初始种群，通过遗传操作大规模进化衍生后代，对整个设计可行域进行检索，获得符合用户偏好的最优解。但基于算法特性，最终产物组合形式种类繁多，传统模式在收敛速度、用户评估方面存在缺陷，因此算法需要引荐逻辑方法，即加入适当的引导和约束，才能有效结合交互式遗传算法，推动服装产业营销升级，提高服装行业竞争力和产品附加价值。

参考文献

[1] Taylor L R，Dawkins R. The Blind Watchmaker[J]. J Anim Ecol，1989，58（3）：1115.

[2] Takagi H. Interactive Evolutionary Computation： Fusion of the Capabilities of EC Optimization and Human Evaluation[J]. Proceedings of the IEEE， 2001， 89（9）：1275-1296.

[3] Nandhini K， Balasundaram S R. Improving Readability through Individualized Summary Extraction， Using Interactive Genetic Algorithm[J]. Applied Artificial Intelligence， 2016， 30（7）：635-661.

[4] Madhavi K V， Tamilkodi R， Sudha K J. An Innovative Method for Retrieving Relevant Images by Getting the Top-ranked Images First Using Interactive Genetic Algorithm[J]. Procedia Computer Science，2016，79（3）：254-261.

[5] Wilson A D. Perceptually-motivated Generation of Electric Guitar Timbres Using an Interactive Genetic Algorithm[C]// Proceedings of the 3rd Workshop on Intelligent Music Production （WIMP 2017）， At Salford， UK，2017.

[6]齊岩，卢德唐.交互式遗传算法在基于内容的图像检索中的应用[J].中国图象图形学报，2004，9（1）：46-55.

[7]董峻岩，李克超.基于交互式遗传算法的建筑物外观设计探讨[J].科技展望，2015，25（34）：147.

[8]蔡美菊，梁昌勇.基于用户偏好模型的交互式遗传算法[J].小型微型计算机系统，2016， 37（4）：758-762.

[9]朱佳栋，苏少辉，陈昌，等.面向产品配置设计的改进交互式遗传算法[J].中国机械工程，2018，29（20）：2474-2478.