1、計算智能作為一種現(xiàn)代搜索算法近年來不論從理論還是應用方面都得到了研究者們的極大關(guān)注。其中以進化計算、神經(jīng)網(wǎng)絡(luò)、群體智能等啟發(fā)式搜索算法為典型算法。他們的共同特點都是模擬自然界中生物行為的特征來構(gòu)造算法過程。例如群體動物的運動規(guī)律，生物進化的一般準則。以進化算法為例，該類算法都包括以下幾個元素:以種群中的個體作為搜索主體，解空間為搜索環(huán)境，以適應能力作為評判個體的標準，以個體之間的相互作用為搜索動力。區(qū)別于傳統(tǒng)的線性優(yōu)化方法，這類方法可以

2、對較為復雜且不容易得到數(shù)學模型的問題能夠有效解決。該類方法普遍具有非線性、并行性、通用性等特點。計算智能的主要應用集中在函數(shù)優(yōu)化，機器學習等領(lǐng)域。
　　隨著人們逐漸對該類算法的深入研究和廣闊應用，以及該類算法的構(gòu)造簡單性，計算智能算法被應用到更多領(lǐng)域。基于智能計算的計算機輔助設(shè)計就是其中一個近年來的研究熱點。由于設(shè)計問題就是在有限的空間內(nèi)尋找符合需求的方案，因此計算智能方法尤其是進化算法可以很自然的解決設(shè)計問題的工具。
　　

3、從功能上分，基本可分為兩種應用:第一種是工程優(yōu)化問題。該類問題是通過智能算法對一個不管是從需求還是約束方面具備完整描述的工程性問題進行最優(yōu)解搜索。這種問題的特征是一般具備明確和唯一的最優(yōu)解及最優(yōu)值，且適應值函數(shù)容易確定。這類問題的難點在于如何設(shè)計高效的算法處理大量復雜的數(shù)據(jù)。第二種是創(chuàng)造性設(shè)計問題。這類問題的特征是問題的描述多樣性和最優(yōu)值的主觀性。它是利用計算智能算法協(xié)助人腦進行解空間的搜索。由于最優(yōu)值并不確定，因此如何設(shè)計收斂標準是該

4、類問題的難點。由于這個原因，研究人員提出了一種基于由人腦參與的對解的評判機制的交互進化算法。在交互式遺傳算法中，由于種群之間的每個個體都需要人工進行評判，因此使得算法時間消耗極大，從而不適合處理大規(guī)模問題。
　　在設(shè)計過程中，如何對實體表達也是一個開放性的問題。實體的表示方式有很多種，隨著人們對數(shù)字化功能的依賴和發(fā)展，更多的更高層次的抽象表示方法得以發(fā)展。如基于手繪線條的建模，基于骨骼的建模，基于交互的快速建模等方法。
　　

5、本論文主要針對基于智能機算方法的概念設(shè)計展開研究。該研究的主要對象是可由實體的骨骼信息完全描述概念特征的設(shè)計對象，如中國傳統(tǒng)的花紋裝
　　飾，龍的形狀變化等等。該研究的目的是通過對骨骼的編碼及適應值函數(shù)的構(gòu)造，能夠主觀的控制骨骼的外觀特征，而利用進化算法協(xié)助設(shè)計者找到既符合外觀特征又具變化的設(shè)計方案。
　　研究主要分為以下幾個步驟:
　　第一步，針對骨骼的特征對設(shè)計對象的骨骼進行編碼，通過這種方法可以對一個設(shè)計對象的全

6、局外觀信息進行唯一的表示。第二步，編碼骨骼數(shù)據(jù)為基因表示之后設(shè)計合適的適應值函數(shù)，利用遺傳算法搜索設(shè)計空間并生產(chǎn)相應的最優(yōu)解。第三步，對最優(yōu)搜索空間進行聚類操作，從而進一步提高算法的方案生產(chǎn)效率。
　　本文主要研究內(nèi)容包括:
　　1、提出一種面向設(shè)計的利用骨骼的角度和半徑的對象表示方法。骨骼數(shù)據(jù)作為一種表示實體整體外觀的工具經(jīng)常被應用到三維動畫、模式識別和快速建模領(lǐng)域，尤其是隱曲面為主的建模方法中骨骼是主要的外觀信息表示載體

7、。作為實體的一種高度概括的表示方法，以骨骼本身作為對象的設(shè)計方法并不常見。本文根據(jù)骨骼數(shù)據(jù)的特點，固定線段長度而只利用關(guān)節(jié)角度對骨骼進行完整的表示。該方法符合骨骼數(shù)據(jù)的本質(zhì)特征且實現(xiàn)簡單，容易獲得關(guān)節(jié)點的位置信息，方便對關(guān)節(jié)進行角度范圍限制。由于線段即半徑的長度可控，骨骼的整體信息完全由關(guān)節(jié)角度表示，因此適合下一步的編碼和形狀的控制。
　　2、利用對骨骼的編碼對其應用進化算法從而自動生成大量的設(shè)計方案。為了能夠產(chǎn)生符合要求的設(shè)計方

8、案，可通過對適應值函數(shù)的設(shè)定控制骨骼的外觀特征。根據(jù)骨骼的編碼表示可從多個角度構(gòu)造適應值函數(shù)。第一種方法是利用關(guān)節(jié)角度的約束，即構(gòu)造解空間本身約束區(qū)間，從而進行骨骼特定關(guān)節(jié)點的角度控制，利用這種方法可以使產(chǎn)生的骨骼設(shè)計方案滿足特定的關(guān)節(jié)角度要求從而達到一定的外觀特征。第二種方法是對關(guān)節(jié)點的位置信息進行控制，使控制點之間距離滿足一定的要求或者特定分布。通過設(shè)定寬松的進化條件，利用遺傳算法對骨骼對象進行設(shè)計，可以得到多個最優(yōu)解也稱之為也行解

9、，從而實現(xiàn)輔助設(shè)計的目的。實驗證明該方法產(chǎn)生最優(yōu)解的效率很高。
　　3、利用對搜索空間的聚類劃分，可進一步提高該方法的效率。由于該問題是一種多最優(yōu)值問題，在搜索空間中對于滿足同一個適應值函數(shù)的最優(yōu)個體可有多個甚至無限個。因此，多次進行算法可產(chǎn)生相似的設(shè)計方案，對多個最優(yōu)解進行劃分和歸類則可以進一步提高對算法效率。本論文采用解空間的聚類方法。通過對最優(yōu)解數(shù)據(jù)集的無監(jiān)督聚類操作，使算法能夠產(chǎn)生有限個或者特定數(shù)目的最優(yōu)解，而與之類似的方

10、案則與其歸為一類而不予顯示。本文采用k-means聚類的方法，實驗證明，該方法可有效的將設(shè)計方案歸類從而提供更加靈活和有效的輔助設(shè)計方法。
　　本研究的主要創(chuàng)新點歸納如下:
　　1、提出一種面向設(shè)計的基于角度和半徑的骨骼表示方法。通過該方法不僅可以對骨骼進行有效的表達，同時利用這種方法進行骨骼的編碼適合進化計算的輔助概念設(shè)計。
　　2、提出一種利用遺傳算法對骨骼進行進化設(shè)計的方法。該方法不僅采用了改進的交互進化計算，同