段世昌

摘  要： 在艺术领域中，计算机图形处理技术的运用成为新的艺术创作手段和表现形式。为探讨遗传算法在艺术作品设计领域的应用，以便进行智能化的计算机辅助，提出通过实数编码遗传算法来实现版画艺术的数字化设计。首先，对版画的艺术设计过程和数码版画制作流程进行分析;然后，通过对版画图案的分析和概括，抽象出构成版画所需的纹样，利用实数编码遗传算法的交叉、变异操作生成丰富的纹样基因库;最后，以用户满意度为需求确定适应度函数并设计数码版画纹样组装方案流程。算法仿真结果验证了提出方法的可行性和有效性。

关键词： 版画艺术; 实数编码; 遗传算法; 数码版画; 用户满意度; 纹样

中图分类号： TN911.73?34; TP393                  文献标识码： A                   文章编号： 1004?373X（2019）13?0073?03

Research on engraving artwork design method based on

real number coding genetic algorithm

DUAN Shichang

（Anyang University， Anyang 455000， China）

Abstract： The application of computer graphics processing technology in art field becomes the new artistic creation means and expression pattern. In order to explore the application of genetic algorithm in the field of artwork design， and carry out the intelligent computer?aided operation， the digital design of engraving artworks is realized by means of real number coded genetic algorithm. The artistic design process of the engraving and the digital engraving production process are analyzed. The dermatoglyphic pattern needed by engraving composition is abstracted by means of analysis and summarization of the engraving pattern， and the crossover and mutation operations of the real number coding genetic algorithm are used to generate the gene pool with rich dermatoglyphic patterns. The fitness function is determined according to user satisfaction. The process of digital engraving pattern assembly scheme is designed. The feasibility and effectiveness of the proposed method are verified with algorithm simulation results.

Keywords： engraving artwork; real number coding; genetic algorithm; digital engraving; user satisfaction; dermatoglyphic pattern

0  引  言

传统版画艺术最早是以木刻版画的形式在世界范围广泛流传，也是我国国粹的精华。我国版画最早用于佛教领域，后随着多民族文化交流逐渐发展出各式各样的版画印刷术。19世纪70年代，版画艺术慢慢的发展出新形态的艺术形势——现代版画。

随着计算机辅助设计技术的飞速发展，在艺术领域中计算机图形处理技术的运用，成为新的艺术创作手段和表现形式。通过将机器智能应用在艺术设计工作中，可以使得计算机与美术完美结合，设计出更加符合形象思维和逻辑思维的创新作品[1?3]。随着人工智能技术概念的广泛传播，各种智能计算方法层出不穷，其中，起源于20世纪50年代的演化算法是目前较为热门的机器学习算法[4]。演化算法是一类模拟自然界遗传进化规律的仿生学算法，遗传算法是其中的一个分支。随着演化算法的不断发展，通过遗传算法进行产品创新设计已经成为一种重要的辅助设计手段，同时也成为近年来的研究热点。文献[5]应用标准遗传算法构建产品造型细化设计系统，进一步实现原始设计方案的优化。文献[6]设计一种兼顾Pareto前沿平滑性和均匀性的遗传算法初始解构造方法，有效解决了复杂工业产品优化设计的计算密集问题，提升了产品的质量。

通过上述研究可以看出，遗传算法在产品设计辅助方面具有一定的优势。因此，本文采用遗传算法来解决数字版画设计过程中的纹样变形（变异操作）和组合（交叉操作）等问题。不同于文献[5?6]采用的标准遗传算法，本文利用实数编码遗传算法来描述版画纹样的轮廓曲线。此外，通过赋予不同权值的用户满意度评分来获取迭代进化的适应度值，其中用户分为普通用户和专业用户。实例应用结果证明了提出方法的适用性和创新性。

1  版画的艺术形式

1.1  版画的艺术设计介绍

早期版画作为一门艺术具有比较强烈的民族文化或者宗教文化特色，如图1所示的《金刚般若波罗密经》，主要利用石、木、金属和丝网版材参与制版，包括凸版版画、凹版版画。不同于传统版画，数码版画的制作借助先进的计算机技术和图像处理技术。

图1  《金刚般若波罗密经》卷首图

1.2  数码版画制作流程

首先对版画的艺术设计过程进行分析，如图2所示。版画的艺术设计过程是通过夸张和变形的手法，将不规则的纹样合理搭配，建立丰富形象的过程。

图2  版画的艺术设计过程

由上述版画的艺术设计过程介绍可以看出，数码版画制作需要将多种实物扫描成图像素材，并在电脑里进行制作，其流程如图3所示（以木刻版画为例）。整个过程可以分为三个部分：采集过程、制作过程和输出过程。

图3  计算机辅助的数码版画制作流程

2  基于遗传算法的数码版画设计方法

遗传算法是一种基于达尔文进化论的演化算法，它模拟了自然选择、物竞天择和适者生存的现象，通过[N]代的遗传、变异、交叉、复制，进化出问题的最优解[7]。为了打破惯性思维，通过对版画图案的分析和概括，抽象出构成版画所需的纹样，利用实数编码遗传算法的交叉、变异操作生成丰富的纹样基因库。

2.1  基于实数编码遗传算法的纹样生成

在图像素材采集后，抽象出构成版画所需的纹样并通过二维平面产生纹样的轮廓曲线，并令[Ocur=（ρi，γi，θi），  i=0，1，2，…，n]表示该轮廓曲线。本文采用实数编码方式来表示该曲线[8]：

此外，为了满足消费者的心理需求，以用户满意度为需求确定适应度函数并设计数码版画纹样组装方案流程。

2） 变异算子。设变异概率为[Pm]，当迭代过程中随时数[r∈[-1，1]]小于[Pm]时，在上、下半部两条曲线上分别抽取[m（0

2.2  基于用户满意度的适应度函数确定

将用户分为普通用户[a]和专业用户[b]，并分别对其设置不同的权值0.4和0.6，那么纹样的造型特征得分为：

图4  基于实数编码遗传算法的数码版畫纹样组装方案流程

3  仿真验证结果

3.1  实验配置参数

本文以“自然风景木刻版画设计”为实际案例进行具体仿真测试以便验证提出算法的可行性。实验PC主机的硬件配置为：Intel酷睿I5?8500四核CPU，主频为3.0 GHz;4 GB内存;NVIDIA GTX 970显卡（4 GB显存）;300 GB硬盘。

遗传算法的参数设置如下：群体大小为100，终止进化代数为150，交叉概率为0.4，变异概率[11]为0.002。

3.2  版画设计结果

运用基于实数编码遗传算法的数码版画纹样组装方法得到了用户满意度最高的版画设计结果，如图5所示。

从图5可以看出，提出的方法不仅能丰富设计人员的设计思路，而且能使设计过程实现智能化、自动化。此外，版画设计的平均用户满意度能够达到90%左右，较好地符合了大众审美需求。

图5  版画设计示例

4  结  语

本文提出一种基于实数编码遗传算法的版画纹样自动辅助设计方法。该方法采用实数编码方式表示版画纹样曲线。主要通过变异操作实现纹样的形变，从而产生大量新的样本源;通过交叉操作实现纹样的组装，利用变异概率扩大样本组合的空间。版画设计实例结果验证了该算法的可行性。但是实际设计场景中遗传算法的参数设置对性能影响较大，且容易出现局部最优现象，因此，后续将对如何解决这两个问题开展进一步研究。

参考文献

[1] HIRAOKA Y， MURAKAMI T， YAMAMOTO K， et al. Method of computer?aided fault tree analysis for high?reliable and safety design [J]. IEEE transactions on reliability， 2016， 65（2）： 687?703.

[2] FLURY S， SCHMIDT S Z， PEUTZFELDT A， et al. Dentin bond strength of two resin?ceramic computer?aided design/computer?aided manufacturing （CAD/CAM） materials and five cements after six months storage [J]. Dental materials journal， 2016， 35（5）： 728?735.

[3] TRUONG A H， ZINGG D W， HAIMES R. Surface mesh movement algorithm for computer aided design based aerodynamic shape optimization [J]. AIAA journal， 2016， 54（2）： 1?15.

[4] CHEN L， SASS L. Generative computer?aided design： multi?modality large?scale direct physical production [J]. Computer?aided design and applications， 2016， 14（1）： 83?94.

[5] 苏建宁，陈肖，张书涛，等.基于进化算法的产品造型创新设计方法研究[J].工程设计学报，2016，23（2）：136?142.

SU Jianning， CHEN Xiao， ZHANG Shutao， et al. Research on innovative design method of product modeling based on evolutionary algorithm [J]. Journal of engineering design， 2016， 23（2）： 136?142.

[6] 冯国奇，崔东亮，张亚军，等.样本视角下面向复杂产品多目标优化设计的混合人工神经网络：遗传算法技术[J].计算机集成制造系统，2016，22（6）：1403?1414.

FENG Guoqi， CUI Dongliang， ZHANG Yajun， et al. Hybrid artificial neural network?genetic algorithm technology for multi?objective optimization design of complex products under sample perspective [J]. Journal of computer integrated manufacturing systems， 2016， 22（6）： 1403?1414.

[7] BHARATHI C， REKHA D， VIJAYAKUMAR V. Genetic algorithm based demand side management for smart grid [J]. Wireless personal communications， 2017， 93（2）： 481?502.

[8] KALAYCI C B， POLAT O， GUPTA S M. A hybrid genetic algorithm for sequence?dependent disassembly line balancing problem [J]. Annals of operations research， 2016， 242（2）： 321?354.

[9] BHARATHI C， REKHA D， VIJAYAKUMAR V. Genetic Algorithm Based Demand Side Management for Smart Grid [J]. Wireless Personal Communications， 2017， 93（2）： 481?502.

[10] FRIEDRICH T， K?TZING T， KREJCA M， et al. The Compact Genetic Algorithm is Efficient under Extreme Gaussian Noise [J]. IEEE Transactions on Evolutionary Computation， 2017， 21（3）： 477?490.

[11] YU Z， CUI H， SUN X. Genetic?algorithm?optimized wideband on?chip polarization rotator with an ultrasmall footprint [J]. Optics Letters， 2017， 42（16）： 3093.