Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/15471
Title: Εφαρμογή γενετικών αλγορίθμων για την αισθητική βελτιστοποίηση αναλογιών επιφανειών προϊόντων
Other Titles: Application of genetic algorithms for aesthetic optimization of product surface analogies
Authors: Νικολοπούλου, Τίτα - Κωνσταντίνα
Keywords: Αισθητικός σχεδιασμός
Γενετικοί αλγόριθμοι
Βελτιστοποίηση
Αναλογίες
Keywords (translated): Aesthetic design
Genetic algorithms
Optimization
Analogies
Abstract: Η παρούσα εργασία ως στόχο έχει τη διερεύνηση και ανάπτυξη ενός συστηματικού τρόπου αξιολόγησης εναλλακτικών σχεδιαστικών λύσεων κατά τη διαδικασία του σχεδιασμού. Η προτεινόμενη μέθοδος βασίζεται στην βελτιστοποίηση μέσω της χρήσης γενετικών αλγορίθμων και εφαρμόζεται στο πεδίο του αισθητικού σχεδιασμού. Το πρόβλημα που καλείται να επιλύσει αφορά την αισθητική βελτιστοποίηση και διαρθρώνεται σε τρία επιμέρους υποπροβλήματα: το υποπρόβλημα της δισδιάστατης αισθητικής βελτιστοποίησης, δηλαδή τη μέγιστη κατά το δυνατόν συμμόρφωση των αναλογιών μίας επιφάνειας στον αισθητικό κανόνα της Χρυσής Τομής, το υποπρόβλημα της τρισδιάστατης αισθητικής βελτιστοποίησης, όπου ορίζεται ως η μέγιστη κατά το δυνατόν παράλληλη συμμόρφωση των αναλογιών τριών επιφανειών ενός προϊόντος στον αισθητικό κανόνα της Χρυσής Τομής, και τέλος το υποπρόβλημα της πολυκριτηριακής τρισδιάστατης αισθητικής βελτιστοποίησης, όπου το ζητούμενο της τρισδιάστατης αισθητικής βελτιστοποίησης όπως ορίστηκε ακριβώς παραπάνω, διευρύνεται έτσι ώστε να συμπεριληφθεί η μεγιστοποίηση της στιβαρότητας και η ελαχιστοποίηση της μάζας του προς σχεδιασμό προϊόντος. Η αξιολόγηση της μεθόδου με τη χρήση γενετικών αλγορίθμων προκύπτει συγκριτικά με την εφαρμογή και ανάλυση της αντίστοιχης εξαντλητικής μεθόδου στο πλαίσιο της συγκεκριμένης εργασίας. Μελετώνται δύο εφαρμογές των δύο μεθόδων για κάθε υποπρόβλημα. Μέσω της μελέτης αυτής αποδείχτηκε ότι οι γενετικοί αλγόριθμοι μπορούν να συμβάλουν σημαντικά στη μείωση του χρόνου λήψης αποφάσεων κατά το σχεδιασμό, δίνοντας χρήσιμα αποτελέσματα τόσο για την βελτιστοποίηση της εκάστοτε σχεδιαστικής λύσης όσο και για την σύγκριση των λύσεων μεταξύ τους, αποτελώντας έτσι ένα χρήσιμο εργαλείο για τη σχεδιαστική διαδικασία. Τέλος, αποδεικνύεται πως κλασσικές μηχανολογικές έννοιες, όπως η στιβαρότητα, μπορούν να συντεθούν στο ίδιο πρόβλημα με έννοιες που δεν ανήκουν παραδοσιακά στον πυρήνα του πεδίου αυτού, όπως η αισθητική.
Abstract (translated): The present diploma thesis aims to the study and development of a systematic evaluation method for aesthetic optimization of product analogies. The proposed method is based on the optimization of performance variables using genetic algorithms and is applied on the field of Aesthetic Design. Three major sub-problems are considered: a. the 2-dimensional aesthetic optimization (the maximum possible compliance of the analogies of a surface with the aesthetic rule of the Golden Ratio), b. the 3-dimensional aesthetic optimization (the maximum possible parallel compliance of the analogies of three surfaces of a product with the aesthetic rule of the Golden Ratio) and c. the multi-criteria optimization (the requirement of the 3-dimensional aesthetic optimization as defined above, gets expanded in order to include the maximization of stiffness and minimization of the mass of the product to be designed). The evaluation of the Genetic Algorithm method is performed by comparing its computational efficiency with the cost of analytical (exhaustive) solution. Two applications of both methods for each sub-problem, are being analyzed as case studies. This analysis results in the conclusion that Genetic Algorithms can benefit the design process by decreasing the time required for finding solutions and by giving useful design suggestions.
Appears in Collections:Τμήμα Μηχανολόγων και Αεροναυπηγών Μηχανικ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
DT_M_Nikolopoulou_Tita-Konstantina_246993.pdf2.59 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.