交谈式遗传演算法於创意服饰设计之研究.doc

交谈式遗传演算法於创意服饰设计之研究摘要：本研究以人体模特儿为依据,开发一套以消费者参与的客制化(Customize)服装设计.交谈式基因演算法解决了基因演算法所受的限制,利用使用者个人的偏好,更快速的.关键词：算法,设计类别：专题技术来源：牛档搜索（Niudown.COM）本文系牛档搜索（Niudown.COM）根据用户的指令自动搜索的结果，文中内涉及到的资料均来自互联网，用于学习交流经验，作品其著作权归原作者所有。不代表牛档搜索（Niudown.COM）赞成本文的内容或立场，牛档搜索（Niudown.COM）不对其付相应的法律责任！交談式遺傳演算法於創意服飾設計之研究林文修 徐宗壕 蔣曜致 石佳玉 許宏誠輔仁大學資訊管理學系.tw摘要服裝產業的顧客已從被動選擇的消費者，轉變成為具有自主權的消費者，而且更應讓顧客參與產品設計與製造過程。然而要讓客戶參與服裝設計，確實有相當的困難，這是因為消費者缺乏產品資訊與實際產品的觀摩，因此無法正確的表達出自己真正的目標與需求。此外，消費者更缺乏服裝設計產品的相關技術，所以要讓客戶有能力主導產品的設計，就必須協助他們找到他們自己的偏好與提供適當設計技術，而為了要讓這些顧客能夠更快速便利的找尋到自己的目標及偏好，因此本研究創新應用能與消費者溝通互動的技術交談式遺傳演算法(Interactive Genetic Algorithms, IGA)，作為服裝設計模組之核心運作技術，希望能帶給消費者有更多樣化的自主性選擇。本研究以人體模特兒為依據，開發一套以消費者參與的客製化(Customize)服裝設計商業平台，結合專業服裝設計師的衣版原型元件的設計，利用IGA建構服裝元件的3D模型，消費者可利用系統提供參與設計機制，透過友善使用者介面，設計出具有個人風格與不同款式的服裝。此外，提供仿消費者身材的3D人體試穿模組，以提升虛擬設計平台的擬真環境。最後，本研究導入合作設計的概念，可由多人或群體針對某個服裝設計案進行設計、討論與決策。本研究經由系統模組設計與實驗發現：（1）以IGA與多媒體組合設計改善了使用者疲勞的問題，並且增加設計過程中的樂趣；（2）偏好鎖定服飾元件的IGA服飾設計模組，讓顧客在服飾演化過程中將喜愛的服飾元件固定鎖定，加快演化速度，且符合擬真與人性化的設計；（3）IGA服飾設計模組可以將複雜的服飾設計簡單化，讓不會服飾設計的顧客亦能設計獨一無二的服飾，實現了消費者自製產品的策略，也達成企業客製化的目標；（4）讓顧客參與服飾的設計過程，廠商能夠及時獲知顧客對服飾的想法與偏好，並能減少服飾設計的製作成本，以及服飾新上市的風險；（5）本研究之系統模組將服飾設計加入3D模特兒以呈現服飾與試穿，能夠讓顧客感受到服飾的真實感。並且提供服飾元件成分的詳細資料，豐富了顧客選擇與決策的資訊。關鍵字：交談式遺傳演算法(IGA)、遺傳演算法(GA)、服飾設計、體驗式行銷。壹、緒論目前的各行各業的服務方式都開始轉變，開始注重顧客的需求，根據顧客的需求來量身設計或創造產品，但顧客的需求只有顧客自已最清楚，企業只能抓目標群體的需求，並無法滿足大眾需求，所以應該可改變成讓顧客設計自已想要的產品，即所謂的消費者原生內容(Consumer-Generated Content)。讓顧客一起參與商品的設計過程，設計出自已想要的產品，除了顧客能不必限於市面上的商品中挑選看起來不錯的產品購買，讓廠商公司以較少的設計製作成本而獲得最大的利益，同時也實現了消費者自製產品的策略。顧客轉換成企業的最佳免費員工，能夠在市場搶先取得先機。例如知名飲料品牌可口可樂在邁入120週年時，特別舉辦了限量紀念曲線瓶身設計大賽，並以投票的方式選出最符合大眾的瓶身加以量產上市。讓顧客參與設計瓶身的過程，除了可增加不同的樂趣，讓自已所設計的瓶身在市場上販售之外，最後所選出的瓶身設計也符合大部份顧客的需求，產品讓顧客更滿意，讓可口可樂更貼近顧客。過去至今的產品設計方式由店家所主導，設計製作服飾後，擺設在店內供顧客挑選，顧客只能被動的跟隨店家所設計的服飾挑選購買。這樣的方式往往只能迎合部份顧客的喜好，無法快速反應顧客的真正需求。本研究創新之處在於除了直接服飾的設計外，還結合了3D虛擬呈現和交談式遺傳法(Interactive Genetic Algorithms, IGA)的最佳化搜尋能力，將服飾上複雜的元件根據顧客的需求加以組合，最後組合成顧客所想要的服飾。我們將此交談式遺傳演算法與實務設計結合，以交談式的方式與使用者互動。讓使用者可以對服飾的各個元件評量其喜好程度，並可在此互動的過程中找出最讓顧客滿意的結果，再讓顧客進行訂購。此交談式遺傳演算法的新技術用來改善過去的產品設計與銷售方式，不需要花很多時間，就可以滿足顧客需求。本研究創意服飾設計系統之目的如下：(1)以3D虛擬呈現引出人的偏好與判斷，模擬虛擬空間設計系統的真實感，讓這樣的設計系統更符合人的習慣與擬真的情境；(2)以多媒體設計減緩使用者的疲勞，並且增加設計過程中的樂趣；(3)以IGA技術能邊尋邊選，符合人類在不知或不確定的情境下做多目標決策問題；(4)以IGA技術結合元件鎖定設計，更能快速找到使用者感覺有用的元件，增加系統效率與效果，加速收歛。總之，本研究創新地應用交談式遺傳演算法，以解決複雜的服裝設計問題，可有效設計出最適消費者知覺的服裝產品。換言之，應用IGA技術讓顧客設計自己想要的產品，體現消費者原生內容(Consumer-Generated Content) 的概念，實現消費者自製產品的夢想。讓顧客自己設計他們想要的服裝產品，讓顧客轉換成了企業最佳免費員工。如此一來，將為企業在講求速度的市場中搶得先機，能取得顧客滿意度與忠誠度，維持永續的購買行為。貳、文獻探討一、知覺價值價值，是一種很抽象、很主觀的想法，它與品質不同，知覺價值比品質更屬於個人主義和涉及個人的，因而知覺價值相較於知覺品質而言是較高層次的概念Zeithaml (1988)；Grewal et al. (1998)以知覺取得價值(perceived acquisition value)統稱以往學者用過的術語：議價價值 (bargain value)、知覺價值(perceived value)、知覺值得(perceived worth)、取得效用(acquisition utility)、價值意識(value conscious)等。知覺取得價值受消費者獲得產品的利益和取得產品所放棄的兩相影響，其中獲得產品的利益是指知覺品質，取得產品所放棄的是指銷售價格或客觀價格，更明確的說知覺取得價值是指購買者取得產品價值的淨利得。也可將知覺價值視為給予(即知覺犧牲)和得到(即知覺品質)間的抵換關係(tradeoff)。綜合以上所述，各學者對知覺價值的解釋與研究乃針對單一產品，本研究將以單一產品的知覺價值概念應用於服裝設計系統上，並參酌其他學者的相關研究，認為購買意願和整體知覺價值是正向的關係(Zeithaml,1988, Grewal et al., 1998)。本研究讓一般消費者難以進行的服飾設計產品為例，藉由消費者體驗設計過程與知覺其中的價值，進行產品設計研究。並且藉由消費者在交談式遺傳演算法上進行服飾元件之組合的評分過程中，充分表達消費者對服飾新產品設計的知覺價值，期望消費者提升對福市新產品的接受度，降低新產品上市之風險。二、體驗式行銷體驗字面上的解釋是：在自已實際生活中的親身經驗，體驗是消費者對事件的一種觀察或參與後 所產生的認知，不一定是真實的，但消費者的感受 是深刻且記憶長久並願意轉述其體驗，甚至呼朋引伴來一起體驗的（范碧珍、吳崑玉, 民88 ）。體驗式行銷為目前當紅的行銷方式，透過體驗式行銷活動的安排，消費者在決定購買產品之前，可以有機會先親自體驗產品的各項功能、及豐富性。這種強調讓使用者親自參與的方式讓行銷方式更具人性化，也更貼近顧客需求。例如3G手機業者讓顧客親身操作體驗3G手機，而不再只是放在櫥窗裡欣賞，也可讓顧客了解產品真正的功能及優缺點。表1為傳統行銷與體驗式的差異。表1、 傳統行銷與體驗式行銷之差異項目傳 統 行 銷體 驗 行 銷行銷目標提昇產品的附加價值、創造顧客滿意度創造更高的附加價值、建立深厚顧客關係與忠誠度著重點產品功能上的性能與效益焦點在顧客體驗上產品分類與競爭狹隘的定義檢驗消費者情境顧客是理性決策者是理性與感性的動物市場研究分析的、量化的、口語的、能用文字描述的多元的、彈性的、創新的行銷方法強調產品的價格、品質與功能的推廣強調營造消費過程的整體消費者忠誠度建立以產品之效能及特性建立以消費情境資料來源:林惠鈴(2005)參考自 HolbrookHirschman (1982)、Wolf(1999)、Schmitt(1999)、PineGilmore(2003)。本系統藉由網路平台讓顧客參與服飾設計的過程，親自體驗自己設計服飾的樂趣，增加顧客購買的意願，並根據客戶需求的不同提供客製化的服務，這股體驗風的熱潮，將會帶給消費者不同的感受。三、遺傳演算法(一) 遺傳基因演算法簡介遺傳基因演算法 (Genetic Algorithm, GA) 是最佳化工程計算常用的一種演算工具，於1970 年由密西根大學John Holland 教授及他的學生首先提出之自然選擇過程的一種最佳化搜尋演算法則。基因演算法源自於自然界中物競天擇，適者生存的特性，模擬生物間的競爭，倖存者得以繁衍下一代的觀念，應用於最佳化工程之計算時，以隨機方式同時產生多組解，較佳的解將被留下運算，如此多次疊代即可求出最佳解。傳統之演算法往往由幾個起始點，依照一定的數學模式產生下一次疊代值，如此反覆計算求得最佳解；而基因演算法以隨機方式產生許多的點，同時搜尋最佳解，因為在每一次疊代過程皆是取相對最佳的點，因此只能找到最接近之最佳解。不過因為其他演算可能也只找到局部最佳解 (Local Optimum) 而不能保證是真正的最佳解 (Global Optimum)。所以基因演算法是相當不錯的最佳化運算工具。(二) 遺傳基因演算法理論遺傳基因演算法是模仿生物進化遺傳的過程，由族群中的染色體進行三種的運算複製（Reproduction）、交配（Crossover）、突變（Mutation）。先設計求解條件的適應函數（Fitness Function），以適應函數值高的染色體將被挑選至交配池（Mating pool）中，以保證優良的染色體繼續存在下一代，存在交配池中的的染色體進行交配與突變，以完成一個子代，而不好的染色體將會隨著時間而逐漸淘汰。一直循環演化，最後就會產生最適的最佳解。(1)遺傳基因演算法流程根據上述，在當時所在的適應函數，找出適合的解，進行遺傳基因演算法的複製、交配、突變運算，讓求得的解為全域最佳解，而不拘限在區域最佳解。圖1為遺傳基因演算法的流程圖。圖1、 遺傳基因演算法流程圖(2)染色體（Chromosome）和族群（Population）如圖2所示，由四個位元所組成的字串稱為染色體，其中每一個位元稱為基因（Gene），由多個染色體所組成的稱為族群。圖2、遺傳基因演算法架構(3) 複製（Reproduction）依照每一個染色體的適應程度來決定其在下一子代中應將被淘汰或複製的個數多寡的一種運算過程。適應程度高的染色體將被複製在交配池中；而適應程度低的染色體將被淘汰，其適應程度是由適應函數所求得的解得知。此符合遺傳基因演算法的精神物競天擇，適者生存，不適者淘汰的精神。(4) 交配（Crossover）隨機選取交配池中的兩個染色體進行交換位元，而組成另外兩個新的子代，藉由累積前代的優秀染色體而產生更優秀的染色體子代，交配的發生由交配機率所控制。交配過程的方式為隨機選取一個交配點，交換從此點開始到最後的所有位元，此方式稱為單點交配 (圖3)。0101001110111101 交配點交配點圖3、單點交配(5) 突變（Mutation）隨機選取一個染色體，且隨機選取突變點改變該染色體的位元（0變1，1變0）交配為確保優良的染色體和優良的染色體共同產生優良的子代染色體，會形成區域最佳解，並非達成全域最佳解。若欲得到全域最佳解，則需使用突變的方式，以跳脫區域解，得到可能更優良或更差的染色體。如果產生的染色體更優良，則已跳脫區域解；若產生的染色體更差，則會經過適應函數的計算和複製而淘汰。突變的發生由突變機率來控制。突變過程的方式為隨機取一個突變點進行突變，此方式稱為單點突變(圖4)。01010111突變點突變點圖4、單點突變四、交談式遺傳演算法理論1. 交談式遺傳演算法的基本概念遺傳演算法(GA)的精神在於模仿自然界中物競天擇、適者生存的自然演化法則，透過遺傳演算法的評估函數可以在廣大的問題空間裡找出最合適解，但當評估函數遇到非數量化的問題，像是人類的主觀認知(例如: 喜愛偏好度、價錢接受程度)，將很難定義出基因演算法的評估函數。而交談式遺傳演算法(IGA)的主要概念就是希望在遺傳演算法的基礎下，以人的內隱的偏好函數代替傳統的適應函數。當系統隨機選擇、組合產生初始族群之後，使用者便可開始進行評分的動作，藉由使用者評分的分數去決定做複製、交配及突變的演化基因。遺傳演算法是一個兼重效率與效能的搜尋方法，而交談式遺傳演算法的特色在於能夠讓使用者邊尋邊選的方式，處理目標函數未知及樣本數大的問題。兩者最大的差別在適應值的評估，遺傳演算法是由適應函數去決定，而交談式遺傳演算法則是由使用者評分來做選擇。交談式基因演算法解決了基因演算法所受的限制，利用使用者個人的偏好，更快速的找出使用者心中的最佳解答。其演算法的流程如圖五，演算法的架構如圖6。使用者評估新族群之個體Grade圖5、交談式遺傳演算法流程圖IGA ( )隨機產生初始族群使用者評估初始族群中之個體If還未達到結束條件時，Else選擇評估較佳之個體進行交配及突變的運算以產生下一子代使用者評估新族群之個體圖6、交談式遺傳演算法演算流程交談式遺傳演算法(Interactive genetic algorithm, IGA)應用最為廣泛，其主要概念是由使用者來替代傳統GA的評估運算子，而IGA兼具了GA的搜尋最佳解的能力和人類在評估優劣的判斷力的優點。而圖7展現IGA特徵參數與心理層面對應示意圖。圖7 IGA特徵參數與心理層面對應示意圖資料來源：Takagi, 20012. 交談式遺傳演算法的應用在IGA的應用上，Caldwell and Johnston(1991)提出互動式遺傳演算法應用於嫌犯臉孔辨認之系統，供目擊證人指認嫌犯臉孔，後續還有許多互動式遺傳演算法的應用，根據Takagi(2001)的研究指出約有200多篇與IEC相關的研究，其中IGA的應用範圍包含：平面藝術和電腦動畫(Iwasaki et al., 2000)、語音處理(Watanabe and Takagi, 1995)、助聽器配適(Ohsaki et al., 1999)等。3. 交談式遺傳演算法的限制與改善雖然IGA的議題越來越引起大家的興趣，但是這項技術在應用上仍然有一個共同難題：使用者疲勞(user fatigue)，因而延伸出兩個具體的問題：(1) 如何改善評估方式，以降低使用者進行評估時的疲勞？(2)如何利用較小族群與在較少代數中找到滿意的目標解？(Hayashida and Takagi, 2002)。針對使用者疲勞的問題，有許多學者提出不同的方式試圖改善這個難題，主要可以分為二種類型，分別是進行演化前的聚焦(Takagi, 2001；倪士峰, 2001；黃松熙, 2003；余立偉, 2004；洪麗雅, 2004)與在演化過程中的改善(Takagi and Kishi, 1999；Lee and Cho, 1999；許芳誠, 2000；Hayashida and Takagi, 2002，王心怡，2005；謝雅涵，2006)。演化過程中的改善又有離散適應値輸入法(Discrete Fitness Value Input Method)、不同的適應値給定法、適應值的預測、評估介面的改善等等方法。根據上述學者對IGA使用者疲勞問題提出各種改善策略之啟發，本研究提出新的降低使用者疲勞的策略，讓設計人參與更多以降低疲勞的策略，亦即讓服裝設計者可以以個人偏好固定某些元件，讓演化效果更好。此外，提出層級式呈現參考資訊(服裝材料與成本資訊) ，以及3D立體360度動態呈現服飾等新的策略，讓設計者具有更多參考資訊，以及3D動態試穿系統之設計，讓設計環境提升感性與真實空間感，希望提升設計的樂趣，增進設計績效也能降低使用者之疲勞。參、服飾系統設計一、服飾直選設計本模組裡提供袖子、領子、上半身元件和下半身元件供使用者直接做選擇設計。使用者可依主觀意識直接選擇自己喜愛的元件，組合成屬於自己的服飾。是以傳統選擇元件的方式進行服飾的設計，並無使用IGA的方式來選擇服飾。二、IGA虛擬服飾設計模組本模組IGA採用二進位（Binary）的編碼方式，服飾共分為四個區塊，代表服飾的四個元件，分別為服飾領子、服飾袖子、服飾上半身、服飾下半身，每區塊的長度為4，且不同編碼分別代表不同樣式的服飾元件。整條染色體的長度共為16，表2為編碼示意說明：表2、 染色體編碼示意染色體服飾1110010000010111說明服飾領子 服飾袖子 服飾上半身 服飾下半身由使用者在每代所產生的服飾給予個人喜好的評分，再利用評分進行IGA演化程序以產生下一新的子代，重覆以上動作，最後可完成使用者滿意的服飾。本系統IGA的相關參數設定如下，其中每次產生的族群為8個以配合畫面配置，演化代數由Takagi教授的研究得知建議10到20代，避免使用者疲勞。本研究IGA系統設計中，相關參數設計請參見表3：表3、 參數設定項目內容族群數量：8交配率：0.7交配方法：單點交配突變率：0.01突變方法：單點突變最大演化代數：20代本系統先產生八套初始族群（Initial populations）後，使用者可根據自己的喜好來對於服飾做評分的動作。隨後每代經由演化產生八套服飾，讓使用者在每代演化做評分設計。我們將評分分為六個等級（0到5分，0分最差，5分最好），依照評分的等級進行IGA的演化。三、IGA虛擬服飾偏好鎖定模組本模組所使用的技術同IGA虛擬服飾設計模組，其特別之處在於使用者可隨自已的喜好鎖定服飾元件，鎖定的該元件不進行IGA的演化程序，會直接保留至後代，而只對其他沒有被鎖定住的元件在每代做IGA的演化程序，讓使用者可快速找到自已所喜歡的元件，加速IGA演化的收歛，更快更容易的找到使用者所喜歡的服飾。肆、服飾設計系統實際運作本系統的前檯網站可讓註冊的會員操作本系統，以及整個服裝設計之操作流程導覽圖(如圖8)。首先，介紹本研究重要的服裝設計的3項設計模組，接著以系統模組檢驗降低IGA使用者枯燥與疲勞的研究議題，包括3D動態試穿模組與多媒體設計導引，以及本研究創新設計的合作設計策略。圖8、服裝設計之操作流程導覽一、服飾直選設計模組(1) 操作說明：進入設計模組之前都會先進入到該模組的操作說明網頁，使用者若不懂該如何操作可按下使用說明按鈕，否則可直接選取開始設計按鈕(如圖9)。圖9、服飾直選設計模組操作說明(2) 服飾直選設計模組畫面：使用者可依主觀意識直接選擇自己喜愛的元件做直接設計(不使用IGA技術)。這個設計模組類似傳統服裝設計輔助系統，服裝組合空間有限，不易符合使用者心目中的解答，最後是某種程度的妥協解。但是，本研究創新使用3D立體試穿模組，可讓使用者從每個角度評估這套服裝，能改善傳統系統的設計真實性與品質問題。圖10、 服飾直選設計模組二、IGA虛擬服飾設計模組IGA虛擬服飾設計模組畫面：初始以平面服裝與模特兒展示，每套服飾各有3D立體試穿模組和詳細說明按鈕。3D立體試穿模組更增加服飾的整體性和真實性，模特兒會以旋轉展示。詳細說明為服飾的材質等相關資訊說明(如圖11)，而使用者可在充足的資訊下，對各服飾做0到5分的評估。三、IGA虛擬服飾偏好鎖定模組IGA虛擬服飾偏好鎖定模組織設計，是本研究主要創新之模組，主要是要降低IGA運作使用者疲勞問題。本研究提出新的降低使用者疲勞的策略，讓設計人參與更多的系統操弄以降低疲勞，亦即讓服裝設計者可以以個人偏好固定某些元件，讓演化效果更好與效率更高。這個改善策略的畫面如圖12，與圖11的IGA虛擬服飾設計模組，初始以平面服裝與模特兒展示，而每套服飾各有3D預覽和詳細說明按鈕。使用者可對喜歡的服飾元件做鎖定動作(如圖12)。圖11、 IGA虛擬服飾設計模組圖12、IGA虛擬服飾偏好鎖定模組畫面四、3D動態試穿模組與多媒體設計導引本研究提出3D動態試穿模組新的策略，以3D立體360度動態呈現服飾之設計，讓設計環境提升感性與真實空間感，能提升設計的樂趣，增進設計績效也能降低使用者之疲勞(請見圖13)。此外提出層級式呈現參考資訊，在IGA設計過程中，使用者可以按鈕聽取設計小幫手的說明，並能提供使用者選擇喜歡的背景音樂，並能按下詳細資料鍵，詳細參考目前這套服裝的材料與成本資訊等(圖14與圖15)，讓設計者具有更多參考資訊。本研究亦設計別人已經設計好的”熱門服飾”按鈕，提供其他人設計好的服飾以供參考；也提供”目前偏好服飾”按鈕，讓設計者本身隨時可參觀自己到目前過程中所設計的服飾，豐富資訊以提升設計品質與滿意度。更重要的，本研究提供上述3 D試穿系統(圖13) ，隨時可以點選試穿系統，讓任何一套設計中的服裝以擬真3D立體呈現，並能360度展示該套服裝，並能隨時在任何角度停止旋轉，讓設計者(使用者)從各種角度評估每一套服裝的喜歡與否，再給於中肯的分數。如此一來，提供服飾元件成分的詳細資料，豐富了顧客選擇與決策的資訊，能提升使用的樂趣，因而降低IGA評估過程中的疲勞感，相信能提高設計者的品質與滿意度。圖13、3D立體360度動態呈現服飾模組圖14、層級式呈現參考資訊與多媒體操作指引模組圖15、層級式服飾詳細資料五、合作設計的策略本研究的系統使用對象分為個人與團體制服的使用者，兩者提供合作設計的機制。如果是個人客戶使用者，經過三種服飾設計模組運作後，將產生一些可能喜歡的服裝(滿意的解答) ，因此本研究在設計過程中，提供別人已經設計好的”熱門服飾”按鈕(請見圖12)，提供其他人設計好的服飾以供參考；也提供”目前偏好服飾”按鈕(請見圖12)，讓設計者本身隨時可參觀自己到目前過程中所設計的服飾，這種合作設計的觀念本研究亦設計別人已經設計好的”熱門服飾”按鈕(圖16)，提供其他人設計好的服飾以供參考；也提供”目前偏好服飾”按鈕，讓設計者本身隨時可參觀自己到目前過程中所設計的服飾，這種合作設計概念將提供創意發想空間，啟發彼此的創新能量，將能提升設計品質與滿意度。如果是團體制服的角色, 除了團體中參與的設計者，設計過程中與個人設記者具有同樣的”合作設計”之機制外，最後可由投票模組進一步決定公司的制服樣式(圖17)。換言之，本研究導入合作設計的概念，可由多人或群體針對某個服裝設計案進行設計、討論與決策。圖16、熱門服飾參考樣本圖17、團體制服合作設計投票結果伍、結論本研究以人體模特兒為依據，開發一套以消費者參與的客製化(Customize)服裝設計商業平台，結合專業服裝設計師的衣版原型元件的設計，利用IGA建構服裝元件的3D模型，消費者可利用系統提供參與設計機制，透過友善使用者介面，設計出具有個人風格與不同款式的服裝。此外，提供仿消費者身材的3D人體試穿模組，以提升虛擬設計平台的擬真環境。最後，本研究導入合作設計的概念，可由多人或群體針對某個服裝設計案進行設計、討論與決策。本研究經由系統模組設計與實驗發現：1. 以IGA與多媒體組合設計改善了使用者疲勞的問題，並且增加設計過程中的樂趣；2. 偏好鎖定服飾元件的IGA服飾設計模組，讓顧客在服飾演化過程中將喜愛的服飾元件固定鎖定，加快演化速度，且符合擬真與人性化的設計；3. IGA服飾設計模組可以將複雜的服飾設計簡單化，讓不會服飾設計的顧客亦能設計獨一無二的服飾，實現了消費者自製產品的策略，也達成企業客製化的目標；4. 讓顧客參與服飾的設計過程，廠商能夠及時獲知顧客對服飾的想法與偏好，並能減少服飾設計的製作成本，以及服飾新上市的風險；5. 本研究之系統模組將服飾設計加入3D模特兒以呈現服飾與試穿，能夠讓顧客感受到服飾的真實感。並且提供服飾元件成分的詳細資料，豐富了顧客選擇與決策的資訊。由於本研究主要是以公司、學校機關的制服和團體服為主，未來將會增加更多的服飾類別，將不僅侷限於團體服飾的設計。此外，將增加更多的服飾元件，讓顧客可以有更多的選擇，使服飾更多樣性。在服飾設計模組方面，將增加更多的設計模組供顧客選擇，並以加速產生最佳解的目標前進，讓顧客在設計服飾時不會感到疲倦，反而樂在其中。本系統將持續以迎合顧客的喜好來規劃系統的呈現方式，讓系統畫面更友善、操作更簡易，讓系統更完善。陸、參考文獻Aoki, K., Takagi, H., and Fujimura, N., “Interactive GA-based Design Support System for Lighting Design in Computer Graphics,” Int. Conf. on Soft Computing (IIZUKA96), 1996, pp. 533-536.Goldberg, D. E., Genetic Algorithm in Search , Optimization , and Machine Learning, Addison: Wesley, 1989. Grewal, D., Monroe, K. B. and Krishnan, R., “The Effects of Price-Comparison Advertising on Buyers Perceptions of Acquisition Value, Transaction Value, and Behavioral Intentions,” Journal of Marketing, 62(April), 1998, pp. 46-59.Hayashida, N. and Takagi, H., “Acceleration of EC convergence with landscape visualization and human intervention,” Applied Soft Computing, 2002, pp. 245-256.Holland, J. H., ”Adaptation in Natural and Artificial System: an introductory analysis with applications to biology, control, and artificial intelligence,” MIT press, 1992.Iwasaki, T., Kimura, A., Todoroki, Y., Hirose, Y., Takagi, H., and Takeda, T., “Interactive virtual aquarium (1st report),” 5th Annual Conf. of the Virtual Reality Society of Japan, 2000, pp. 141-144.Lee, J.Y. and Cho, S.B.,“Sparse Fitness Evaluation for Reducing User Burden in Interactive Genetic Algorithm,”Proc.Of FUZZ-IEEE99,1999.pp. II-998-II-1003.Ohsaki, M., Tsumura, T., Takagi, H. and Shimada, M., “Application of IEC fitting system to music hearing,” Annual Meeting of Acoustic Society of Japan, 1999, pp. 363-364.Parmee, I. C., “Origins of Interactive Evolutionary Computation,” GECCO 2002 Workshop, 2002.Takagi, H., “I