智能設(shè)計層次

綜合國內(nèi)外關(guān)于智能設(shè)計的研究現(xiàn)狀和發(fā)展趨勢，合肥小魯班工業(yè)設(shè)計公司為你介紹工業(yè)產(chǎn)品設(shè)計、

產(chǎn)品外觀設(shè)計、結(jié)構(gòu)設(shè)計，UI界面設(shè)計在智能智能設(shè)計中層次劃分：智能設(shè)計按設(shè)計能力可以分為

三個層次:常規(guī)設(shè)計、聯(lián)想設(shè)計和進化設(shè)計。

常規(guī)設(shè)計

即設(shè)計屬性、設(shè)計進程、設(shè)計策略已經(jīng)規(guī)劃好，智能系統(tǒng)在推理機的作用下，調(diào)用符號模型(如規(guī)則、

語義網(wǎng)絡(luò)、框架等)進行設(shè)計。目前，國內(nèi)外投入應(yīng)用的智能設(shè)計系統(tǒng)大多屬于此類，如日本NEC公

司用于VLSI產(chǎn)品布置設(shè)計的Wirex系統(tǒng)，華中理工大學(xué)開發(fā)的標(biāo)準(zhǔn)V帶傳動設(shè)計專家系統(tǒng)(JDDES)、

壓力容器智能CAD系統(tǒng)等。這類智能系統(tǒng)常常只能解決定義良好、結(jié)構(gòu)良好的常規(guī)問題，故稱常規(guī)

設(shè)計。

聯(lián)想設(shè)計

目前研究可分為兩類:一類是利用工程中已有的設(shè)計事例，進行比較，獲取現(xiàn)有設(shè)計的指導(dǎo)信息，這

需要收集大量良好的、可對比的設(shè)計事例，對大多數(shù)問題是困難的;另一類是利用人工神經(jīng)網(wǎng)絡(luò)數(shù)值

處理能力，從試驗數(shù)據(jù)、計算數(shù)據(jù)中獲得關(guān)于設(shè)計的隱含知識，以指導(dǎo)設(shè)計。這類設(shè)計借助于其他事

例和設(shè)計數(shù)據(jù)，實現(xiàn)了對常規(guī)設(shè)計的一定突破，稱為聯(lián)想設(shè)計。在工業(yè)設(shè)計中占主導(dǎo)地位

進化設(shè)計

遺傳算法(GA，即Geneticalgorithms)是一種借鑒生物界自然選擇和自然進化機制的、高度并行的、

隨機的、自適應(yīng)的搜索算法。20世紀(jì)80年代早期，遺傳算法已在人工搜索、函數(shù)優(yōu)化等方面得到廣

泛應(yīng)用，并推廣到計算機科學(xué)、機械工程等多個領(lǐng)域。進入20世紀(jì)90年代，遺傳算法的研究在其基

于種群進化的原理上，拓展出進化編程(EP，即Evolutionaryprogramming)、進化策略

(ES,即Evolutionarystrategies)等方向，它們并稱為進化計算(EC,即Evolutionarycomputation)。

進化計算使得智能設(shè)計拓展到進化設(shè)計，其特點是:設(shè)計方案或設(shè)計策略編碼為基因串，形成設(shè)計樣本

的基因種群。

設(shè)計方案評價函數(shù)決定種群中樣本的優(yōu)劣和進化方向。

進化過程就是樣本的繁殖、交叉和變異等過程。

進化設(shè)計對環(huán)境知識依賴很少，而且優(yōu)良樣本的交叉、變異往往是設(shè)計創(chuàng)新的源泉，所以在1996年舉辦

的”設(shè)計中的人工智能”(Artificialinterlligenceindesign’96)國際會議上，M.A.Rosenman提出了設(shè)計中的

進化模型，進而進化計算作為實現(xiàn)非常規(guī)設(shè)計的有利工具。在工業(yè)設(shè)計中占決定成敗的因素。