本發(fā)明涉及一種產(chǎn)品設(shè)計(jì)方法，特別涉及一種意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法。

背景技術(shù)：

文獻(xiàn)“產(chǎn)品基因調(diào)控網(wǎng)絡(luò)模型及其對(duì)設(shè)計(jì)過(guò)程的輔助，計(jì)算機(jī)集成制造系統(tǒng)，2013，vol19(7)，p1463-1471”公開(kāi)了一種基于復(fù)雜網(wǎng)絡(luò)的產(chǎn)品設(shè)計(jì)方法。該方法基于圖論建立一種描述該映射關(guān)系的模型,借用基因調(diào)控網(wǎng)絡(luò)的部分概念,以設(shè)計(jì)要素為節(jié)點(diǎn)、以要素間的相關(guān)關(guān)系為邊,建立產(chǎn)品的基因調(diào)控網(wǎng)絡(luò)模型并繪制其基因調(diào)控網(wǎng)絡(luò)圖，通過(guò)基因調(diào)控網(wǎng)絡(luò)圖對(duì)產(chǎn)品中的眾多設(shè)計(jì)要素進(jìn)行分類(lèi),并識(shí)別其節(jié)點(diǎn)類(lèi)型與節(jié)點(diǎn)集團(tuán),作為析出知識(shí)供設(shè)計(jì)師規(guī)劃設(shè)計(jì)活動(dòng)，基于交互式遺傳算法開(kāi)發(fā)了產(chǎn)品方案優(yōu)化設(shè)計(jì)原型系統(tǒng)，并利用基因調(diào)控網(wǎng)絡(luò)的知識(shí)發(fā)現(xiàn)輔助安排優(yōu)化程序，制訂優(yōu)化搜索策略，對(duì)設(shè)計(jì)過(guò)程有一定的輔助作用。文獻(xiàn)所述方法對(duì)于設(shè)計(jì)問(wèn)題的復(fù)雜性考慮略有欠缺，采用基因調(diào)控網(wǎng)絡(luò)對(duì)設(shè)計(jì)元素進(jìn)行建模無(wú)法全面的描述各設(shè)計(jì)元素之間的相互關(guān)系。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有產(chǎn)品設(shè)計(jì)方法實(shí)用性差的不足，本發(fā)明提供一種意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法。該方法采用基于冪律分布的無(wú)標(biāo)度網(wǎng)絡(luò)來(lái)詮釋產(chǎn)品基因網(wǎng)絡(luò)，從生物信息學(xué)的角度引入意象靶基因概念，分析意象靶基因在產(chǎn)品形態(tài)結(jié)構(gòu)中的作用機(jī)制，構(gòu)建由若干意象靶基因互作而成的意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)k-fgn，理解產(chǎn)品形態(tài)基因網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，識(shí)別并預(yù)測(cè)意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)中的hub基因與優(yōu)選基因組合，為后續(xù)的產(chǎn)品設(shè)計(jì)階段提供具體建議，實(shí)用性好。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案：一種意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法，其特點(diǎn)是包括以下步驟：

步驟一、采用改進(jìn)型的曲線控制法對(duì)目標(biāo)形態(tài)進(jìn)行基因編碼，采用特征綜合的canny算子對(duì)目標(biāo)產(chǎn)品進(jìn)行形態(tài)特征邊緣提取，本步驟基于matlab中編程實(shí)現(xiàn)，并運(yùn)用gui工具制作程序插件。

步驟二、采用3次方貝塞爾曲線對(duì)產(chǎn)品形態(tài)基因進(jìn)行編碼，將產(chǎn)品形態(tài)特征線分割為若干線段共同組成的集合，其中每條曲線段l由兩個(gè)曲線端點(diǎn)p(pi,i＝1,2,...,n)和一個(gè)錨點(diǎn)c(ci,i＝1,2,...,n)表達(dá)：

l(li)＝(pi,pj,ci),j＝i+1,1≤i≤n(1)

3次方貝塞爾曲線的數(shù)學(xué)表達(dá)式為：

b(t)＝p0(1-t)³+3p1t(1-t)²+3p2²t(1-t)+p3³t,t∈[0,1](2)

式中，p0，p1，p2，p3分別定義為3次方貝塞爾曲線的4個(gè)節(jié)點(diǎn)。通過(guò)將產(chǎn)品基因進(jìn)行形態(tài)擬合編碼，獲取產(chǎn)品形態(tài)基因的函數(shù)表達(dá)式。

步驟三、把產(chǎn)品形態(tài)基因網(wǎng)絡(luò)抽象成一個(gè)圖m，其中，每一個(gè)節(jié)點(diǎn)vi代表一個(gè)產(chǎn)品形態(tài)基因，節(jié)點(diǎn)之間的連線代表產(chǎn)品形態(tài)基因之間的相互作用關(guān)系ei，即ei＝(vi,vi+1)表示節(jié)點(diǎn)vi與vi+1之間的相互作用。記任一感性意象d＝{d1,d2,d3,...,dk}，與任意感性意象d相關(guān)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)是m的一個(gè)子圖，記為gd(vd,vd)。其中，是gd中的任一節(jié)點(diǎn)，代表任意一個(gè)與感性意象相關(guān)的產(chǎn)品形態(tài)基因；是圖gd中的任意一條邊，代表節(jié)點(diǎn)與之間的相互作用關(guān)系。

步驟四、根據(jù)特定感性意象d，采用實(shí)驗(yàn)結(jié)合量表法進(jìn)行調(diào)研分析，找出其模糊意象基因集合geneset＝{g1,g2,g3,...,gm}；具體方法是，組織用戶對(duì)若干個(gè)目標(biāo)產(chǎn)品形態(tài)進(jìn)行意象調(diào)研，根據(jù)權(quán)重獲取若干特定感性意象對(duì)應(yīng)的產(chǎn)品形態(tài)，并通過(guò)分解獲取特定感性意象對(duì)應(yīng)的產(chǎn)品形態(tài)基因。找出geneset中每個(gè)元素gi在產(chǎn)品形態(tài)結(jié)構(gòu)中的鄰居集合gi＝{gi1,gi2,gi3,...,gik}。具體算法是，對(duì)于每一個(gè)gi,初始化gi＝gi0。對(duì)于產(chǎn)品形態(tài)基因網(wǎng)絡(luò)圖m中的任意一條邊ei＝(vi,vi+1)，若gi＝vi，則gi＝gi∪{vi+1}；若gi＝vi+1，則gi＝gi∪{vi+1}，否則gi不變，如此重復(fù)，直至m中的所有邊都檢查完畢。計(jì)算意象d可能的基因集合vd'。具體算法是，vd'＝geneset∪g1∪g2∪g3∪...∪gn。

步驟五、構(gòu)建意象d相關(guān)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)的邊集合ed。具體算法是，初始ed＝e0，對(duì)于產(chǎn)品形態(tài)基因網(wǎng)絡(luò)圖m中的任意一條邊ei＝(vi,vi+1)，檢查vi與vi+1是否同時(shí)屬于vd，如果同時(shí)屬于，則ed＝ed∪{ei}；如果不符合，則ed不變。如此重復(fù)，直至m中的所有邊都檢查完畢。

步驟六、采用復(fù)雜網(wǎng)絡(luò)中的度及度分布作為分析對(duì)象，挖掘基因中最為聯(lián)系緊密的hub節(jié)點(diǎn)。產(chǎn)品形態(tài)基因網(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)都通過(guò)節(jié)點(diǎn)之間的連線與若干個(gè)其他節(jié)點(diǎn)相連接，此節(jié)點(diǎn)連線的條數(shù)既為節(jié)點(diǎn)vi的度，記為ki，網(wǎng)絡(luò)中節(jié)點(diǎn)的度的分布情況用分布函數(shù)p(k)描述，p(k)表示一個(gè)隨機(jī)選定的節(jié)點(diǎn)的度恰好為k時(shí)的概率。計(jì)算網(wǎng)絡(luò)模型中的累積度分布函數(shù)：

若累積度分布函數(shù)符合冪指數(shù)為γ-1的冪律分布，即：

則度分布符合冪律分布特征，即構(gòu)建的k-fgn網(wǎng)絡(luò)為無(wú)標(biāo)度網(wǎng)絡(luò)。其中網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)的度相對(duì)較低，但存在少量的度相對(duì)很高的hub節(jié)點(diǎn)，即意象靶基因。

步驟七、采用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的集群系數(shù)作為分析對(duì)象進(jìn)行靶基因組的優(yōu)選。集群系數(shù)用以描述網(wǎng)絡(luò)中節(jié)點(diǎn)的鄰點(diǎn)之間也互為鄰點(diǎn)的比例，即小集團(tuán)結(jié)構(gòu)的完美程度。

步驟八、對(duì)k-fgn網(wǎng)絡(luò)進(jìn)行拓?fù)浞治?，需要統(tǒng)計(jì)網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的度與cci的取值。由此，確定意象相關(guān)度最高的意象靶基因以及靶基因組，為后續(xù)產(chǎn)品設(shè)計(jì)提供可視化的設(shè)計(jì)輔助信息。

本發(fā)明的有益效果是：該方法采用基于冪律分布的無(wú)標(biāo)度網(wǎng)絡(luò)來(lái)詮釋產(chǎn)品基因網(wǎng)絡(luò)，從生物信息學(xué)的角度引入意象靶基因概念，分析意象靶基因在產(chǎn)品形態(tài)結(jié)構(gòu)中的作用機(jī)制，構(gòu)建由若干意象靶基因互作而成的意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)k-fgn，理解產(chǎn)品形態(tài)基因網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，識(shí)別并預(yù)測(cè)意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)中的hub基因與優(yōu)選基因組合，為后續(xù)的產(chǎn)品設(shè)計(jì)階段提供具體建議，實(shí)用性好。

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作詳細(xì)說(shuō)明。

附圖說(shuō)明

圖1是本發(fā)明意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法的流程圖。

圖2是本發(fā)明方法中汽車(chē)側(cè)輪廓的形態(tài)基因網(wǎng)絡(luò)圖。

圖3是本發(fā)明方法中“優(yōu)雅”指標(biāo)的likert七級(jí)量表。

圖4是本發(fā)明方法中“優(yōu)雅”意象認(rèn)知實(shí)驗(yàn)量表。

圖5是本發(fā)明方法中汽車(chē)側(cè)輪廓的k-fgn網(wǎng)絡(luò)模型。

圖6是本發(fā)明方法中網(wǎng)絡(luò)的累積度分布曲線。

圖7是本發(fā)明方法中汽車(chē)側(cè)輪廓形態(tài)構(gòu)成曲線與端點(diǎn)坐標(biāo)。

圖8是本發(fā)明方法中優(yōu)化求解順序圖。

圖9是本發(fā)明方法中優(yōu)化流程與結(jié)果圖。

具體實(shí)施方式

參照?qǐng)D1-9。本發(fā)明意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法具體步驟如下：

步驟一、使用三廂汽車(chē)的側(cè)面輪廓線作為實(shí)例對(duì)象，驗(yàn)證k-fgn網(wǎng)絡(luò)模型的技術(shù)實(shí)現(xiàn)與應(yīng)用。該實(shí)例有以下優(yōu)點(diǎn)：①對(duì)一般性用戶而言，汽車(chē)側(cè)面輪廓線的品牌辨識(shí)度較低，能較大程度避免用戶根據(jù)品牌形象主觀臆斷的問(wèn)題；②形態(tài)曲線較為自由，可以保證樣本的多樣性，各個(gè)參數(shù)之間的連通性更強(qiáng)，單個(gè)參數(shù)不具有特征性；③汽車(chē)側(cè)面輪廓線涵蓋的設(shè)計(jì)要素較多，屬于典型的復(fù)雜設(shè)計(jì)問(wèn)題。

步驟二、經(jīng)過(guò)前期與汽車(chē)設(shè)計(jì)師溝通，確定將汽車(chē)側(cè)面輪廓線分割成互相連接的21條線段，其中每條曲線段可由兩個(gè)曲線端點(diǎn)p(pi,i＝1,2,...,n)和一個(gè)錨點(diǎn)c(ci,i＝1,2,...,n)準(zhǔn)確表達(dá)：

l(li)＝(pi,pj,ci),j＝i+1,1≤i≤n(1)

3次方貝塞爾曲線的數(shù)學(xué)表達(dá)式為：

b(t)＝p0(1-t)³+3p1t(1-t)²+3p2²t(1-t)+p3³t,t∈[0,1](2)

由此采用的21個(gè)形態(tài)基因參數(shù)來(lái)定義其形態(tài)特征，其中包括16個(gè)外輪廓參數(shù)以及5個(gè)內(nèi)輪廓參數(shù)。

步驟三、為分析并確認(rèn)21個(gè)形態(tài)基因參數(shù)之間是否存在互作關(guān)系，對(duì)上海亞尚工業(yè)產(chǎn)品設(shè)計(jì)有限公司10名專(zhuān)業(yè)汽車(chē)設(shè)計(jì)師進(jìn)行調(diào)研，調(diào)研采用專(zhuān)家打分法，要求10名汽車(chē)設(shè)計(jì)師依據(jù)汽車(chē)設(shè)計(jì)過(guò)程中的經(jīng)驗(yàn)對(duì)兩兩參數(shù)之間設(shè)計(jì)關(guān)系的強(qiáng)弱進(jìn)行評(píng)分，分值區(qū)間[1-10]，用matlab對(duì)調(diào)研結(jié)構(gòu)進(jìn)行統(tǒng)計(jì)分析，歸一化處理之后可得21個(gè)參數(shù)之間關(guān)系的兩兩權(quán)重系數(shù)：

表121個(gè)參數(shù)之間關(guān)系的兩兩權(quán)重系數(shù)

設(shè)置權(quán)重閾值，篩選出權(quán)重在0.4以上的關(guān)系參數(shù)組，這些參數(shù)兩兩之間存在互作關(guān)系：

表2篩選出的關(guān)系參數(shù)

步驟四、根據(jù)形態(tài)基因網(wǎng)絡(luò)圖的構(gòu)建方式，把上述汽車(chē)側(cè)輪廓的形態(tài)基因網(wǎng)絡(luò)抽象成一個(gè)圖m，其中網(wǎng)絡(luò)的節(jié)點(diǎn)代表21個(gè)汽車(chē)形態(tài)基因，各節(jié)點(diǎn)之間的連線代表產(chǎn)品形態(tài)基因之間的相互作用關(guān)系。

步驟五、根據(jù)2016年上半年的汽車(chē)市場(chǎng)反饋信息，選擇市場(chǎng)銷(xiāo)量較好的15款中型汽車(chē)，包含大眾、寶馬、奔馳、本田、豐田、福特、吉利等國(guó)內(nèi)外不同汽車(chē)廠商，樣本具有一定的普遍性。針對(duì)該案例使用matlab的gui工具進(jìn)行了編程工作，目的在于運(yùn)用canny算子獲取汽車(chē)的側(cè)面輪廓特征。運(yùn)用coreldraw矢量軟件對(duì)上述步驟獲取的汽車(chē)側(cè)面輪廓特征進(jìn)行修正及細(xì)化，得到15個(gè)輪廓線特征樣本，選用“優(yōu)雅的”感性意象指標(biāo)為例進(jìn)行實(shí)例驗(yàn)證，其他感性意象指標(biāo)可同樣應(yīng)用本發(fā)明方法。

步驟六、對(duì)用戶期望值構(gòu)建“優(yōu)雅”指標(biāo)的likert七級(jí)量表，走訪當(dāng)?shù)仄?chē)4s店，在選購(gòu)中型汽車(chē)的顧客中隨機(jī)抽取15名普通用戶并發(fā)放調(diào)研問(wèn)卷，對(duì)15個(gè)樣本進(jìn)行打分，最后選出得分較高的5款輪廓線樣本作為“優(yōu)雅”指標(biāo)的輪廓線樣本。

步驟七、對(duì)上海亞尚工業(yè)產(chǎn)品設(shè)計(jì)有限公司10名專(zhuān)業(yè)汽車(chē)設(shè)計(jì)師進(jìn)行調(diào)研，要求每位設(shè)計(jì)師對(duì)5款輪廓線樣本各自的21個(gè)形態(tài)基因進(jìn)行意象評(píng)分，根據(jù)評(píng)分結(jié)果計(jì)算21個(gè)形態(tài)基因?qū)τ凇皟?yōu)雅”意象的權(quán)重值，設(shè)置權(quán)重閾值，根據(jù)權(quán)重將21個(gè)形態(tài)基因分為強(qiáng)相關(guān)、弱相關(guān)、無(wú)關(guān)三種類(lèi)型，獲取21個(gè)形態(tài)基因中最能體現(xiàn)“優(yōu)雅”意象的基因樣本。

步驟八、將無(wú)用節(jié)點(diǎn)7、14、15、16、17、18、21從基因網(wǎng)絡(luò)中剔除，可得針對(duì)感性意象“優(yōu)雅”的模糊意象基因集合geneset。

步驟九、首先找出geneset中每個(gè)元素gi在產(chǎn)品形態(tài)結(jié)構(gòu)中的鄰居集合gi＝{gi1,gi2,gi3,...,gik}。具體算法為：對(duì)于每一個(gè)gi,初始化gi＝gi0。對(duì)于產(chǎn)品形態(tài)基因網(wǎng)絡(luò)圖m中的任意一條邊ei＝(vi,vi+1)，若gi＝vi，則gi＝gi∪{vi+1}；若gi＝vi+1，則gi＝gi∪{vi+1}，否則gi不變，如此重復(fù)，直至m中的所有邊都檢查完畢。計(jì)算意象d可能的基因集合vd'。具體算法為：vd'＝geneset∪g1∪g2∪g3∪...∪gn。構(gòu)建意象d相關(guān)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)的邊集合ed。具體算法為：初始ed＝e0，對(duì)于產(chǎn)品形態(tài)基因網(wǎng)絡(luò)圖m中的任意一條邊ei＝(vi,vi+1)，檢查vi與vi+1是否同時(shí)屬于vd，如果同時(shí)屬于，則ed＝ed∪{ei}；如果不符合，則ed不變。如此重復(fù)，直至m中的所有邊都檢查完畢。最終構(gòu)建出該案例的k-fgn網(wǎng)絡(luò)。

步驟十、以無(wú)標(biāo)度網(wǎng)絡(luò)中的最短路徑條數(shù)作為拓?fù)浞治鰧?duì)象，獲取節(jié)點(diǎn)的拓?fù)浞治鼋y(tǒng)計(jì)表：

表3拓?fù)浞治鼋y(tǒng)計(jì)表

在matlab中繪制k-fgn網(wǎng)絡(luò)的累積度分布曲線。計(jì)算網(wǎng)絡(luò)模型中的累積度分布函數(shù)：

若累積度分布函數(shù)符合冪指數(shù)為γ-1的冪律分布，即：

則度分布符合冪律分布特征，即構(gòu)建的k-fgn網(wǎng)絡(luò)為一個(gè)小型的無(wú)標(biāo)度網(wǎng)絡(luò)，可獲取少量分布度較高的hub節(jié)點(diǎn)，即本研究的意象靶基因，繪制k-fgn網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。

步驟十一、對(duì)k-fgn網(wǎng)絡(luò)的統(tǒng)計(jì)描述如下：①共析出3個(gè)意象靶基因：l2、l5、l8；②析出兩個(gè)較為獨(dú)立的基因集合，分別為m1{l2,l1,l3,l4,l12,l13}以及m2{l5,l8,l6,l9,l19,l20,l10,l11,l17}；③在兩個(gè)基因集合中存在兩個(gè)相互間關(guān)系非常緊密的靶基因組n1{l2,l3,l4}以及n2{l5,l8,l9,l19,l20}；④存在7個(gè)與意象靶基因有關(guān)聯(lián)的次要基因{l1,l12,l13,l6,l10,l11,l17}；⑤存在6個(gè)獨(dú)立的次要基因{l7,l14,l15,l16,l18,l21}。析出輔助設(shè)計(jì)的隱性信息如下：

(1)1個(gè)獨(dú)立的意象靶基因(l2)代表了前包圍造型，其中與前包圍造型緊密相關(guān)的兩個(gè)敏感基因分別代表與之相鄰的保險(xiǎn)杠(l3)和進(jìn)氣格柵形態(tài)(l4)，這三個(gè)基因構(gòu)成一個(gè)緊密的三元基因組，屬于汽車(chē)前臉的關(guān)鍵形態(tài)因素，需要協(xié)同設(shè)計(jì)；

(2)兩個(gè)代表引擎蓋弧度(l5)和后車(chē)窗弧度(l8)的關(guān)鍵意象靶基因相互關(guān)聯(lián)度較高，同與之相關(guān)聯(lián)的3個(gè)基因(l9,l19,l20)一并屬于車(chē)上部的關(guān)鍵形態(tài)因素，需要同時(shí)進(jìn)行優(yōu)化設(shè)計(jì)。

(3)基因(l1)和代表車(chē)尾底部的基因(l12,l13)與汽車(chē)前臉的形態(tài)造型有關(guān)聯(lián)，與意象靶基因(l2)存在呼應(yīng)關(guān)系，屬于次要基因，可視情況結(jié)合考慮；存在四個(gè)與車(chē)上部造型形態(tài)有一定關(guān)聯(lián)度的次要基因，可視情況結(jié)合考慮；

(4)存在6個(gè)較為獨(dú)立的次要基因，在汽車(chē)側(cè)輪廓的造型設(shè)計(jì)中普適性較強(qiáng)，代表的6段曲線在不同汽車(chē)中的區(qū)別度不大，在具體設(shè)計(jì)中可以不予深入考慮。

步驟十二、對(duì)汽車(chē)側(cè)輪廓的初始形態(tài)進(jìn)行編碼，目標(biāo)輪廓由外輪廓曲線集合{l1,l2,l3,l4,…,l16}及內(nèi)輪廓曲線集合{l17,l18,l19,l20,l21}構(gòu)成。隨機(jī)選擇一款汽車(chē)輪廓cx作為初始形態(tài)。依據(jù)的產(chǎn)品形態(tài)基因編碼方法以3次貝塞爾曲線模型對(duì)選擇的初始形態(tài)進(jìn)行編碼。應(yīng)用上述析出的輔助設(shè)計(jì)信息對(duì)形態(tài)編碼信息進(jìn)行簡(jiǎn)化處理，首先將7個(gè)與意象靶基因有關(guān)聯(lián)的次要基因和6個(gè)獨(dú)立的次要基因進(jìn)行尺寸約束，保證其形狀不變，不參與交互設(shè)計(jì)過(guò)程。將剩余的3個(gè)意象靶基因及5個(gè)從屬基因置于坐標(biāo)系中，并進(jìn)行規(guī)則約束，限定其變化范圍，得到汽車(chē)側(cè)輪廓形態(tài)構(gòu)成曲線與端點(diǎn)坐標(biāo)。

步驟十三、在矢量圖形軟件coreldrawx6中應(yīng)用vba語(yǔ)言進(jìn)行二次開(kāi)發(fā)，構(gòu)建智能交互設(shè)計(jì)引擎，形態(tài)曲線依據(jù)前15個(gè)樣本統(tǒng)計(jì)得到，限定形狀推理規(guī)則采用坐標(biāo)微調(diào)、縮放與錯(cuò)切操作，對(duì)的初始形態(tài)進(jìn)行優(yōu)化設(shè)計(jì)。

步驟十四、采用順序方式進(jìn)行求解：先求3元組，繼而對(duì)第二集團(tuán)進(jìn)行求解。

求解步驟之間進(jìn)行人工交互評(píng)分優(yōu)化，優(yōu)化后的最佳結(jié)果繼續(xù)進(jìn)行下一步求解，直至4輪優(yōu)化求解完畢，最終得到優(yōu)化后結(jié)果。