本發(fā)明涉及一種多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法，特別涉及一種面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法。

背景技術(shù)：

文獻(xiàn)“面向產(chǎn)品caid的多目標(biāo)設(shè)計(jì)評(píng)價(jià)系統(tǒng)開(kāi)發(fā)理論與方法，proceedingsofthe2006internationalconferenceonindustrialdesign&the11thchinaindustrialdesignannualmeeting(volume2/2)”公開(kāi)了一種基于caid的多目標(biāo)設(shè)計(jì)評(píng)價(jià)的理論和方法，并構(gòu)建了支持caid的多目標(biāo)設(shè)計(jì)評(píng)價(jià)原型系統(tǒng)。該方法開(kāi)發(fā)了以評(píng)價(jià)目標(biāo)樹(shù)為核心的工具集，以評(píng)價(jià)工具集和專用數(shù)據(jù)庫(kù)為核心，將后臺(tái)評(píng)價(jià)模式變?yōu)榍芭_(tái)工具集和專用數(shù)據(jù)庫(kù)的輔助模式，較好地解決了評(píng)價(jià)目標(biāo)體系的選擇和評(píng)價(jià)模式的確定問(wèn)題。

文獻(xiàn)所述方法通過(guò)需求分析建立評(píng)價(jià)目標(biāo)，對(duì)評(píng)價(jià)目標(biāo)進(jìn)行分析整理后建立評(píng)價(jià)目標(biāo)樹(shù)，選擇評(píng)價(jià)方法，采用定量評(píng)價(jià)和定性評(píng)價(jià)綜合的方法對(duì)評(píng)價(jià)目標(biāo)逐個(gè)進(jìn)行評(píng)價(jià)。但評(píng)價(jià)目標(biāo)的需求獲取與分析的研究還不夠完整，評(píng)價(jià)目標(biāo)選擇的準(zhǔn)確性和實(shí)效性不能保障。另外，該評(píng)價(jià)工具中多以諸如點(diǎn)計(jì)分法評(píng)價(jià)工具、排隊(duì)法評(píng)價(jià)工具、名次法評(píng)價(jià)工具等定性評(píng)價(jià)為主，缺少了對(duì)于定量分析方法的研究與應(yīng)用，對(duì)多目標(biāo)的設(shè)計(jì)評(píng)價(jià)效率不高。

此外，隨著經(jīng)濟(jì)全球化和信息化的快速發(fā)展，云制造、云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、虛擬化等相關(guān)研究話題逐漸成為了國(guó)內(nèi)外研究熱點(diǎn)，云服務(wù)這一新銳的服務(wù)模式已經(jīng)被人們所關(guān)注。目前在互聯(lián)網(wǎng)技術(shù)的支撐下，國(guó)內(nèi)外已出現(xiàn)了諸如quirky，behancenetwork，愛(ài)定客等將網(wǎng)絡(luò)化協(xié)同的創(chuàng)意設(shè)計(jì)轉(zhuǎn)化為經(jīng)濟(jì)效益的工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)。

工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)是一個(gè)集成設(shè)計(jì)云、管理云、商務(wù)云、知識(shí)云、物聯(lián)服務(wù)云、數(shù)據(jù)云等資源的服務(wù)平臺(tái)。在設(shè)計(jì)云中，主要體現(xiàn)cad設(shè)計(jì)、cae分析、3d打印產(chǎn)品原型/樣品預(yù)覽的業(yè)務(wù)邏輯關(guān)系等。在管理云中，圍繞產(chǎn)品庫(kù)體現(xiàn)以自助建站和展廳為渠道的產(chǎn)品展示服務(wù)和以電商平臺(tái)為渠道的產(chǎn)品營(yíng)銷服務(wù)。在物聯(lián)服務(wù)云中，以“產(chǎn)品+互聯(lián)網(wǎng)”和“設(shè)備+互聯(lián)網(wǎng)”為模式提供生產(chǎn)和產(chǎn)品狀態(tài)監(jiān)控服務(wù)，確保安全生產(chǎn)，提高產(chǎn)品附加值。工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)為產(chǎn)品設(shè)計(jì)研發(fā)提供技術(shù)與信息支撐服務(wù)。面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的構(gòu)建技術(shù)在國(guó)內(nèi)外已相對(duì)成熟，已出現(xiàn)多個(gè)較成熟的應(yīng)用平臺(tái)。眾多專家學(xué)者們對(duì)云服務(wù)平臺(tái)的構(gòu)架與應(yīng)用、云服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)、云服務(wù)平臺(tái)的集成、云服務(wù)平臺(tái)的網(wǎng)絡(luò)化集成與資源共享等方面進(jìn)行了分析與研究。但在面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的設(shè)計(jì)評(píng)價(jià)方面的研究還相對(duì)薄弱，缺乏一個(gè)行之有效的設(shè)計(jì)評(píng)價(jià)方法。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法設(shè)計(jì)評(píng)價(jià)效率低的不足，本發(fā)明提供一種面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法。該方法構(gòu)建基于質(zhì)量功能配置qfd的方案參數(shù)優(yōu)化的三階定量模型。第一階段結(jié)合層次分析法ahp主觀賦權(quán)與熵值法客觀賦權(quán)；第二階段構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣，對(duì)其進(jìn)行一致化轉(zhuǎn)換；第三階段結(jié)合市場(chǎng)競(jìng)爭(zhēng)等影響因素對(duì)其進(jìn)行修訂并確定評(píng)價(jià)目標(biāo)最終重要度。在此基礎(chǔ)上，基于決策偏好的多目標(biāo)粒子群優(yōu)化算法dpmopso對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)模型進(jìn)行沖突消解，最后利用pareto第二代的加強(qiáng)進(jìn)化算法確定面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的最優(yōu)創(chuàng)新設(shè)計(jì)方案。該多目標(biāo)的評(píng)價(jià)模型對(duì)大數(shù)據(jù)環(huán)境下多目標(biāo)重要度進(jìn)行準(zhǔn)確量化，保障了評(píng)價(jià)結(jié)果的準(zhǔn)確性和嚴(yán)謹(jǐn)性，提高了評(píng)價(jià)效率。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案：一種面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法，其特點(diǎn)是包括以下步驟：

步驟一、建立面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)的評(píng)價(jià)目標(biāo)體系。

首先，通過(guò)云服務(wù)平臺(tái)獲取用戶的顯性創(chuàng)新需求，并挖掘出用戶的隱性創(chuàng)新需求。在工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的背景下，基于互聯(lián)網(wǎng)采集關(guān)于用戶創(chuàng)新需求的相關(guān)數(shù)據(jù)，并結(jié)合模糊需求描述方法，挖掘和獲取用戶的創(chuàng)新需求。采用spss或orange數(shù)據(jù)挖掘工具，對(duì)用戶創(chuàng)新需求進(jìn)行聚類分析和關(guān)聯(lián)性分析，深入挖掘用戶的隱性需求偏好，并構(gòu)建用戶創(chuàng)新需求數(shù)據(jù)庫(kù)，將數(shù)據(jù)資源利用工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)進(jìn)行規(guī)范化的存儲(chǔ)；

其次，利用qfd方法構(gòu)建用戶創(chuàng)新需求的轉(zhuǎn)換質(zhì)量屋houseofqualityhoq。利用ahp法從用戶創(chuàng)新需求數(shù)據(jù)庫(kù)中提取用戶創(chuàng)新需求，構(gòu)建判斷矩陣a初步分析用戶創(chuàng)新需求的重要度m。再利用qfd方法，確定用戶創(chuàng)新需求與多目標(biāo)創(chuàng)新設(shè)計(jì)評(píng)價(jià)目標(biāo)的關(guān)系矩陣r；

m＝(w1,w2,...,wi,...,wm)，其中

式中，ditj是第i項(xiàng)用戶創(chuàng)新需求和第j項(xiàng)多目標(biāo)創(chuàng)新設(shè)計(jì)評(píng)價(jià)目標(biāo)之間的相關(guān)程度。

最后，將基于網(wǎng)絡(luò)化協(xié)同的用戶創(chuàng)新需求，轉(zhuǎn)換為多目標(biāo)創(chuàng)新設(shè)計(jì)的評(píng)價(jià)目標(biāo)，建立多維度向量描述的評(píng)價(jià)目標(biāo)體系，用字母t表示。即經(jīng)濟(jì)性創(chuàng)新目標(biāo)(t1)、結(jié)構(gòu)性創(chuàng)新目標(biāo)(t2)、環(huán)境性創(chuàng)新目標(biāo)(t3)、技術(shù)性創(chuàng)新目標(biāo)(t4)和功能性創(chuàng)新目標(biāo)(t5)。

t＝(t1,t2,t3,t4,t5…)(4)

步驟二、生成面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)方案。

建立評(píng)價(jià)目標(biāo)樣本庫(kù)，構(gòu)建評(píng)價(jià)目標(biāo)的相似性矩陣aij。利用多維尺度分析評(píng)價(jià)目標(biāo)間的擬合度，在k均值聚類分析法的作用下，求出具有代表性的評(píng)價(jià)目標(biāo)；

利用云服務(wù)平臺(tái)中的各個(gè)模塊，組織用戶、設(shè)計(jì)師、制造商和銷售商對(duì)創(chuàng)意設(shè)計(jì)方案進(jìn)行分析設(shè)計(jì)，并對(duì)創(chuàng)意設(shè)計(jì)方案的可行性與實(shí)用性進(jìn)行普適性論證，構(gòu)建云服務(wù)平臺(tái)下的創(chuàng)新設(shè)計(jì)方案樣本庫(kù)；建立評(píng)價(jià)目標(biāo)與創(chuàng)新設(shè)計(jì)方案的映射關(guān)系，生成二維數(shù)值矩陣a。在hoq的作用下生成滿足評(píng)價(jià)目標(biāo)的創(chuàng)新設(shè)計(jì)方案。

式中，aij是創(chuàng)新設(shè)計(jì)方案樣本對(duì)評(píng)價(jià)目標(biāo)樣本進(jìn)行加權(quán)的結(jié)果；aij是評(píng)價(jià)目標(biāo)樣本的加權(quán)平均值；ei是創(chuàng)新設(shè)計(jì)方案樣本對(duì)評(píng)價(jià)目標(biāo)樣本的總影響度。

步驟三、對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)方案進(jìn)行評(píng)價(jià)。構(gòu)建基于質(zhì)量功能配置qualityfunctiondeploymentqfd的方案參數(shù)優(yōu)化的三階定量模型進(jìn)行網(wǎng)絡(luò)化協(xié)同的創(chuàng)意設(shè)計(jì)評(píng)價(jià)。

(a)結(jié)合層次分析法analytichierarchyprocessahp主觀賦權(quán)與熵值法客觀賦權(quán)。

首先，對(duì)評(píng)價(jià)指標(biāo)的相關(guān)數(shù)據(jù)進(jìn)行分析整合。設(shè)有n個(gè)評(píng)價(jià)目標(biāo)和p個(gè)評(píng)價(jià)指標(biāo)，構(gòu)成評(píng)價(jià)目標(biāo)和評(píng)價(jià)指標(biāo)的分析矩陣，表示為x＝(x)n×p。對(duì)分析矩陣進(jìn)行標(biāo)準(zhǔn)化的分析整合。

對(duì)于二者間成正相關(guān)關(guān)系的評(píng)價(jià)指標(biāo)，則令：yij＝xij/maxxij

對(duì)于二者間成負(fù)相關(guān)關(guān)系的評(píng)價(jià)指標(biāo)，則令：yij＝minxij/xij

其中，minxij，maxxij分別表示第j個(gè)指標(biāo)下各評(píng)價(jià)樣本屬性值的最小值和最大值。標(biāo)準(zhǔn)化的分析整合后，樣本矩陣x轉(zhuǎn)化為矩陣y＝(yij)n×p，yij∈[0,1]。

其次，確定評(píng)價(jià)指標(biāo)的基本權(quán)重。利用ahp，建立評(píng)價(jià)目標(biāo)層次結(jié)構(gòu)模型、構(gòu)造判斷矩陣、計(jì)算權(quán)重向量并做一致性檢驗(yàn)，得出各個(gè)評(píng)價(jià)指標(biāo)在評(píng)價(jià)目標(biāo)中的層次總排序。

通過(guò)ahp判斷各子評(píng)價(jià)目標(biāo)在總評(píng)價(jià)目標(biāo)中的權(quán)重系數(shù)，并用字母μ表示，μi(i＝1，2，...，n)。再判斷評(píng)價(jià)指標(biāo)對(duì)各子評(píng)價(jià)目標(biāo)的權(quán)重系數(shù)，用字母kij表示，即第i個(gè)子目標(biāo)所屬的第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)。在此基礎(chǔ)上，確定評(píng)價(jià)指標(biāo)對(duì)總評(píng)價(jià)目標(biāo)的權(quán)重系數(shù)，用字母aj表示第j個(gè)評(píng)價(jià)指標(biāo)在總評(píng)價(jià)目標(biāo)中的權(quán)重系數(shù)，用aj＝μi·kij表示。用a表示各評(píng)價(jià)指標(biāo)在總評(píng)價(jià)目標(biāo)中權(quán)重系數(shù)的總集合，則a＝[a1，a2，...，an]；

最后，確定評(píng)價(jià)指標(biāo)的離散程度。利用客觀賦權(quán)的熵值法，進(jìn)一步確定評(píng)價(jià)指標(biāo)的離散程度。具體計(jì)算過(guò)程如下：

設(shè)選取n個(gè)評(píng)價(jià)子目標(biāo)，m個(gè)評(píng)價(jià)指標(biāo)。對(duì)評(píng)價(jià)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

正向評(píng)價(jià)指標(biāo):

負(fù)向評(píng)價(jià)指標(biāo):

式中，xij表示為第i個(gè)評(píng)價(jià)子目標(biāo)的第j個(gè)評(píng)價(jià)指標(biāo)的數(shù)值。i＝1,2…,n；j＝1,2,…,m

利用公式(9)計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

利用公式(10)計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的熵值。

利用公式(11)計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的差異系數(shù)。評(píng)價(jià)指標(biāo)差異值的大小與熵值大小成反比。

dj＝1-ej(11)

利用公式(12)計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的求權(quán)值。

在此基礎(chǔ)上，計(jì)算各評(píng)價(jià)指標(biāo)的綜合得分，確定評(píng)價(jià)指標(biāo)的離散程度。

(b)構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣。

首先，構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣。

其次，對(duì)構(gòu)建好的多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣進(jìn)行一致性轉(zhuǎn)換。具體步驟如下：

eik：es(k)→[1-k,k-1]

eik(esα(k))＝α

在上述函數(shù)式中，es(k)表示非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集，即可拓展的連續(xù)性標(biāo)度集，esα(k)表示評(píng)價(jià)語(yǔ)言術(shù)語(yǔ)。

eik–1：[1-k,k-1]→s(k)eik-1(α)＝esα(k)

通過(guò)上述函數(shù)獲得下標(biāo)α所對(duì)應(yīng)的連續(xù)性非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集。

設(shè)es(k1)＝{esα(k1)|α∈[1-k1,k1-1]}和es(k2)＝{esβ(k2)|β∈[1-k2,k2-1]}為任意不同粒度的連續(xù)性非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集，二者間的評(píng)價(jià)粒度轉(zhuǎn)換函數(shù)(egtf)為:

egtfk2k1∶es(k1)[1-k1,k1-1]→es(k2)[1-k2,k2-1](13)

egtfk2k1(s(k1)α)＝ei-1k2[eik1(s(k1)α(k2-1)/k1-1＝esβ(k2)(14)

最后基于上述公式，將多粒度評(píng)價(jià)語(yǔ)言信息一致化，得到粒度相同的非平衡評(píng)價(jià)矩陣。

(c)結(jié)合市場(chǎng)競(jìng)爭(zhēng)影響因素對(duì)其進(jìn)行修訂，運(yùn)用歸一化處理確定目標(biāo)最終重要度。構(gòu)建qfd的評(píng)價(jià)方案參數(shù)優(yōu)化的層次模型。具體優(yōu)化過(guò)程如下：

采用矩陣圖解法，建立評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)間的關(guān)系，通過(guò)構(gòu)建評(píng)價(jià)方案的hoq，分析評(píng)價(jià)方案自相關(guān)關(guān)系矩陣、評(píng)價(jià)目標(biāo)自相關(guān)關(guān)系矩陣、評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)關(guān)系矩陣、評(píng)價(jià)方案實(shí)施手段的經(jīng)濟(jì)性、社會(huì)性參數(shù)，從市場(chǎng)和用戶需求出發(fā)，完善評(píng)價(jià)參數(shù)和評(píng)價(jià)變量。

在hoq的評(píng)價(jià)方案模塊中，以用戶和市場(chǎng)為導(dǎo)向，從方案的實(shí)現(xiàn)成本、功能質(zhì)量、完成時(shí)間和社會(huì)價(jià)值影響競(jìng)爭(zhēng)力的因素著手進(jìn)行度量，分別用字母ce1，ce2，ce3…表示。即ce＝[ce1，ce2，ce3…]^t。

在hoq的評(píng)價(jià)目標(biāo)模塊中，從評(píng)價(jià)目標(biāo)的實(shí)現(xiàn)的經(jīng)濟(jì)性、結(jié)構(gòu)性、環(huán)境性、技術(shù)性和功能性影響競(jìng)爭(zhēng)力的因素著手進(jìn)行度量，分別用字母pe1，pe2，pe3…表示。即pe＝[pe1，pe2，pe3…]^t。

在hoq的評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)關(guān)系矩陣模塊中，二者間的關(guān)系用矩陣的形式表示如下。以0-1-3-5-7-9的數(shù)值序列表示評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)間的關(guān)聯(lián)程度，即表示不相關(guān)-微弱相關(guān)-弱相關(guān)-中等相關(guān)-強(qiáng)相關(guān)-絕對(duì)相關(guān)。并對(duì)其關(guān)聯(lián)程度進(jìn)行歸一化處理。

式中，r是評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)的相關(guān)關(guān)系；cntm是第i項(xiàng)評(píng)價(jià)方案和第j項(xiàng)評(píng)價(jià)目標(biāo)之間的相關(guān)關(guān)系程度。

在hoq的評(píng)價(jià)目標(biāo)自相關(guān)關(guān)系矩陣模塊中，用es表示評(píng)價(jià)目標(biāo)的自相關(guān)關(guān)系。具體表示如下。

式中，esij是第i個(gè)評(píng)價(jià)目標(biāo)參數(shù)與第j個(gè)評(píng)價(jià)目標(biāo)參數(shù)間的相關(guān)關(guān)系。

在hoq的評(píng)價(jià)方案實(shí)施手段的經(jīng)濟(jì)性、社會(huì)性參數(shù)中，利用如下公式，對(duì)方案的市場(chǎng)競(jìng)爭(zhēng)性、技術(shù)競(jìng)爭(zhēng)性的經(jīng)濟(jì)性、社會(huì)性參數(shù)進(jìn)行評(píng)估。

c＝mt(19)

式中，m表示市場(chǎng)競(jìng)爭(zhēng)性；t表示技術(shù)競(jìng)爭(zhēng)性；c表示綜合競(jìng)爭(zhēng)性。

步驟四、對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意評(píng)價(jià)的沖突進(jìn)行消解。

利用pareto第二代的加強(qiáng)進(jìn)化算法strengthparetoevolutionaryalgorithm2spea2求解沖突模型，以用戶的偏好為引導(dǎo)因子，解決評(píng)價(jià)中每個(gè)參與者的評(píng)價(jià)差異性沖突，獲得最優(yōu)解集。具體過(guò)程如下：

首先，構(gòu)建一個(gè)多個(gè)目標(biāo)、多個(gè)變量的評(píng)價(jià)模型。

xi∈{0,1},i＝1,…,n

其中，

其次，對(duì)pareto第二代的加強(qiáng)進(jìn)化算法參數(shù)進(jìn)行初始化。產(chǎn)生初始大小為n的種群w0和外部群體k0，同時(shí)對(duì)該算法的初始的進(jìn)化代數(shù)設(shè)為t＝0，將交叉概率和變異概率分別設(shè)定為pc和pm，對(duì)多目標(biāo)的創(chuàng)意設(shè)計(jì)評(píng)價(jià)采用二進(jìn)制編碼，即0-1編碼進(jìn)行編碼。

在此基礎(chǔ)上對(duì)其進(jìn)行適應(yīng)度計(jì)算。結(jié)合目標(biāo)函數(shù)maxz1、maxzn計(jì)算種群的適應(yīng)度。根據(jù)pareto支配的定義，構(gòu)造內(nèi)部種群支配解集，進(jìn)行外部種群k0管理和全局最優(yōu)值更新，達(dá)到最大循環(huán)代數(shù)，輸出外部種群k0，獲得pareto最優(yōu)解集；用滿意度函數(shù)表示設(shè)計(jì)者對(duì)于自身多個(gè)設(shè)計(jì)目標(biāo)是否達(dá)到最優(yōu)化的滿意程度，其計(jì)算方法如下。

最后，利用基于模糊集的滿意度排序方法計(jì)算出最優(yōu)解。構(gòu)建最優(yōu)方案的滿意度函數(shù)：

獲取最大隸屬度函數(shù)值的有效解作為協(xié)同設(shè)計(jì)的最佳方案，將非線性多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為基于協(xié)商的單目標(biāo)優(yōu)化問(wèn)題，即：

maxs；

s.t.a∈qi,i＝1,2,…,n,k＝1,2,…,m.(23)。

本發(fā)明的有益效果是：該方法構(gòu)建基于質(zhì)量功能配置qfd的方案參數(shù)優(yōu)化的三階定量模型。第一階段結(jié)合層次分析法ahp主觀賦權(quán)與熵值法客觀賦權(quán)；第二階段構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣，對(duì)其進(jìn)行一致化轉(zhuǎn)換；第三階段結(jié)合市場(chǎng)競(jìng)爭(zhēng)等影響因素對(duì)其進(jìn)行修訂并確定評(píng)價(jià)目標(biāo)最終重要度。在此基礎(chǔ)上，基于決策偏好的多目標(biāo)粒子群優(yōu)化算法dpmopso對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)模型進(jìn)行沖突消解，最后利用pareto第二代的加強(qiáng)進(jìn)化算法確定面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的最優(yōu)創(chuàng)新設(shè)計(jì)方案。該多目標(biāo)的評(píng)價(jià)模型對(duì)大數(shù)據(jù)環(huán)境下多目標(biāo)重要度進(jìn)行準(zhǔn)確量化，保障了評(píng)價(jià)結(jié)果的準(zhǔn)確性和嚴(yán)謹(jǐn)性，提高了評(píng)價(jià)效率。

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)明面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法的流程圖。

圖2是本發(fā)明方法建立的面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)目標(biāo)體系中用戶創(chuàng)新需求挖掘流程圖。

圖3是本發(fā)明方法建立的面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)中資源匹配和搜索推薦流程圖。

圖4是本發(fā)明方法所構(gòu)建的面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的主界面圖。

具體實(shí)施方式

參照?qǐng)D1-4。本發(fā)明面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)評(píng)價(jià)方法具體步驟如下：

步驟一，建立面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)的評(píng)價(jià)目標(biāo)體系。

首先，通過(guò)云服務(wù)平臺(tái)獲取用戶的顯性創(chuàng)新需求，并挖掘出用戶的隱性創(chuàng)新需求。在工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的背景下，基于互聯(lián)網(wǎng)采集關(guān)于用戶創(chuàng)新需求的相關(guān)數(shù)據(jù)，并結(jié)合模糊需求描述等方法，最大限度的挖掘和獲取用戶的創(chuàng)新需求。采用spss、orange等數(shù)據(jù)挖掘工具，通過(guò)對(duì)用戶創(chuàng)新需求進(jìn)行聚類分析、關(guān)聯(lián)性分析等深入挖掘用戶的隱性需求偏好，并構(gòu)建用戶創(chuàng)新需求數(shù)據(jù)庫(kù)，將數(shù)據(jù)資源利用工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)進(jìn)行規(guī)范化的存儲(chǔ)；

其次，利用qfd技術(shù)構(gòu)建用戶創(chuàng)新需求的轉(zhuǎn)換質(zhì)量屋houseofqualityhoq。利用ahp法從用戶創(chuàng)新需求數(shù)據(jù)庫(kù)中提取用戶創(chuàng)新需求，通過(guò)構(gòu)建判斷矩陣a來(lái)初步分析用戶創(chuàng)新需求的重要度m。再利用qfd技術(shù)，確定顧客創(chuàng)新需求與多目標(biāo)創(chuàng)新設(shè)計(jì)評(píng)價(jià)目標(biāo)的關(guān)系矩陣r；

m＝(w1,w2,...,wi,...,wm)，其中

式中:r—用戶創(chuàng)新需求與多目標(biāo)創(chuàng)新設(shè)計(jì)評(píng)價(jià)目標(biāo)的相關(guān)關(guān)系；ditj—第i項(xiàng)用戶創(chuàng)新需求和第j項(xiàng)多目標(biāo)創(chuàng)新設(shè)計(jì)評(píng)價(jià)目標(biāo)之間的相關(guān)程度。

最后，將基于網(wǎng)絡(luò)化協(xié)同的用戶創(chuàng)新需求，轉(zhuǎn)換為多目標(biāo)創(chuàng)新設(shè)計(jì)的評(píng)價(jià)目標(biāo)，建立多維度向量描述的評(píng)價(jià)目標(biāo)體系。用字母t表示。即經(jīng)濟(jì)性創(chuàng)新目標(biāo)(t1)、結(jié)構(gòu)性創(chuàng)新目標(biāo)(t2)、環(huán)境性創(chuàng)新目標(biāo)(t3)、技術(shù)性創(chuàng)新目標(biāo)(t4)、功能性創(chuàng)新目標(biāo)(t5)等。

t＝(t1,t2,t3,t4,t5…)(4)

步驟二，生成面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)方案。

建立評(píng)價(jià)目標(biāo)樣本庫(kù)，構(gòu)建評(píng)價(jià)目標(biāo)的相似性矩陣aij。利用多維尺度分析評(píng)價(jià)目標(biāo)間的擬合度，在k均值聚類分析法的作用下，求出具有代表性的評(píng)價(jià)目標(biāo)；

利用云服務(wù)平臺(tái)中的各個(gè)模塊，組織用戶、設(shè)計(jì)師、制造商、銷售商等人員對(duì)創(chuàng)意設(shè)計(jì)方案進(jìn)行分析設(shè)計(jì)，并對(duì)創(chuàng)意設(shè)計(jì)方案的可行性與實(shí)用性進(jìn)行普適性論證，構(gòu)建云服務(wù)平臺(tái)下的創(chuàng)新設(shè)計(jì)方案樣本庫(kù)；建立評(píng)價(jià)目標(biāo)與創(chuàng)新設(shè)計(jì)方案的映射關(guān)系，生成二維數(shù)值矩陣a。在hoq的作用下生成滿足評(píng)價(jià)目標(biāo)的創(chuàng)新設(shè)計(jì)方案。

式中：aij—?jiǎng)?chuàng)新設(shè)計(jì)方案樣本對(duì)評(píng)價(jià)目標(biāo)樣本進(jìn)行加權(quán)的結(jié)果；aij—評(píng)價(jià)目標(biāo)樣本的加權(quán)平均值；ei—?jiǎng)?chuàng)新設(shè)計(jì)方案樣本對(duì)評(píng)價(jià)目標(biāo)樣本的總影響度。

步驟三，對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)方案進(jìn)行評(píng)價(jià)。構(gòu)建基于質(zhì)量功能配置qualityfunctiondeploymentqfd的方案參數(shù)優(yōu)化的三階定量模型進(jìn)行網(wǎng)絡(luò)化協(xié)同的創(chuàng)意設(shè)計(jì)評(píng)價(jià)。

(a)結(jié)合層次分析法analytichierarchyprocessahp主觀賦權(quán)與熵值法客觀賦權(quán)。

首先，對(duì)評(píng)價(jià)指標(biāo)的相關(guān)數(shù)據(jù)進(jìn)行分析整合。設(shè)有n個(gè)評(píng)價(jià)目標(biāo)和p個(gè)評(píng)價(jià)指標(biāo)，構(gòu)成評(píng)價(jià)目標(biāo)和評(píng)價(jià)指標(biāo)的分析矩陣，表示為x＝(x)n×p。對(duì)分析矩陣進(jìn)行標(biāo)準(zhǔn)化的分析整合。

對(duì)于二者間成正相關(guān)關(guān)系的評(píng)價(jià)指標(biāo)，則令：yij＝xij/maxxij

對(duì)于二者間成負(fù)相關(guān)關(guān)系的評(píng)價(jià)指標(biāo)，則令：yij＝minxij/xij

其中，minxij，maxxij分別表示第j個(gè)指標(biāo)下各評(píng)價(jià)樣本屬性值的最大值和最小值。標(biāo)準(zhǔn)化的分析整合后，樣本矩陣x轉(zhuǎn)化為矩陣y＝(yij)n×p，yij∈[0,1]。

其次，確定評(píng)價(jià)指標(biāo)的基本權(quán)重。利用ahp，建立評(píng)價(jià)目標(biāo)層次結(jié)構(gòu)模型、構(gòu)造判斷矩陣、計(jì)算權(quán)重向量并做一致性檢驗(yàn)，得出各個(gè)評(píng)價(jià)指標(biāo)在評(píng)價(jià)目標(biāo)中的層次總排序。

通過(guò)ahp判斷各子評(píng)價(jià)目標(biāo)在總評(píng)價(jià)目標(biāo)中的權(quán)重系數(shù)，并用字母μ表示，μi(i＝1，2，...，n)。再判斷評(píng)價(jià)指標(biāo)對(duì)各子評(píng)價(jià)目標(biāo)的權(quán)重系數(shù)，用字母kij表示，即第i個(gè)子目標(biāo)所屬的第j個(gè)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)。在此基礎(chǔ)上，確定評(píng)價(jià)指標(biāo)對(duì)總評(píng)價(jià)目標(biāo)的權(quán)重系數(shù)，用字母aj表示第j個(gè)評(píng)價(jià)指標(biāo)在總評(píng)價(jià)目標(biāo)中的權(quán)重系數(shù)，用aj＝μi·kij表示。用a表示各評(píng)價(jià)指標(biāo)在總評(píng)價(jià)目標(biāo)中權(quán)重系數(shù)的總集合，則a＝[a1，a2，...，an]；

最后，確定評(píng)價(jià)指標(biāo)的離散程度。利用客觀賦權(quán)的熵值法，進(jìn)一步確定評(píng)價(jià)指標(biāo)的離散程度。具體計(jì)算過(guò)程如下：

設(shè)選取n個(gè)評(píng)價(jià)子目標(biāo)，m個(gè)評(píng)價(jià)指標(biāo)。對(duì)評(píng)價(jià)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

正向評(píng)價(jià)指標(biāo):

負(fù)向評(píng)價(jià)指標(biāo):

式中，xij表示為第i個(gè)評(píng)價(jià)子目標(biāo)的第j個(gè)評(píng)價(jià)指標(biāo)的數(shù)值。i＝1,2…,n；j＝1,2,…,m

利用如下公式，計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

利用如下公式，計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的熵值。

利用如下公式，計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的差異系數(shù)。評(píng)價(jià)指標(biāo)差異值的大小與熵值大小成反比。

dj＝1-ej(11)

利用如下公式，計(jì)算在第i個(gè)子評(píng)價(jià)目標(biāo)中第j項(xiàng)評(píng)價(jià)指標(biāo)的求權(quán)值。

在此基礎(chǔ)上，計(jì)算各評(píng)價(jià)指標(biāo)的綜合得分，確定評(píng)價(jià)指標(biāo)的離散程度。

(b)構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣。

首先，構(gòu)建多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣。

其次，對(duì)構(gòu)建好的多粒度非平衡評(píng)價(jià)語(yǔ)言初始決策矩陣進(jìn)行一致性轉(zhuǎn)換。具體步驟如下：

eik：es(k)→[1-k,k-1]

eik(esα(k))＝α

在上述函數(shù)式中，es(k)表示非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集，即可拓展的連續(xù)性標(biāo)度集，esα(k)表示評(píng)價(jià)語(yǔ)言術(shù)語(yǔ)。

eik–1：[1-k,k-1]→s(k)eik-1(α)＝esα(k)

通過(guò)上述函數(shù)獲得下標(biāo)α所對(duì)應(yīng)的連續(xù)性非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集。

設(shè)es(k1)＝{esα(k1)|α∈[1-k1,k1-1]}和es(k2)＝{esβ(k2)|β∈[1-k2,k2-1]}為任意不同粒度的連續(xù)性非平衡評(píng)價(jià)語(yǔ)言標(biāo)度集，二者間的評(píng)價(jià)粒度轉(zhuǎn)換函數(shù)(egtf)為:

egtfk2k1∶es(k1)[1-k1,k1-1]→es(k2)[1-k2,k2-1](13)

egtfk2k1(s(k1)α)＝ei-1k2[eik1(s(k1)α(k2-1)/k1-1＝esβ(k2)(14)

最后基于上述公式，可將多粒度評(píng)價(jià)語(yǔ)言信息一致化，得到粒度相同的非平衡評(píng)價(jià)矩陣。

(c)結(jié)合市場(chǎng)競(jìng)爭(zhēng)等影響因素對(duì)其進(jìn)行修訂，運(yùn)用歸一化處理確定目標(biāo)最終重要度。構(gòu)建qfd的評(píng)價(jià)方案參數(shù)優(yōu)化的層次模型。具體優(yōu)化過(guò)程如下：

采用矩陣圖解法，建立評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)間的關(guān)系，通過(guò)構(gòu)建評(píng)價(jià)方案的hoq，分析評(píng)價(jià)方案自相關(guān)關(guān)系矩陣、評(píng)價(jià)目標(biāo)自相關(guān)關(guān)系矩陣、評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)關(guān)系矩陣、評(píng)價(jià)方案實(shí)施手段的經(jīng)濟(jì)性、社會(huì)性參數(shù)等模塊內(nèi)容，從市場(chǎng)和用戶需求出發(fā)，完善評(píng)價(jià)參數(shù)和評(píng)價(jià)變量。

在hoq的評(píng)價(jià)方案模塊中，以用戶和市場(chǎng)為導(dǎo)向，從方案的實(shí)現(xiàn)成本、功能質(zhì)量、完成時(shí)間、社會(huì)價(jià)值等影響競(jìng)爭(zhēng)力的因素著手進(jìn)行度量，分別用字母ce1，ce2，ce3…表示。即ce＝[ce1，ce2，ce3…]^t。

在hoq的評(píng)價(jià)目標(biāo)模塊中，從評(píng)價(jià)目標(biāo)的實(shí)現(xiàn)的經(jīng)濟(jì)性、結(jié)構(gòu)性、環(huán)境性、技術(shù)性、功能性等影響競(jìng)爭(zhēng)力的因素著手進(jìn)行度量，分別用字母pe1，pe2，pe3…表示。即pe＝[pe1，pe2，pe3…]^t。

在hoq的評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)關(guān)系矩陣模塊中，二者間的關(guān)系用矩陣的形式表示如下。以諸如0-1-3-5-7-9的數(shù)值序列表示評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)間的關(guān)聯(lián)程度，即表示不相關(guān)—微弱相關(guān)—弱相關(guān)—中等相關(guān)—強(qiáng)相關(guān)—絕對(duì)相關(guān)。并對(duì)其關(guān)聯(lián)程度,進(jìn)行歸一化處理。

式中：r—評(píng)價(jià)方案與評(píng)價(jià)目標(biāo)的相關(guān)關(guān)系；cntm—第i項(xiàng)評(píng)價(jià)方案和第j項(xiàng)評(píng)價(jià)目標(biāo)之間的相關(guān)關(guān)系程度。

在hoq的評(píng)價(jià)目標(biāo)自相關(guān)關(guān)系矩陣模塊中，用英文字母es表示評(píng)價(jià)目標(biāo)的自相關(guān)關(guān)系。具體表示如下。

式中:es—評(píng)價(jià)目標(biāo)中各參數(shù)間的自相關(guān)關(guān)系；esij—第i個(gè)評(píng)價(jià)目標(biāo)參數(shù)與第j個(gè)評(píng)價(jià)目標(biāo)參數(shù)間的相關(guān)關(guān)系。

在hoq的評(píng)價(jià)方案實(shí)施手段的經(jīng)濟(jì)性、社會(huì)性參數(shù)等模塊中，利用如下公式，對(duì)方案的市場(chǎng)競(jìng)爭(zhēng)性、技術(shù)競(jìng)爭(zhēng)性等經(jīng)濟(jì)性、社會(huì)性參數(shù)進(jìn)行評(píng)估。

c＝mt(19)

式中：m—市場(chǎng)競(jìng)爭(zhēng)性；t—技術(shù)競(jìng)爭(zhēng)性；c—綜合競(jìng)爭(zhēng)性。

步驟四、對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意評(píng)價(jià)的沖突進(jìn)行消解。

利用pareto第二代的加強(qiáng)進(jìn)化算法strengthparetoevolutionaryalgorithm2spea2求解沖突模型，以用戶的偏好為引導(dǎo)因子，解決評(píng)價(jià)中每個(gè)參與者的評(píng)價(jià)差異性沖突，獲得最優(yōu)解集。具體過(guò)程如下：

首先，構(gòu)建一個(gè)多個(gè)目標(biāo)、多個(gè)變量的評(píng)價(jià)模型。

xi∈{0,1},i＝1,…,n

其中

其次，對(duì)pareto第二代的加強(qiáng)進(jìn)化算法參數(shù)進(jìn)行初始化。產(chǎn)生初始大小為n的種群w0和外部群體k0，同時(shí)對(duì)該算法的初始的進(jìn)化代數(shù)設(shè)為t＝0，將交叉概率和變異概率分別設(shè)定為pc和pm，對(duì)多目標(biāo)的創(chuàng)意設(shè)計(jì)評(píng)價(jià)采用二進(jìn)制編碼，即0-1編碼進(jìn)行編碼。

在此基礎(chǔ)上對(duì)其進(jìn)行適應(yīng)度計(jì)算。結(jié)合目標(biāo)函數(shù)maxz1、maxzn計(jì)算種群的適應(yīng)度。根據(jù)pareto支配的定義，構(gòu)造內(nèi)部種群支配解集，進(jìn)行外部種群k0管理和全局最優(yōu)值更新，達(dá)到最大循環(huán)代數(shù)，輸出外部種群k0，獲得pareto最優(yōu)解集；用滿意度函數(shù)表示設(shè)計(jì)者對(duì)于自身多個(gè)設(shè)計(jì)目標(biāo)是否達(dá)到最優(yōu)化的滿意程度，其計(jì)算方法如下。

最后，利用基于模糊集的滿意度排序方法計(jì)算出最優(yōu)解。構(gòu)建最優(yōu)方案的滿意度函數(shù)：

獲取最大隸屬度函數(shù)值的有效解作為協(xié)同設(shè)計(jì)的最佳方案，將非線性多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為基于協(xié)商的單目標(biāo)優(yōu)化問(wèn)題，即：

maxs；

s.t.a∈qi,i＝1,2,…,n,k＝1,2,…,m.(23)。

應(yīng)用實(shí)施例：

以面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)意設(shè)計(jì)的產(chǎn)品方案評(píng)價(jià)(船舶——游艇)為例。

建立面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的多目標(biāo)創(chuàng)新設(shè)計(jì)的評(píng)價(jià)目標(biāo)體系，以船舶——游艇為例。確定用于評(píng)價(jià)游艇的3個(gè)評(píng)價(jià)目標(biāo)，即環(huán)境性、經(jīng)濟(jì)性、功能性和社會(huì)性。這幾個(gè)評(píng)價(jià)目標(biāo)中還包括多個(gè)子評(píng)價(jià)目標(biāo)。

建立面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的船舶——游艇的多目標(biāo)創(chuàng)新設(shè)計(jì)的評(píng)價(jià)目標(biāo)體系。

生成面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的船舶——游艇的創(chuàng)新設(shè)計(jì)方案。

對(duì)面向工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)的船舶——游艇的創(chuàng)新設(shè)計(jì)方案進(jìn)行初步評(píng)價(jià)。結(jié)合ahp主觀賦權(quán)與熵值法客觀賦權(quán)。

首先，結(jié)合ahp主觀賦權(quán)。檢驗(yàn)以上矩陣的一致性。cr1＝0.084＜0.1,cr2＝0.052＜0.1,cr3＝0.061＜0.1,cr4＝0.098＜0.1,矩陣通過(guò)一致性檢驗(yàn)。

其次，熵值法客觀賦權(quán)。利用excel構(gòu)建游艇評(píng)價(jià)目標(biāo)和設(shè)計(jì)方案的決策矩陣。

利用發(fā)明內(nèi)容中的公式，算出游艇評(píng)價(jià)指標(biāo)的熵值ej，評(píng)價(jià)指標(biāo)的差異系數(shù)dj以及評(píng)價(jià)指標(biāo)的求權(quán)值wj。

構(gòu)建游艇的多粒度非平衡評(píng)價(jià)語(yǔ)言初始信息表。本案例采用的多粒度非平衡的語(yǔ)言評(píng)估標(biāo)度是：

選取三位專家代表分別采取s⁽⁴⁾，s⁽³⁾，s⁽⁴⁾標(biāo)度對(duì)游艇方案的環(huán)境性、經(jīng)濟(jì)性、功能性、社會(huì)性這四個(gè)評(píng)價(jià)目標(biāo)的權(quán)重進(jìn)行判斷。

將多粒度信息利用相關(guān)公式進(jìn)行一致化轉(zhuǎn)換處理后，得到粒度一直的語(yǔ)言信息評(píng)價(jià)信息表。

結(jié)合市場(chǎng)競(jìng)爭(zhēng)等影響因素對(duì)其進(jìn)行修訂。構(gòu)建qfd的游艇評(píng)價(jià)方案參數(shù)優(yōu)化的層次模型。質(zhì)量屋中包含環(huán)境性(c)，經(jīng)濟(jì)性(e)，功能性(f)，社會(huì)性(s)這四個(gè)評(píng)價(jià)目標(biāo)，其中c1代表環(huán)境性目標(biāo)中的低污染物排放，c2代表環(huán)境性目標(biāo)中的低能源消耗，c3代表環(huán)境性目標(biāo)中低噪音水平；e1代表經(jīng)濟(jì)性目標(biāo)中的低運(yùn)營(yíng)成本，e2代表經(jīng)濟(jì)性目標(biāo)中的高收益性，e3代表經(jīng)濟(jì)性目標(biāo)中的綠色循環(huán)利用；f1代表功能性目標(biāo)中的舒適性，f2代表功能性目標(biāo)中的安全性，f3代表功能性目標(biāo)中的娛樂(lè)性；s1代表社會(huì)性目標(biāo)中的公眾健康，s2代表社會(huì)性目標(biāo)中的可承受性，s3代表社會(huì)性目標(biāo)中的用戶體驗(yàn)滿意度這一方面。ec1～ec9代表游艇的不同方案，由于篇幅有限，本實(shí)施例列舉9個(gè)典型的游艇案例進(jìn)行分析。

從設(shè)計(jì)師、普通用戶、制造商、銷售商、管理者中選出5個(gè)代表評(píng)價(jià)者，站在不同的立場(chǎng)對(duì)游艇的評(píng)價(jià)目標(biāo)與創(chuàng)新設(shè)計(jì)方案進(jìn)行評(píng)分，并利用hoq綜合考慮市場(chǎng)、經(jīng)濟(jì)因素。

評(píng)價(jià)目標(biāo)和方案的關(guān)系矩陣r，評(píng)價(jià)目標(biāo)的自相關(guān)關(guān)系矩陣p，權(quán)重w矩陣分別為如下所示。

用pareto第二代的加強(qiáng)進(jìn)化算法，對(duì)滿足評(píng)價(jià)目標(biāo)的游艇創(chuàng)新設(shè)計(jì)方案進(jìn)行優(yōu)選。得出最優(yōu)解。

游艇方案優(yōu)選的pareto最優(yōu)解。