28、混合模因算法与广义回归神经网络在生成式设计系统中的应用

混合模因算法与广义回归神经网络在生成式设计系统中的应用

生成式设计与相关技术概述

生成式设计能够支持设计师探索广阔的设计空间，相较于手工生产，它提供了更广泛的设计可能性。在众多生成式技术中，遗传算法（GA）是一种颇受欢迎且更适用于特定设计目的的技术。它基于修改、组合等操作，在每个循环中进行设计探索和选择，能够生成随机设计，便于建模和修改。

迭代函数系统（IFS）几何已在各种设计应用中得到应用。由于其多样性、紧凑性和高效性，将IFS用作装饰元素表示颇具趣味。

本次的目标是开发一个生成式设计系统。该系统是在以往研究的基础上进行扩展，以往研究使用IFS分形来表示艺术形式，并将理想的IFS分形存储在库中。但发现生成的个体依赖于存储的IFS分形，导致批次间生成结果相似且无改进。因此，在新系统中，新的IFS分形作为个体，并在初始化阶段使用模因算法（MA）随机生成，以保证IFS分形的相似性和紧凑性。同时，使用广义回归神经网络（GRNN）替代之前的非线性回归技术，改进之前生成式设计系统的目标函数。在珠宝设计中，不考虑宝石镶嵌，将IFS分形用作装饰元素。

相关技术介绍

1. 模因算法（MA）

   • 模因算法是一种进化计算方法，旨在模仿文化进化来解决优化问题。它结合了局部搜索技术和基于种群的搜索方法的概念，主要由两部分组成：进化结构和一组局部改进方法，后者在进化周期中发挥作用。可以说，MA是GA的扩展，通过使用局部搜索方法减少过早收敛。
   • MA通常的种群规模较小，在10到40个个体之间，因为局部搜索成本较高。其基本流程如下：