许雪梅

(浙江理工大学 信息学院， 浙江 杭州 310018)

织物智能配色是利用计算机配色系统速度快、工作效率高的优点进行颜色配方的智能预测[1]，并且能够根据配方预测颜色。织物智能配色的核心部分是配色算法，智能配色算法能够实现又快又准地配色[2]，大大减少打样的次数。

目前织物配色应用最广泛的理论基础是Kubelka-Munk理论[3-4]，该理论在色纺纱配色算法中应用较多[5-6]。一些研究人员引入人工智能技术如神经网络到配色算法中[7]，神经网络在纺织品的染色配色上已有不少成功的应用[8-9]，例如：肖春华[10]将深度学习技术中的深层神经网络应用到织物智能配色算法中;CHAOUCH Sabrine等[11-12]将蚁群算法应用于织物颜色的配方预测，有效地获得了织物的颜色配方预测思想的元启发式技术。配色精度、收敛速度和泛化能力等问题一直都是织物智能配色技术不断改进优化的方向。

本文利用基于BP神经网络的遗传算法进行织物颜色配方智能预测，并引入模拟退火算法对遗传算法配方预测模型进行优化。

1 配色模型构建

1.1 遗传算法配色模型构建

基于遗传算法的织物配色智能预测模型中，初始种群是随机生成的，包含了所有可能的配色方案。假设种群中的每个个体都由一条染色体组成，织物智能配色的解决方案用一个染色体定义，然后用有限长度的字符串来编码染色体，配色预测要求算法精度高且搜索范围大，所以选择浮点数编码方法进行编码，每条染色体上的基因个数由所用染料的种类数决定，每个基因值代表每种染料的浓度。……