基于基因分类交互式遗传算法的品牌意象研究

苏 晨，周福莹，曹 剑，彭 魏

(湖北工业大学 工业设计学院，湖北 武汉 430068)

品牌意象是品牌各属性与消费者在长期交汇过程中使消费者产生的品牌综合印象，是目标消费人群对该品牌形成的共性认知[1]。通过品牌产品表现出的一致性，可以使消费者产生对它的信任和承诺，从而影响其未来行为，并产生更高的推荐和口碑[2]。随着物质生活水平的不断提升，市场对于机电设备的关注点从高性能、高效率、低成本延伸到追求产品品牌所带来的个性服务与新体验[3]。因此要提高消费者对品牌的忠诚度，提升品牌产品的商业价值，首先需要考虑提升品牌形象[4]。朱炜等[5]结合消费者品牌意象认知和形态特征建立了映射模型，使品牌形象的传播具有可靠性。柯善军等[6]通过创建品牌意象评价是非和等级矩阵，筛选特征造型构建品牌识别性更强的品牌形象。张云帆等[1]构建可量化指标层，对品牌形象的隐性基因进行提取和延续。以上文献主要是从企业自身品牌意象出发，优化品牌意象与产品造型之间的联系，并取得较多的成果，但在行业发展的新形势下也存在着一些不足。1) 当前相关设计研究注重对自身品牌优势的发展，缺少对目标消费者期望的品牌意象研究。2) 设计者对于品牌意象的研究更多的是对企业形象和产品造型的体系研究，缺少从企业形象及其产品识别角度的动态分析。

交互式遗传算法(interactive genetic algorithm,IGA)是一种适用处理具有隐性或模糊评价指标的优化问题的常用方法[7]。在面对与情绪、体验、偏好等有关的决策问题时，交互式遗传算法不仅能增大设计广度，拓宽方案的多样性，还能使设计者不再局限于自身设计经验与品牌产品现有产品意象。朱天燕等[8]基于形状文法和交互式遗传算法提出一种产品形态推演方法，在产品造型风格连续性和创新性之间取得了动态平衡。唐路明等[9]针对轨道列车造型的特征，设计三线造型编码方法，实现造型方案的批量化快速生成与优化。但由于IGA是一种低效率的算法，在工业设计领域运用，较多的设计要素会加大人工适应度评价的工作量，在重组过程中也会产出部分无效方案，影响项目周期。

针对以上问题，本文运用感性工学分析用户对目标产品的感性认知，建立感性评价矩阵，通过各重要设计要素的贡献度大小进行归纳和分类，获得感性要素集合；建立和运用基因分类交互式遗传算法对集合进行编码、重组；获取符合感性评价值区间的重组编码进行解码，以达到对机电设备品牌意象的优化和产品造型设计的创新的目的。

1 机电设备的品牌意象

表1 品牌代表性造型和品牌形象Table 1 Brand representative modeling and brand image

1.1 品牌意象词汇提取

机电设备属于专业化产品，其用户群体专业程度较高，相关的调研结果也更加具有可信度。从机电设备企业、市场和工厂中选出50名调研对象作为评审群体，从表1品牌设备详情页、品牌形象宣传网页及产品相关介绍中收集60个品牌意象词汇，在评审群体观察表1图片后，选出较满意的并累计各词汇的选取次数，得出占总次数75%的感性词汇15个，见表2。

表2 筛选后的品牌意象词汇Table 2 Selected brand image words

再邀请相关专家对感性词汇进行审查，剔除掉不具有普适性的词汇后，最终选定的品牌意象词汇为G7现代的、G14科技的、G3稳重的、G5简约的。

1.2 重要设计要素的提取和归纳

笔者归纳机电设备造型设计的10 种设计要素，优先挑选主要视线落点和人机交互区域，数量不限。获得 50 份有效问卷后，利用帕累托图得出占总选取次数80%的5个重要设计要素：外罩、门、窗、把手和品牌形象，分别编号为A1、A2、A3、A4、A5。

机电设备造型设计受钣金加工工艺影响，从钣金加工的角度可将设备的形态特征归纳为平板特征与弯曲特征，一般应用于设备的护罩[11]。从构成要素的角度分析，基于线构成要素的机电设备侧面形态类型可分为曲线型、直线型与折线型。从面构成要素的纵横交错处的形态类型分类，又分为圆角、直角及不规则角度。色彩的选择与企业文化背景和产品定位有关，分为涂装和形态与线条。考虑到操作者的体验感和操作性，除了直线型和曲线型的形态要素，把手设计常运用自然仿生形态提升操作者的易用性和舒适度。为了将品牌产品重要设计要素进行有效的遗传和优化，归纳出各重要设计要素的形态类型，即设计类目，用Blm表示第l种重要设计要素的第m个设计类目，具体见表3。

表3 重要设计要素及设计类目Table 3 Important design elements and design categories

1.3 感性评价矩阵的建立

设备造型设计一般根据设计师的经验、客户要求和用户的物理需求进行设计，因此对消费者的品牌意象并没有系统的评判方法评价设计是否符合消费者期望[12]。运用SPSS软件计算品牌意象词汇与设计要素、设计要素与设计类目的数量化关系，再应用数量化理论I构建各设计要素Al、设计类目Bm与感性评价值y品牌意象词汇的数学分析模型[13]。

对于肺叶切除患者，应注意管道护理，保持管道密闭并注意引流颜色、量等，若患者恢复良好，术后3 d即可拔管，拔管后鼓励患者下床活动[3]。

式中,yz为表1第Zn个造型图片的感性评价值，Zn=1,2,···,30；RN是各Al的偏相关系数，N=1,2,···,5；Azlm为表1中第Zn个造型中重要设计要素Al的设计及类目Bm的权重系数，其中类目得分几近于0，则反向取负数数值，表明该设计类目对该品牌意象词汇有消极影响；Blm为各Al是否包含该类目，文中Blm=0,1；Cz为第Zn个造型的常数项值；l=1,2,···,τ。τ为A总数，式 (1) 中τ=5；τl为Bm的个数，其中，τ1=3，τ2=3，τ3=3，τ4=3，τ5=2。具体关系值见表4。

表4 重要设计要素与品牌意象词汇的关系值Table 4 The relationship between important design elements and brand image vocabulary

由于传统感性评价具有较强的主观性，运用且数值过于具体固定容易造成获得可行方案流失。因此本文剔除偏差较大，出现频率过低的数值后，建立感性评价值区间：Y现代的(0.513，0.760)，Y科技的(0.365，0.568)，Y稳重的(0.435，0.638)，Y简约的(-0.243，0.106) 。

1.4 感性要素集合的分类和建立

通过以上品牌意象评价，将机电设备造型设计类目感性评价值划分成Gnl、Gnmid-l、Gnm、Gnmid-s、Gns分别代表对品牌意象词汇的贡献度大小，贡献度计算公式为

以此对各设计类目计算贡献度后，按照大小顺序将设计类目依次放入集合中，得到感性要素集合为

2 基因分类交互式遗传算法的构建

在某些情况下，类似的基因编码解码在不同设备中可能会产生霄壤之别的品牌意象[14]。针对传统的交互式遗传算法评价周期长、次数多、易疲劳的问题，将以上感性要素集合结合IGA，建立基因分类交互式遗传算法，对其进行优化，并应用到机电设备的造型设计中。

2.1 染色体编码

根据品牌意象对重要设计要素进行分类后进行染色体编码，且通过对应二进制的形式，表示该设计要素是否表达，表达则为1，不表达则为0。分类前二进制表达为000 000 000 000 00，分类后二进制表达为0 0 0 0 0。其中，Gnl、Gnmid-l、Gnm、Gnmid-s中存在两个及两个以上的要素则表达为1，否则为0；Gns中存在一个要素则表达为1，否则为0。品牌意象词汇染色体编码基因分类前后对比图见图1。

图1 基因分类前后编码对比Figure 1 Comparison before and after gene coding

2.2 建立适应度函数

为了使用户在评价过程中得到品牌意象需求的满足，因此将用户对产品的“满意度”和“共识度”作为评价重组方案优劣水平的指标[15]。

2.3 算法流程步骤

通过上述分析，得出基因分类交互式遗传算法的使用流程。

1) 进行种群的初始化，提取品牌产品样本的重要设计要素，明确初始染色体编码。

2) 根据感性要素集合，将初始染色体编码分类后得到4条5位编码。代入遗传算法进行选择、交叉和变异。

3) 计算各编码感性评价值并输出符合感性评价值区间的染色体编码，否则转回步骤2)。

4) 邀请评审群体对生成草模方案进行人工适应度评价，输出适应度较高的设计方案建立草模。

3 设计实践

以京山轻机瓦楞纸印刷机捷普瑞印刷机外观设计为例，选择该品牌3款展会设备作为样本，分别提取设计要素，计算感性评价值，样本及染色体编码见表5。多个备选方案，经企业挑选获得最终形态设计方案。

表5 某企业印刷设备样本Table 5 Printing equipment sample of an enterprise

获得该品牌G7现代的、G14科技的、G3稳重的品牌意象词汇感性评价值皆与用户期望品牌意象感性评价值区间不符，使用Matlab遗传算法工具箱具体算法操作流程描述如下。

输入方案编码;

设置种群数量为60；

根据方案编码获取位感性集合编码;

根据感性集合编码匹配所有14位方案编码集合schemes[];

新建一个集合mySchemes[]用于保存符合影响评价值的设计编码;

//遍历所有的方案编码集合for (scheme sche:schemes){

计算sche的4个感性评价值y现代的，y科技的，y稳重的，y简约的；

If (y现代的＜Y现代的min||y现代的＞Y现代的max){continue;}

If (y科技的＜Y科技的min||y科技的＞Y科技的max){continue;}

If (y稳重的＜Y稳重的min||y稳重的＞Y稳重的max){continue;}

If (y简约的＜Y简约的min||y简约的＞Y简约的max){continue;}

//满足感性评价值区间的编码加入集合mySchemes.add (sche);}

取出mySchemes[]集合中的编码进行解码，基于设计类目展开设计，得到设计草模。

将上述设计草模推送给评审团体进行初步评审，将用户的评价设置为3阶：符合(3 分)、一般(2分)、不符合(1 分)，总分数为求和的方式，当总结果相同时，通过表格应用共识度标准反映出适应度。得到人工评价较高的设计方案进行解码。选择3个用户满意度较高的设计方案进行建模渲染，为了使方案评估数据具有可信度，笔者选用的评估群体中包括3名某企业项目经理、2名智能装备设计专家和5名工业设计研究生共10名，让评估成员对各个染色体进行评价打分，评价结果见表6。

表6 评分及运算结果Table 6 Scoring and calculation results

由表6可知，方案C共识满意度最高，以此作为最终方案进行进一步优化。由于油墨印刷机需要及时更换油墨桶，但是通过设备外罩无法及时获取油墨更换的信息。为了让使用者拥有更好的使用感受和降低残次品的出现概率，运用投影灯连接中控系统，当系统检测到油墨余量不足时，即时将缺墨信息投射到地面上并响起警报来提醒操作者。使用场景效果图见图2。京山轻机捷普瑞系列印刷机将在土耳其最大的瓦楞纸板制造商之一Ankutsan集团旗下的Antalya和Cerkezkoy工厂投产，证明该设备在中高端市场具有一定的竞争力，同时验证了该方法具有可行性和有效性。

图2 捷普瑞印刷机使用场景图Figure 2 JEPLEY printer Scene map

将改进前后的IGA算法人工适应度结果进行比较，结果数据见图3。比较两种算法可知，改进后算法能更快速地获取用户适应度高的造型设计方案，提高有效方案的产出效率，减少适应度评价的工作量，缩短项目周期。

图3 改进前后适应度对比图Figure 3 Comparison of fitness before and after improvement

4 结语

在机电设备的造型设计中，以品牌意象为中心，运用基因分类交互式遗传算法对设备造型类目进行重组，动态监测到产品迭代过程中更符合品牌意象的基因重组方式，在辅助设计师挖掘品牌产品潜在优势，提高品牌意象传达的准确度具有重要意义，最终以达到提升机电设备品牌产品的商业价值的目的。本文提出的方法主要针对中大型非标准化机电设备的造型设计制造，对批量化小型设备不具有适用性。本文的特色在于结合感性要素集合和IGA建立了基因分类交互式遗传算法，简化了机电设备造型设计开发流程，同时也为品牌意象设计研究拓宽了思路，提高企业的产品创新竞争力。在后续的研究中，将进一步从用户体验的角度对品牌意象进行拓展和完善。