随着数字化仪控技术的不断发展,以数字化人机界面为主的操作方式在工业控制系统领域得到广泛应用.数字化人机界面作为实现控制的重要载体和媒介,在市场竞争加剧、产品生命周期日益缩短的环境下,其方案设计过程中用户的感性需求愈来愈受到设计者和企业的重视.
感性意象是工业设计中的一种重要研究方法,可以作为衡量用户感知某个产品、反映其自身需求渴望和心理评判的标准[1, 2].国内外学者对产品意象设计进行了大量的研究,主要集中在对用户的单一目标意象需求,然而现实中用户的意象认知往往是复杂的、多义的,很多情况下期望得到符合多个感性意象需求的产品.因此,近年,多目标意象设计正在成为工业设计领域的研究热点,文献[3, 4, 5, 6] 为满足消费者对产品造型的多意象需求,结合遗传算法、支持向量机等对产品多意象造型的进化设计方面进行了较为深入的研究.
然而,当前对如何进行多目标意象设计决策的研究并不多,不利于产品多意象创新设计的进一步开展.文献[7]和文献[8]对产品色彩方案的多意象决策分别采用灰色关联分析方法和模糊层次分析法进行了尝试；逼近理想点排序法(TOPSIS)具有对原始数据利用比较充分、误差小、可靠性高等特点,广泛地应用于产品造型设计[9]、制造系统[10]等多属性方案决策领域.本文依托于某新型远程操控清障车的数字化人机界面设计,提出采用模糊TOPSIS法(F-TOPSIS)解决其设计过程中面对的多目标意象设计决策问题.
1 F-TOPSIS方法传统TOPSIS方法仅能处理评价指标值为定量值的情况,针对数字化人机界面的多目标感性意象为无法量化的语言变量,本文在TOPSIS方法中引入模糊理论，利用变换标度将语言变量转换为三角模糊数,将定性指标量化,结合决策者给定的多目标意象权重,通过模糊TOPSIS(F-TOPSIS)方法获得数字化人机界面多目标意象最终的方案排序.
1.1 三角模糊数模糊理论是在L.A.Zadeh创立的模糊集合理论的数学基础上发展起来的一种处理模糊和不确定性知识的数学工具,其中三角模糊数由于概念和计算简单,在实际中被广泛应用[11].本文中应用三角模糊数表示各目标意象间的判断比较,其定义为 a=(a1,a2,a3),如图 1所示.
|
| 图 1 三角模糊数a Fig. 1 The triangular fuzzy number a |
其隶属函数表示为
| ${{\mu }_{a}}=\left\{ \begin{array}{*{35}{l}} 0, & x\le {{a}_{1}}, \\ \frac{x-{{a}_{1}}}{{{a}_{2}}-{{a}_{1}}}, & {{a}_{1}}＜x\le {{a}_{2}}, \\ \frac{{{a}_{3}}-x}{{{a}_{3}}-{{a}_{2}}}, & {{a}_{2}}＜x\le {{a}_{3}}, \\ 0, & x\ge {{a}_{3}}, \\ \end{array} \right.$ | (1) |
选取1-3-5-7-9比例标度将语言变量转换为指标与方案的三角模糊数评级.表 1显示了语言变量对应的方案与模糊意象模糊评级.
| 方案语言变量 | 目标意象语言变量 | 模糊评级 |
| 很差 | 很低 | (1,1,3) |
| 差 | 低 | (1,3,5) |
| 一般 | 中等 | (3,5,7) |
| 好 | 高 | (5,7,9) |
| 很好 | 很高 | (7,9,9) |
TOPSIS是系统工程中常用的决策技术,用于对有限方案进行多目标多属性的决策分析.其基本思想是对原始数据矩阵进行归一化处理的基础上进行计算,得出待评价方案与正理想解和负理想解的距离,以最靠近正理想解和远离负理想解为最满意的方案,从而实现方案的优选[12].模糊TOPSIS方法(F-TOPSIS)是将针对属性和方案的模糊评价与TOPSIS方法相结合,从而对评价对象进行相对优劣的客观评价.其过程如下所述.
步骤1: 给出相关指标与方案的评价集合.
假设有J个备选方案所组成的方案集S= {S1,S2,…,Sj} ；有M个评价属性所组成的评价指标集F= {F1,F2,…,Fm} ,属性权重为Wi (i=1,2,…,m) ;有K名决策者所组成的决策者集G= {G1,G2,…,Gk} .每位决策者对每个方案Sj(j=1,2,…,n)关于属性Fi(i=1,2,…,m)构建的决策矩阵由 Rk=xijk(i=1,2,…,m；j=1,2,…,n；k=1,2,…,K)表示.
步骤2: 计算指标与方案的集结模糊评级.
如果所有决策者的模糊评级用三角模糊数表示,R= {ak,bk,…,ck} (k=1,2,…,K),则集结模糊评级为 R = {a,b,…,c },其中,a=min {ak} ,b=min $\left\{ \frac{1}{k}\sum\limits_{k-1}^{k}{{{b}_{k}}} \right\}$ ,c=max {ck} .
若第k名决策者的模糊评级与权重依次为xijk= (aijk,bijk,cijk )(i=1,2,…,m；j=1,2,…,n),则各方案的集结模糊评级为
| $\left. \begin{array}{*{35}{l}} {{x}_{ijk}}=\left( {{a}_{ijk}},{{b}_{ijk}},{{c}_{ijk}} \right);{{a}_{ij}}=\min \left\{ {{a}_{ijk}} \right\} \\ {{b}_{ij}}=\frac{1}{k}\sum\limits_{k-1}^{1}{{{b}_{ijk}},{{c}_{ij}}=\max \left\{ {{c}_{ijk}} \right\}.} \\ \end{array} \right]$ | (2) |
步骤3: 计算模糊决策矩阵.
由方案集E与指标集W构建模糊决策矩阵，
| $\begin{align} & \begin{array}{*{35}{l}} {} & {} & {{F}_{1}} & {{F}_{2}} & \cdots & {{F}_{3}} \\ \end{array} \\ & E=\begin{array}{*{35}{l}} {{S}_{1}} \\ {{S}_{2}} \\ \vdots \\ {{S}_{j}} \\ \end{array}\left| \begin{array}{*{35}{l}} {{x}_{11}} & {{x}_{12}} & \cdots & {{x}_{1n}} \\ {{x}_{21}} & {{x}_{22}} & \cdots & {{x}_{2n}} \\ \vdots & \vdots & {} & \vdots \\ {{x}_{m1}} & {{x}_{m2}} & \cdots & {{x}_{mn}} \\ \end{array} \right| \\ & \left( i=1,2\cdots ,m;j=1,2\cdots ,n \right) \\ \end{align}$ | (3) |
| $W=\left( {{\omega }_{1}},{{\omega }_{2}},\cdots {{\omega }_{m}} \right).$ | (4) |
步骤4： 计算准化模糊决策矩阵.
标准化模糊决策矩阵为
| $R=\left[ \overline{{{r}_{ij}}} \right]\left( i=1,2\cdots ,m;j=1,2\cdots ,n \right),$ | (5) |
| $\overline{{{r}_{ij}}}=\left( \frac{{{a}_{ij}}}{c_{j}^{+}},\frac{{{b}_{ij}}}{c_{j}^{+}},\frac{{{c}_{ij}}}{c_{j}^{+}} \right),c_{j}^{+}=\max \left( {{c}_{ij}} \right),c_{j}^{+}为正指标.$ | (6) |
| $\overline{{{r}_{ij}}}=\left( \frac{a_{j}^{+}}{{{a}_{ij}}},\frac{a_{j}^{+}}{{{b}_{ij}}},\frac{a_{j}^{+}}{{{c}_{ij}}} \right),a_{j}^{+}=\max \left( {{a}_{ij}} \right),a_{j}^{+}为负指标.$ | (7) |
步骤5： 计算加权标准化模糊决策矩阵.
加权标准化模糊决策矩阵为
| $\begin{align} & Z={{\left[ \overline{{{z}_{ij}}} \right]}_{m\times n}}\left( i=1,2\cdots ,m;j=1,2\cdots ,n \right), \\ & \overline{{{z}_{ij}}}=\overline{{{r}_{ij}}}\left( \cdot \right)\overline{{{\omega }_{j}}}. \\ \end{align}$ | (8) |
步骤6： 计算模糊最优解与最劣解.
模糊最优解P+与模糊最劣解P-分别为：
| ${{P}^{+}}=\overline{z_{1}^{-}},\overline{z_{2}^{-}},\cdots ,\overline{z_{n}^{-}},\overline{z_{j}^{-}}=\min \left\{ {{z}_{ij1}} \right\}\left( i=1,2\cdots ,m;j=1,2\cdots ,n \right).$ | (9) |
| $$ | (10) |
步骤7： 计算方案到最优解与最劣解的距离.
每个备选设计方案即备选解,与最优解、最差解之间的距离计算公式分别为:
| $d_{i}^{+}=\sum\limits_{j=1}^{n}{{{d}_{\text{v}}}\left( \overline{{{z}_{ij}}},\overline{z_{j}^{+}} \right)}\left( i=1,2\cdots ,m \right),$ | (11) |
| $d_{i}^{-}=\sum\limits_{j=1}^{n}{{{d}_{\text{v}}}\left( \overline{{{z}_{ij}}},\overline{z_{j}^{-}} \right)}\left( i=1,2\cdots ,m \right),$ | (12) |
式中,${{d}_{\text{v}}}\left( a,b \right)=\overline{\left){\frac{1}{3}\sum\limits_{i=1}^{3}{{{\left( {{a}_{i}}-{{b}_{i}} \right)}^{2}}}}\right.}$表示2个三角模糊数a与b之间的距离.
步骤8： 计算每一个备选方案与理想解的相对贴近度.
求出各个备选解与理想解的相对贴近度作为最终的评判标准.
| ${{C}_{i}}=\frac{d_{i}^{-}}{d_{i}^{+}+d_{i}^{-}}\left( i=1,2\cdots ,m \right).$ | (13) |
步骤9： 排列待选方案.
依据贴近度递减顺序对备选方案进行排列,排在第1位的方案是距离最优解最近、距离最劣解最远的最佳方案.
2 数字化人机界面的感性意象分析目前正在研发的某新型远程操控清障车是一款无人驾驶、纯电动、通过远程手持式控制终端进行操作控制的特殊工程车辆,通过应用线控转向技术、无线通信技术实现对车辆的远距离遥控操作,主要应用工程抢险、抗震救灾等作业,尤其是在人员面临生命安全的危险环境下清除障碍.其中,触摸显示屏是该系统的核心单元,构成典型的复杂数字化人机界面,用于车辆所有运行数据的数字化显示,包括运行状态、不同单元的电池组电量、转速仪表、车辆前后灯状态、报警、车端动作状态及故障远程恢复等信息，如图 2所示.
|
| 图 2 数字化人机界面设计图 Fig. 2 Conceptual design of digital human-machine interface |
产品的感性意象是指用户通过自身的感官对产品所产生的直觉联想,一般使用形容词加以描述.由于数字化人机界面本身内容的复杂程度不同,界面元素间相互作用、影响明显,其感性意象受到“平衡性”、“比例性”、“简洁性”和“呼应性”等多方面的约束[13, 14, 15],通过访谈、调查、查阅资料等方法搜集了75个描述数字化人机界面的形容词,采用KJ法[16]将其归纳为22个.选择典型的6款数字化人机界面作为调查样本,采用语义差异法(SD)[17, 18]制成七点尺度评估量表进行问卷调查,邀请50个受测人员(设计师为20名,操作者为15名,技术开发人员为8名,企业管理者为7名)进行调查,确定各感性意象词汇评价值.使用因子分析法输入SPSS统计软件中,并采用主成分分析法(PCA)和最大方差旋转因子来分析结果,取特征值大于1的4个因子,其累积可解释的总方差为95.540%,如表 2示.
| 因子 | 初始特征值 | 旋转平方和载入 | ||||
| 总计 | 方差/% | 累积/% | 总计 | 方差/% | 累积/% | |
| 1 | 15.545 | 48.577 | 48.577 | 13.574 | 42.418 | 42.418 |
| 2 | 9.463 | 29.571 | 78.148 | 10.565 | 33.014 | 75.433 |
| 3 | 3.567 | 11.148 | 89.296 | 3.983 | 12.445 | 87.878 |
| 4 | 1.998 | 6.244 | 95.540 | 1.944 | 6.074 | 93.9521 |
由因子分析结果得知,数字化人机界面设计的感性意象可由4个因素所解释,每个因素都有其代表的涵义.为了更进一步选出具代表性的感性语汇,并了解各感性语汇间之相似性,将各语汇对的因子负荷量再进行系统聚类分析,从而将22个感性语汇归入4个大组内,最终确定感性意象依次为“创新的”、“易读的”、“精密的”和“科技感”.本文将围绕这些感性意象展开对数字化人机界面的多目标意象设计决策研究.
3 基于F-TOPSIS的多目标意象决策应用F-TOPSIS对数字化人机界面在多目标意象条件下进行优选,具体过程如下所述.
3.1 构建模糊决策矩阵构建数字化人机界面意象与方案的评价集合.在本文中,远程控制清障车数字化人机界面的10个样本来源于该领域多位专业设计师提供的设计概念方案,从而组成方案集S= {S1,S2,…,S10} ；4个目标意象组成的评价指标集F= {F1,F2,F3,F4} ；50位参与者组成的决策者集G= {G1,G2,…,G50} ；每位决策者对每个方案Sj(j=1,2,…,10)关于属性Fi(i=1,2,3,4)构建的决策矩阵由 Pk= ijk(i=1,2,…,10；j=1,2,3,4；k=1,2,…,50)表示.
依据表 1中语言变量对应的模糊评级,50位决策者对10个方案S1,S2,…,S10进行评价.语言变量被转化为三角模糊数并且依据式(2)获得50位决策者的整体评价.评价指标与方案的集结模糊权重如表 3所示.
| 方案 | 目标意象 | |||
| 创新的 | 易读的 | 精密的 | 科技感 | |
| S1 | (1,4.6,9) | (1,3,9) | (1,6.16,9) | (3,5,9) |
| S2 | (1,5.62,9) | (1,5.84,9) | (3,4.6,9) | (1,4.6,9) |
| S3 | (1,4.25,9) | (3,5,9) | (1,4.08,7) | (1,2.52,5) |
| S4 | (1,5,9) | (1,5.28,9) | (1,5.76,9) | (3,6.64,9) |
| S5 | (1,4.08,7) | (1,4.6,9) | (3,6.28,9) | (1,3.6,7) |
| S6 | (5,5.62,9) | (1,6.2,9) | (1,3,9) | (1,5,9) |
| S7 | (1,3.6,7) | (3,6.96,9) | (1,2.7,5) | (1,6.2,9) |
| S8 | (1,4.6,9) | (1,5,9) | (5,5.62,9) | (3,7.28,9) |
| S9 | (1,4.08,7) | (1,4.6,9) | (3,4.6,9) | (1,6,9) |
| S10 | (1,4.44,7) | (1,2.7,7) | (1,7,9) | (3,6.28,9) |
根据公式(5)、(6)、(7)计算标准化模糊决策矩阵,如表 4所示.
| 方案 | 目标意象 | |||
| 创新的 | 易读的 | 精密的 | 科技感 | |
| S1 | (0.11,0.51,1) | (0.11,0.33,1) | (0.11,0.68,1) | (0.33,0.56,1) |
| S2 | (0.11,0.62,1) | (0.11,0.65,1) | (0.33,0.51,1) | (0.11,0.51,1) |
| S3 | (0.11,0.47,1) | (0.33,0.56,1) | (0.14,0.58,1) | (0.20,0.50,1) |
| S4 | (0.11,0.56,1) | (0.11,0.59,1) | (0.11,0.64,1) | (0.33,0.74,1) |
| S5 | (0.14,0.58,1) | (0.11,0.51,1) | (0.33,0.70,1) | (0.14,0.51,1) |
| S6 | (0.56,0.62,1) | (0.11,0.69,1) | (0.11,0.33,1) | (0.11,0.56,1) |
| S7 | (0.14,0.51,1) | (0.33,0.77,1) | (0.20,0.54,1) | (0.11,0.69,1) |
| S8 | (0.11,0.51,1) | (0.11,0.56,1) | (0.56,0.62,1) | (0.33,0.81,1) |
| S9 | (0.14,0.58,1) | (0.11,0.51,1) | (0.33,0.51,1) | (0.11,0.67,1) |
| S10 | (0.14,0.63,1) | (0.14,0.39,1) | (0.11,0.78,1) | (0.33,0.70,1) |
在此假定决策者需要一款“中等-创新的”、“高-易读的”、 “高-精密的”、“很高-科技感” 等多目标意象条件下的数字化人机界面,结合表 1中“目标意象语言变量”对应的“模糊评级”,多目标意象权重为W=[(3,5,7) ,(5,7,9) ,(5,7,9) ,(7,9,9)],根据公式(8)、(9)、(10)计算加权标准化模糊决策矩阵和模糊最优解与最劣解,可计算得到结果如表 5所示.
| 方案 | 目标意象 | |||
| 创新的 | 易读的 | 精密的 | 科技感 | |
| S1 | (0.33,2.55,7) | (0.55,2.31,9) | (0.55,4.76,9) | (2.31,5.04,9) |
| S2 | (0.33,3.10,7) | (0.55,4.55,9) | (1.65,3.57,9) | (0.77,4.59,9) |
| S3 | (0.33,2.35,7) | (1.65,3.92,9) | (0.70,4.06,9) | (1.40,4.50,9) |
| S4 | (0.33,2.80,7) | (0.55,4.13,9) | (0.55,4.48,9) | (2.31,6.66,9) |
| S5 | (0.42,2.90,7) | (0.55,3.57,9) | (1.65,4.90,9) | (0.98,4.59,9) |
| S6 | (1.68,3.10,7) | (0.55,4.83,9) | (0.55,2.31,9) | (0.77,5.04,9) |
| S7 | (0.42,2.55,7) | (1.65,5.39,9) | (1.00,3.78,9) | (0.77,6.21,9) |
| S8 | (0.33,2.55,7) | (0.55,3.92,9) | (2.80,4.34,9) | (2.31,7.29,9) |
| S9 | (0.42,2.90,7) | (0.55,3.57,9) | (1.65,3.57,9) | (0.77,6.03,9) |
| S10 | (0.42,3.15,7) | (0.70,2.73,9) | (0.55,5.46,9) | (2.31,6.30,9) |
| P+ | 7 | 9 | 9 | 9 |
| P- | 0.33 | 0.55 | 0.55 | 0.77 |
根据公式(11)、(12)、(13)计算方案到最优解与最劣解的距离及其相对贴近度,如表 6和表 7所示.
| 方案 | dv(Si,P+) | dv(Si,P-) | ||||||
| 创新的 | 易读的 | 精密的 | 科技感 | 创新的 | 易读的 | 精密的 | 科技感 | |
| S1 | 4.771 1 | 6.222 5 | 5.458 3 | 4.488 4 | 4.058 6 | 4.983 3 | 5.450 6 | 5.426 4 |
| S2 | 4.607 9 | 5.513 8 | 5.276 0 | 5.390 8 | 4.169 8 | 5.397 6 | 5.219 6 | 5.238 5 |
| S3 | 4.834 3 | 5.158 5 | 5.576 5 | 5.099 3 | 4.023 7 | 5.290 5 | 5.283 5 | 5.229 5 |
| S4 | 4.695 0 | 5.630 9 | 5.532 7 | 4.091 9 | 4.106 5 | 5.298 4 | 5.380 4 | 5.910 3 |
| S5 | 4.622 6 | 5.799 1 | 4.859 1 | 5.284 2 | 4.127 2 | 5.180 8 | 5.523 7 | 5.239 9 |
| S6 | 3.979 6 | 5.440 3 | 6.222 5 | 5.273 0 | 4.242 0 | 5.468 7 | 4.983 3 | 5.353 1 |
| S7 | 4.729 3 | 4.727 7 | 5.515 1 | 5.017 2 | 4.059 0 | 5.658 0 | 5.229 3 | 5.695 8 |
| S8 | 4.771 1 | 5.692 4 | 4.477 9 | 3.986 7 | 4.058 6 | 5.252 3 | 5.502 4 | 6.126 9 |
| S9 | 4.622 6 | 5.799 1 | 5.276 0 | 5.051 5 | 4.127 2 | 5.180 8 | 5.219 6 | 5.639 2 |
| S10 | 4.550 4 | 6.005 6 | 5.289 4 | 4.165 2 | 4.181 3 | 5.039 1 | 5.642 4 | 5.793 3 |
| 方案 | di+ | di- | Ci |
| S1 | 20.940 4 | 19.918 9 | 0.487 5 |
| S2 | 20.788 4 | 20.025 5 | 0.490 7 |
| S3 | 20.668 7 | 19.827 2 | 0.489 6 |
| S4 | 19.950 5 | 20.695 7 | 0.509 2 |
| S5 | 20.565 0 | 20.071 7 | 0.493 9 |
| S6 | 20.915 5 | 20.047 1 | 0.489 4 |
| S7 | 19.989 3 | 20.642 1 | 0.508 0 |
| S8 | 18.928 1 | 20.940 2 | 0.525 2 |
| S9 | 20.749 2 | 20.166 8 | 0.492 9 |
| S10 | 20.010 7 | 20.656 1 | 0.507 9 |
最后排列待选方案.依据表 7得出10个数字化人机界面设计方案的最终优先级排序依次为S8，S4，S7，S10，S5，S9，S2，S3，S6，S1,实现了多目标意象特定要求下的方案决策.
4 结 论如何有效匹配用户对产品的多意象需求是产品开发过程中设计师面对的重要任务.本文针对如何有效地进行多目标意象决策,结合某新型远程操控清障车数字化人机界面设计,运用因子分析方法获取了用户对典型样本的4类感性意象,并基于F-TOPSIS解决方案选择过程中面对的复杂性与主观性问题,获得了决策者多目标意象特定需求下优选方案,为设计师开展多目标意象决策提供了一种新的解决方法,同时该方法适用于其他功能较为复杂的产品多意象设计决策.
| [1] |
罗仕鉴,潘云鹤.产品设计中的感性意象理论、技术与应用研究进展[J].机械工程学报,2007,43(3):8-13. LUO Shi-jian,PAN Yun-he.Review of theory,key technologies and its application of perceptual image in product design[J].Chinese Journal of Mechanical Engineering,2007,43(3):8-13. |
| Click to display the text | |
| [2] | NAGAMACHI M.Kansei engineering:a new ergonomic consumer-oriented technology for product development[J].International Journal of Industrial Ergonomics,1995,15(1):3-11. |
| Click to display the text | |
| [3] |
苏建宁,张秦玮,吴江华,等.产品多意象造型进化设计[J].计算机集成制造系统,2014,11(11):2675-2682. SU Jian-ning,ZHANG Qin-wei,WU Jiang-hua,et al.Evolutionary design of product multi-image styling[J].Computer Integrated Manufacturing Systems,2014,11(11):2675-2682. |
| Click to display the text | |
| [4] | FUNG K,KWONG C,SIU K W,et al.A multi-objective genetic algorithm approach to rule mining for affective product design[J].Expert Systems with Applications,2012,39(8):7411-7419. |
| Click to display the text | |
| [5] | YANG C C.Constructing a hybrid kansei engineering system based on multiple affective responses:application to product form design[J].Computers & Industrial Engineering,2011,60(4):760-768. |
| Click to display the text | |
| [6] | JIANG H,KWONG C,LIU Y,et al.A methodology of integrating affective design with defining engineering specifications for product design[J].International Journal of Production Research,2015,53(8):2472-2488. |
| Click to display the text | |
| [7] |
孙志学.基于灰色关联分析的产品色彩方案多意象优选[J].机械设计,2015,32(1):120-122. SUN Zhi-xue.Multiple image selection of product color schemes based on grey relational analysis[J].Journal of Machine Design,2015,32(1):120-122. |
| Click to display the text | |
| [8] |
李永锋,朱丽萍.基于模糊层次分析法的产品配色设计[J].机械科学与技术,2012,31(12):2028-2033. LI Yong-feng,ZHU Li-ping.Product color design based on fuzzy analytic hierarchy process[J].Mechanical Science and Technology for Aerospace Engineering,2012,31(12):2028-2033. |
| Click to display the text | |
| [9] |
张芳兰,杨明朗,刘卫东.基于模糊TOPSIS方法的汽车形态设计方案评价[J].计算机集成制造系统,2014,20(2):276-283. ZHANG Fang-lan,YANG Ming-lang,LIU Wei-dong.Evaluation of automobile form design based on fuzzy TOPSIS[J].Computer Integrated Manufacturing Systems,2014,20(2):276-283. |
| Click to display the text | |
| [10] |
卢青波,张学良,温淑花,等.基于差异演化算法和多属性决策的机电系统可靠性多目标优化设计[J].工程设计学报,2011,18(6):412-417. LU Qing-bo,ZHANG Xue-liang,WEN Shu-hua,et al.Mechanical electronics system reliability multi-objective optimization design based on differential evolution algorithm and multiple attribute decision making[J].Chinese Journal of Engineering Design,2011,18(6):412-417. |
| Click to display the text | |
| [11] |
巩在武.不确定模糊判断矩阵原理、方法与应用[M].北京:科学出版社,2011:37-60. GONG Zai-wu.Principle,method and application of uncertain fuzzy judgment matrix[M].Beijing:Science Press,2011:37-60. |
| [12] |
夏勇其,吴祈宗.一种混合型多属性决策问题的TOPSIS方法[J].系统工程学报,2004,19(6):630-634. XIA Yong-qi,WU Qi-zong.A technique of order preference by similarity to ideal solution for hybrid multiple attribute decision making problems[J].Journal of Systems Engineering,2004,19(6):630-634. |
| Click to display the text | |
| [13] |
周蕾,薛澄岐,汤文成,等.界面元素布局设计的美度评价方法[J].计算机辅助设计与图形学学报,2013,25(5):758-766. ZHOU Lei,XUE Cheng-qi,TANG Weng-cheng,et al.Aesthetic evaluation method of interface elements layout design [J].Journal of Computer Aided Design and Computer Graphics,2013,25(5):758-766. |
| Click to display the text | |
| [14] |
袁培飒,陈锐,林涛,等.基于遗传算法和神经网络的软件界面美感建模[J].四川大学学报(自然科学版),2015,52(2):269-274. YUAN Pei-sa,CHEN Rui,LIN Tao,et al.A new software interface aesthetics model based on genetic algorithm and neural network[J].Journal of Sichuan University (Natural Science Edition),2015,52(2):269-274. |
| Click to display the text | |
| [15] |
张娜,王家民,杨延璞.人机界面形态元素布局设计美度意象的评价方法[J].机械科学与技术,2015,34(10):1594-1598. ZHANG Na,WANG Jia-min,YANG Yan-pu.Evaluation method of aesthetic image for man-machine interface form elements layout design[J].Mechanical Science and Technology for Aerospace Engineering,2015,34(10):1594-1598. |
| Click to display the text | |
| [16] | MENG D S,WANG J H,YANG C C.Affective response dimension selection for product design:a comparison of cluster analysis and Procrustes analysis[J].International Journal of Digital Content Technology & Its Applications,2011,5(1):305-318. |
| Click to display the text | |
| [17] | SHANG H H,MING C C,CHANG C C.A semantic differential study of designers' and users' product form perception[J].International Journal of Industrial Ergonomics,2000,25(4):375-391. |
| Click to display the text | |
| [18] |
林丽,阳明庆,张超,等.产品情感研究及情感测量的关键技术[J].图学学报,2013,34(1):122-127. LIN Li,YANG Ming-qing,ZHANG Chao,et al.The product emotion and key technologies for emotional measurement[J].Journal of Graphics,2013,34(1):122-127. |
| Click to display the text |