本站小編為你精心準(zhǔn)備了交互式演化的海報設(shè)計方法參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】

典型的現(xiàn)代優(yōu)化方法只能解決顯示優(yōu)化問題，本文主要從隱式優(yōu)化問題入手，利用交互式演化算法讓用戶參與目標(biāo)個體評價的特點，計算出滿足用戶需求的最優(yōu)個體，最后將此方法用在海報設(shè)計上，得出較好的結(jié)果。

【關(guān)鍵詞】

演化算法；交互式；目標(biāo)個體

1交互式演化算法

遺傳演化算法是一類借鑒生物界“適者生存，優(yōu)勝劣汰”遺傳機制的進(jìn)化規(guī)律演化而來的隨機化搜索方法。算法模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交叉和基因突變現(xiàn)象并產(chǎn)生下一代的解。在每次迭代中，逐步淘汰適應(yīng)度函數(shù)值低的解，保留適應(yīng)度函數(shù)值高的解。重復(fù)此過程，直到滿足某種收斂指標(biāo)為止，傳統(tǒng)的演化算法適合解決顯式優(yōu)化問題。交互式演化算法是在基本的遺傳算法基礎(chǔ)上發(fā)展起來的一種新型的算法，是通過交互的手段，演化過程中通過用戶對個體適應(yīng)度評估對適應(yīng)度函數(shù)值進(jìn)行自動計算的過程。交互式演化算法的優(yōu)點在于用戶與機器相結(jié)合，共同解決遺傳操作中不能解決的問題，滿足用戶的個人偏好，得到用戶個體所滿意的最優(yōu)解，交互式演化算法適合解決隱式優(yōu)化問題。。

2算法設(shè)計

2.1適應(yīng)度設(shè)計適應(yīng)度函數(shù)在傳統(tǒng)的優(yōu)化問題當(dāng)中能夠衡量解的優(yōu)劣，特別是對于顯示優(yōu)化問題而言，用適應(yīng)度函數(shù)性能指標(biāo)來衡量適應(yīng)度，然而，對于隱式優(yōu)化問題而言，并不能用顯示的評價方法，更不能使用精確的數(shù)學(xué)模型，只能利用用戶憑借個人主觀意識對種群個體進(jìn)行評價。適應(yīng)度值的大小依托于用戶個體的個人偏好。這就需要在典型的優(yōu)化方法中融入“人的偏好”才能得到最優(yōu)化設(shè)計方案。在設(shè)計的過程中，每一代生成的新種群的偏好值不變，適應(yīng)度最高的個體將直接保留到下一代。

2.2編碼本文將海報編碼設(shè)計為兩部分：Logo和Body，一個染色體表示一張海報，且用一個八位長度的二進(jìn)制編碼串來表示一個染色體，在這八位編碼串中，前四位表示海報的Logo,后四位表示海報Body。在Logo的四位編碼中前二位表示海報風(fēng)格，后二位表示顏色；在Body的四位編碼中，前二位表示海報風(fēng)格，后二位表示顏色。由此，一張海報共有=256種樣式。按照此編碼方案，如一個染色體00000111，則Logo中的00表示風(fēng)格，Logo00表示顏色，Body01表示風(fēng)格，Body11表示顏色。

2.3交叉和變異本文采用了兩種交叉操作：單點交叉和兩點交叉。例如單點交叉中有2個染色體分別是00000111,01100101。經(jīng)過單點交叉變異后，生成的兩個子代個體染色體分別為00000101，01100111，所代表的風(fēng)格是：個體1中Logo是“古典”且顏色為紅色。Body是“絢爛”且顏色為藍(lán)色；個體2中Log“o現(xiàn)代”且顏色是綠色，Body是“靜怡”且顏色是紫色。通過單點交叉操作后，兩者海報風(fēng)格生成了四種新的海報風(fēng)格。

2.4變異變異的目的就是改善演化算法的局部搜索能力，維持群體的多樣性，防止出現(xiàn)早熟現(xiàn)象。具體做法是：若個體是由二進(jìn)制編碼符號串所表示，將某一基因座上的原有基因值為0，則變異操作將該基因值變?yōu)?，反之，若原有基因值為1，則變異操作將其變?yōu)?。本文采用的的是隨機點變異。

2.5算法流程第1步：根據(jù)實際問題進(jìn)行編碼，設(shè)置演化算法的各參數(shù)。第2步：隨機生成初始種群。第3步：解碼生成個體的表現(xiàn)型。第4步：用戶進(jìn)行個體適應(yīng)度的評價。第5步：判斷是否有用戶最滿意的個體，若有，算法結(jié)束，輸出最優(yōu)個體。第6步：若沒有，判斷是否滿足停止條件，若沒有，進(jìn)行演化操作后轉(zhuǎn)向第3步。

3實驗結(jié)果

系統(tǒng)先與用戶交互，列出6中風(fēng)格的海報，用戶為每款海報打分，分值最高的即為自己喜歡風(fēng)格的海報，系統(tǒng)按照此方法進(jìn)行演化，最終得出用戶做喜歡的海報風(fēng)格。海報編碼和評分如下列所示：海報序號為1染色體編碼為01110011用戶評分為78海報序號為2染色體編碼為00000101用戶評分為89海報序號為3染色體編碼為10011111用戶評分為80海報序號為4染色體編碼為01011100用戶評分為90海報序號為5染色體編碼為10100001用戶評分為67海報序號為6染色體編碼為11101001用戶評分為70對10名用戶進(jìn)行實驗，結(jié)果如圖2所示，用戶對系統(tǒng)推薦海報的平均打分為82，表明用戶的滿意度較高。隨著用戶與系統(tǒng)進(jìn)行交互時選擇的海報數(shù)量的增多，最后的評分也隨之越來越高，說明結(jié)果與用戶的需求越接近。

4總結(jié)

本文主要從隱式優(yōu)化問題入手，在優(yōu)化問題中加入了用戶的“個人偏好”，利用用戶參與目標(biāo)個體評價的特點，得出滿足用戶個人偏好需求的最優(yōu)個體，最后將此方法用在海報設(shè)計上，用戶根據(jù)自己的喜好對海報的風(fēng)格進(jìn)行打分，實驗結(jié)構(gòu)表明，此方法有較好的效果。

【參考文獻(xiàn)】

［1］劉燕泉.論當(dāng)代海報設(shè)計的藝術(shù)化趨向[D].蘇州:蘇州大學(xué),2010.

［2］周勇,鞏敦衛(wèi),等.交互式遺傳算法基于NN的個體適應(yīng)度分階段估計[J].控制與決策,2005,20(2).

［3］Shengxiang,Y.andL.Changhe,AClusteringParticleSwarmOptimizerforLocatingandTrackingMultipleOptimainDynamicEnvironments.EvolutionaryComputation,IEEETransactionson,2010,14(6)[Z].

［4］BBezirtzis,MLewis,andC.Christeson,InteractiveEvolutionforIndustrialDesign.Proceedingsofthe6thACMSIGCHIConferenceonCreativity&Cognition,2007:183-192[Z].

［5］YOgataandTOnisawa,InteractiveClothesDesignSupportSystem.LectureNotesinComputerScience,2008,vol.4985:657-665[Z].

［6］TNakajima,SHashimoto,K.Haruyama,etc,OfficeLayoutSupportSystemusingInteractiveGeneticAlgorithm.Proceedingsof2006IEEECongressonEvolutionaryComputation,Vancouver,BC,Canada,July16-21,2006:56-63[Z].

作者：李娟 單位：武漢工商學(xué)院信息工程學(xué)院