基于智能算法的肠胃机形态优化设计研究

李 颖，吴康鑫

(湖北省肿瘤医院，湖北 武汉 430079)

随着医学技术的不断成熟和同类型医疗器械产品的大量出现，单纯只注重产品的性能已不能满足客户的需求[1-2]。肠胃机的形态优化设计成为目前医学研究领域具有挑战性的话题，相关专家学者引入产品基因以及各种评价方法进行形态优化设计，但均没有达到理想的优化效果。智能算法是当前发展较为快速的智能技术和理论，它包含了遗传算法、模拟退火算法以及禁忌搜索等指导性算法，也包含混沌搜索、神经网络等系统动态演化算法。其中，遗传算法在优化设计方面具有独特的优势。本文利用交互式遗传算法进行肠胃机形态优化设计，引入形态基因和语义基因并分析两者之间的联系，通过共识满意度函数选取最优产品模型。

1 肠胃机形态分析和语义基因提取

肠胃机的电动检查床、机身、球馆是决定肠胃机形态差异的关键部件[3-4]。球馆的形态基因包括类正方形、正圆形、圆角形、不规则形，电动检查床床体的形态基因包括平板形、圆凸形、凸形，机身的形态基因包括圆角形、半圆形、不规则形、类多边形。肠胃机在进行形态优化之前需进行形态语义分析和形态基因提取。本文利用语义差异法找出符合产品形态的语义基因，然后将产品样本通过聚类分析法提取出来并利用因子分析法提取产品形态代表性语义基因。初步选取51个情感风格的形容词对，经3位肠胃机操作医生和2位受检者筛选，最终确定12个情感风格的形容词对，分别是寒冷的-温暖的、硬朗的-圆润的、生疏的-亲和的、静态的-动态的、传统的-现代的、复杂的-简洁的、平凡的-创意的、几何的-流线的、误差的-精准的、单向的-互动的、危险的-安全的、冒险的-可靠的。肠胃机样本的提取通过5名专业的研究人员根据12个形容词对对30个肠胃机进行相似度对比打分，分值为0～5分。30×30的相似性矩阵的表达为：

(1)

式中：X为相似矩阵；xij为第i肠胃机和第j肠胃机的相似度，i,j=1,2,…,30。使用SPSS软件对5名研究员分别给出的5组平均相似矩阵的结果进行聚类分析，得到情感风格相似的肠胃机，聚类树形图如图1所示。15分作为分类的临界点，将30个肠胃机分为6类，分别是序号3、20、24、25、27为第一类，序号6、10、12、14、26为第二类，序号17、21、29、30为第三类，序号1、2、4、15、16、18、19为第四类，序号7、8、9、11、22为第五类，序号5、13、23、28为第六类。每类中典型的样本序列号分别为25，26，21，15，11，23。

图1 聚类结果-树形图

选取2名经验丰富的研究生和6名机械设计部门的研究人员作为受试者，利用李克特7点尺度量对6台典型性样机进行评分。将风格意向语义平均值经SPSS软件进行分析，得到的分析结果碎石图如图2所示。由图2可知，有3个因子特征值大于1的风格语义分子，总的贡献率达到了94.856%。通过进一步分析因子负荷量和因子载荷系数的绝对值，最终选定寒冷的-温暖的、硬朗的-圆润的、单向的-互动的、几何的-流线的、误差的-精准的5组形容词对作为具有代表性风格意向语义基因。

图2 碎石图

2 基于交互式遗传算法的肠胃机形态优化模型

2.1 交互式遗传算法

遗传算法是处理优化问题常用的一种方法。随着遗传算法的发展，其在解决多类问题时具有更强的处理能力，适用于工程和研究等领域。最近兴起的改进型遗传算法有向量评估多目标遗传算法、交互式遗传算法(IGA)、非劣质分层遗传算法[5-6]。IGA是在进化理论的基础上进行形态优化的方法，经过交叉、变异、自然选择3个步骤优化产品外形。和经典的遗传算法相比，IGA能够在具体的应用过程中经过多次迭代得到符合适应度函数的最优解决方案。IGA提出利用人类的主观评价作为个体适应度的评价标准，替代经典算法中的适应度函数，因此IGA系统融入了人类喜好、情感、心理优化、直觉等重要的隐性指标，能够更好地找到满足设计要求的最优解。IGA流程如图3所示。

图3 交互式遗传算法具体流程

2.2 基于交互式遗传算法的肠胃机形态优化模型

(2)

(3)

(4)

(5)

式中：ayn为肠胃机语义基因y和形态设计基因n的相关性。第u个形态设计基因和语义基因评价值的偏相关性Ryu为：

(6)

式中：auy为肠胃机语义基因y和u的相关性。通过以上公式，可以对肠胃机的形态设计基因和语义基因数学模型进行求解，得到两者之间的关系，贡献值的绝对值大小表现两者之间的关系强弱，贡献值的正、负分别表示情感含义相反的形容词。交互式遗传算法模型主要包括编码染色体和构建适应度函数,合理的染色体编码可提高遗传算法的求解速度和质量。肠胃机的形态由球馆、床体、机身3个部分决定，其特征以二进制的形式表达，设计基因的编码均为6位，因此肠胃机的编码为18位[7-8]，构建的肠胃机染色体编码如图4所示。

通过评分的方式来量化肠胃机的满意度和共识度，分值的大小表示用户的满意程度。用户的评分分为3个等级，分别是满意(3分)、一般(2分)、不满意(1分)。同时给满意度和共识度分配相应的权重，避免在满意度分值相同的情况下，难以对方案进行正确的选择[9-10]。假设用户评价分值为{Fi}，i=1,2,…,n，Fmax={Fl；Fl≥Fi}，Fmin={Fk；Fk≤Fi}，Fl和Fk分别为用户l和用户k的评分值，Fmax和Fmin分别为分值中的最大值和最小值。对Fi进行[0，1]归一化处理为：

S(Fi)=(Fi-Fmin)/(Fmax-Fmin)

(7)

式中：S(Fi)为Fi归一化后的数值。假定共识度是T，标准差表示为：

(8)

(9)

(10)

式中：Fitness为共识满意度。

3 肠胃机的形态优化结果及分析评价

利用所提出的模型设计了一款融合温暖的、精准的风格意向语义基因的肠胃机，运用交互式遗传算法选出20名用户和研究人员共识满意度评分最高的个体，并利用犀牛软件建立其模型，渲染图如图5所示。由图可以看出，进行形态优化之后的肠胃机整体看起来很专业，能增强客户的信赖感，其圆润的设计融合冷色系的低调和简洁，看起来非常舒服，且节省空间。该肠胃机符合最初所提出的设计要求。

图5 肠胃机渲染图

实验将温暖的、圆润的、互动的、流线的、精准的5种风格意向语义基因两两结合，设计了10种方案，分别为温暖圆润、温暖互动、温暖流线、温暖精准、圆润互动、圆润流线、圆润精准、互动流线、互动精准、流线精准，评价者为20名用户和研究人员，评价分值为[1，10]，共识满意度大于0.8方案的个体为满意的个体。10种方案的平均共识满意度及交互式遗传算法迭代次数如图6所示。从图中可以看出，温暖圆润方案在迭代到第4代和第9代、温暖互动方案在迭代到第3代和第11代、温暖流线方案在迭代到第5代和第10代、温暖精准方案在迭代到第6代和第8代、圆润互动方案在迭代到第4代和第10代、圆润流线方案在迭代到第5代和第9代、圆润精准方案在迭代到第4代和第10代、互动流线方案在迭代到第5代和第11代、互动精准方案在迭代到第7代和第10代、流线精准方案在迭代到第5代和第7代，个体模型为最优模型。

图6 10种方案的平均共识满意度和交互式遗传算法迭代次数

20名评价者对10种方案的评价结果如图7所示，若综合得分在142分及以上，说明该方案具有明显的优化效果。从图7可以看出，温暖圆润、圆润互动、圆润精准、互动流线、互动精准5种风格意向语义方案得分在142分及以上，具有明显的优化效果，而温暖互动和温暖流线风格意向语义方案得分较低，其优化效果不明显。

图7 20名评价者对10种方案情感语义评估结果

采用模糊评价方法验证所提出设计方案的可行性。针对评价过程中存在色彩、安全性等软性指标，引入语言变量使模糊信息数值化，有助于进行合理公正的定量评价。隶属度为[0,1]的任意数，该值越接近1，表示隶属度越高。20名用户和研究人员的评分均为[1,10]分，评分为[1，6]，表示肠胃机设计方案不满足设计要求(不满意)；评分为[6，8]，表示方案基本符合设计要求(基本满意)；评分为[8，10]，表示方案满足设计要求(满意)。为提高结果的准确性，去掉最低分和最高分后，再计算该方案的平均得分。10种方案的平均得分为8.20分，其中圆润互动方案得分最低，为8.16分，满意、基本满意、不满意的程度分别为0.009,0.991,0；流线精准方案得分最高，为8.28，满意、基本满意、不满意的程度分别为0.123,0.756,0.121。10种方案的得分统计结果如图8所示。由图可知，所设计的形态优化模型能够满足设计的需求。

图8 10种方案的隶属函数统计结果

4 结束语

医疗器械在保证其功能特性的同时，外观形态优化设计成为了该领域新的市场需求。针对肠胃机形态设计的不足，本文提出了一种基于交互式遗传算法的形态优化设计模型，经过交互式遗传算法迭代分析，在12代以内出现了满足设计要求的产品，且共识满意度达到0.8以上。经过20名研究人员和用户对基于5组意向风格基因的10种设计方案进行评价，其中5种方案的优化结果具有较高的满意度，并且符合设计要求。鉴于本文的研究结果受限于客观条件，后续将对肠胃机的形态进行大量客观公正的评价，以进一步验证优化设计结果的可靠性。