1在立体设计中的运用
立体造型的设计过程中，要求设计者有较强的空间想象能力，但是单纯的想象往往会导致现实和想象还存在一定差距，进行立体设计难度较大。但是计算机三维建模及渲染技术能够很好地解决这个问题，它能精准的展示一个立体实物的各个角度细节，使设计者能够全方位的观察物体，在视点的流动过程中对实体进行修改和塑造。目前，立体设计中应用最为广泛的就是计算机3DSMAX软件，该软件拥有标准集合体的建立命令面板，为设计者提供了方便快捷的使用体验。此外，3DSMAX中的材料库也便于设计者的素材寻找和积累，给美术设计者带来了丰富的素材模拟，大大降低了手工绘制和塑造的工作量。
2交互式遗传算法在分形美术设计中的应用的实例探究
2.1分形图案构成的艺术形式及理论
构图也就是对图案的构思，主要分为两部分纹样结构与画面构图。分形美术图案设计的主要方法就是随对形图案画面的布局和组织形式进行艺术设计。分行位数设计的基本组成部分为分形纹样的规则骨架构图、整体构造分形纹样构图和具有不规则构型的纹样分形分布构图。在美术创作上，分形图案是对于平面设计的一种沿袭，同时结合了计算机算法在纹样造型、色彩构成和构图方面的设计技术中的应用，有利于实现艺术形式的创造带来模拟思维。在基本构图原理部分，分形美术图案除了与普通美术图案有着异曲同工的原则之外，还有着独有的特点，那就是分形的自相似性以及自仿射性的体现，将递归或是迭代的算法融入造型或构图过程中，并对局部过程造成了一定的扰动作用。其设计过程中主要包括以下法则:（1）纹样的构成使用的是以函数迭代算法为基础的几何重复应用过程。（2）着色设计主要使用了算法与人机交互技术的有机结合。（3）画面布局主要沿袭了传统的构图技术，添加了与分形相结合的算法。分形美术图案的设计与传统美术图案的基础上，又添加了不少现代感的创新。运用计算机技术，利用无穷多个函数，能够得到无穷多种着色方案，再加上若干种生成方法，最终能得到无穷无尽的图案，为美术双早提供了宽广的设计源泉。
2.2交互式遗传算法
遗传算法(GeneticAlgorithmsGA)的理论基础是达尔文的遗传选择、自然淘汰原理，以及孟德尔遗传学说，它将生物进化过程用一种全局随机搜索算法来表达。将进化概念和逻辑思维有机结合而得到的一种交互式遗传算法（InteractiveGeneticAlgorithm,IGA)[6]。它相较于基本的遗传算法，又增添了交互式的手段，来实现用户对于这个设计的评价，能够自动计算适应度函数值，从而替代传统的遗传算法(GeneticAlgorithms，GA)。交互式遗传算法能够将人机交互与遗传算法有机结合，从某一种意义上来说是实现了人的智慧与计算机技术的有机结合，很好的弥补了遗传操作中的缺陷。当前，交互式遗传算法的应用领域正在不断扩展，如在图形图像处理、语音信息处理、数据库的检索等方面的应用正在得到认可。但是即便如此，设计创作归根结底还是依靠人的创作思维，要将人的智能与计算机技术实现有机结合，还是值得相关专业人士的探讨和研究。
2.3算法设计
2.3.1染色体编码
在分形美术图案中的创造过程中，迭代函数也就是遗传算法种群中的个体，并能对迭代函数进行编码。考虑到二叉树结构在数学的表达过程中有较高的使用度。因此，在问题解决过程中采用结构式编码方法，可以用二叉树的形式来表达，每一个染色体就用一棵树来表示。在数学表示中的一棵二叉树代表的是一个有限节点集，其中包括了数学操作数及数学操作符。在结构式编码方式中，二叉树的终节点就是表达式的操作数位，中间节点就是操作符，操作数既可以改变。二叉树海飞我们提供了一个合法的数学表达式就是中序遍历序列。
2.3.2适应度函数建立
遗传操作中的适应度函数的作用就是用来评价遗传进化染色体的优劣指数。通过用户对于美术设作品的的“满意度”和“共识度”的评价，来实现对于遗传染色体优劣程度的评判。适应度函数采用Ohsak为我们提供了一种群体共同评分模型。在群体共同评分中有三个等级来衡量用户对作品的喜爱程度，分别是“满意”“、一般”和“不满意”。其中，用户给出“满意”评价即给出3分，“一般”评价即给出2分，而“不满意”评价即给出1分。将所有用户评价得分相加，就得到美术作品的做种得分。若有n名用户参与评分，那么最终满意度分值就落在n与3n之间。若两个作品的满意度评分相同，就要通过共识度标准的计算来获得适应度函数。比如说，设计作品A与设计作品B都得到了14分，但是没有用户对作品B给出了“不满意”的得分，评价具有较高的一致性，因此，作品B更能得到用户的实际喜欢，如图1所示。
2.3.3算法流程
步骤一：种群的初始化。仍以从操作符集和操作数集中产生有效的数学，产生种群的函数表达式成为分形图案的迭代函数。通过结构式的编码方式，使其成为二叉树的表达方式。例如，在集合A,B中所生成的初始化种群，通过结构是编码生3棵生：树A、树B和树C，如图1(a)(b)(c)所示。步骤二：借助交互式的用户评价方式产生初始群的染色体的适应度值。改变评分就能改变种群中染色体的适应度值，将其应用于下一代的遗传选择。步骤三：借助染色体的适应度诞生新的种群。步骤四：种群的交叉、变异遗传性为。步骤五：经过多代的选择、淘汰和评价，直至用户满意则结束，若不满意则即系进行步骤二。在分型美术设计中融入计算机科学中的交互式遗传算法，通过满意度和共识度来确定适应值，对种群进行优胜劣汰，最终生成用户满意的种群和个性化分形设计作品。但是，在基于IGA的交互式评价过程中，用户需要对每一个个体进行评估，若个体的食量较为庞大，则每一代的进化都需要较长的时间，用户的耐心需要考验，尤其是种群中存在相似性较高的个体时，对它们优胜劣汰的评估的难度就更大，心理压力也会剧增，更会使用户造成不耐烦地心情。因此，对于交互式遗传算法中的评估质量的提高，以及收敛性问题是遗传进化过程中需要改进的方面，来获得更为搞笑的进化过程。计算机在美术设计中的运用主要体现在基础图案创作中，色彩调配中和立体设计中。在交互式遗传算法在分形美术设计中的应用中，通过满意度和共识度来确定适应值，对种群进行优胜劣汰，最终生成用户满意的种群和个性化分形设计作品。我们发现，计算机服务于美术设计的方式千变万化，科学和艺术的融合有着更为广阔的发展空间。
作者：刘晓妮 单位：陕西职业技术学院
