面向服裝流行色預測的層次協(xié)同演化模型與算法研究.pdf

1、服裝流行色預測是指使用某種特定方法進行判斷。定案可以為整個服裝行業(yè)包括纖維供應商、面料生產企業(yè)、成衣生產企業(yè)及服裝代理商提供行業(yè)指導和引領作用。為服裝產業(yè)的快速發(fā)展提供有力條件。因此各個國家都開始重視服裝流行色趨勢的預測方法研究。近年逐步興起的服裝流行色定量預測方法以數(shù)據統(tǒng)計作為研究對象，分析其數(shù)據信息的規(guī)律性和數(shù)理性。盡管定量預測的方法可以一定程度上對流行色進行預測，但是，服裝流行色預測研究開始較晚，還處于探索階段，預測方法的有效性和

2、精度低等問題依然存在。
　　本文針對現(xiàn)有服裝流行色定量預測方法在精度上存在的缺陷，在提出基于色彩體系的色彩量化和分類準則的基礎上，設計了一款高性能的基于層次協(xié)同演化機制的多蜂群協(xié)同優(yōu)化算法，進而將該改進算法應用人工神經網絡權值配置問題上，提升神經網絡模擬目標問題的精度，并借助此改進神經網絡進行服裝流行色預測問題的求解，提高預測結果精準度的性能。本文主要從以下幾個方面開展研究工作:
　　(1)提出一種基于層次協(xié)同演化模式的多種

3、群進化模型。該模型借鑒了復雜適應系統(tǒng)理論和生物學中協(xié)同進化思想，同時此模型涵蓋了從個體到種群再到群落的層次結構。在保留充分個體基本搜索特性的基礎上，通過層次間信息交流模式和同層內競爭-協(xié)作共生模式，可實現(xiàn)個體層、種群層和群落層之間的智能涌現(xiàn)。
　　(2)在個體-種群-群落三層協(xié)同演化模型的多種群進化模型框架基礎上，提出一種基于群落層次演化的多蜂群協(xié)同優(yōu)化算法(HABC)。在此算法中，采用分而治之策略，實現(xiàn)高維問題低維化操作，即將問

4、題的每一個維度隨機分配到若干子維度集合中，降維之后的每個子維度都可以有多個種群共同處理，可以有效降低問題求解難度并提高問題優(yōu)化率。采用交叉操作與精英策略增強種群間信息交流，以保證群體多樣性。為測試其性能，選取了15個連續(xù)函數(shù)和5個離散測試函數(shù)。測試結果表明HABC在尋優(yōu)過程初期能夠極大限度的保留種群多樣性，在尋優(yōu)后期具有較快的收斂速度;相對于一些經典的啟發(fā)式進化算法，該算法不僅尋優(yōu)精度高，而且具備較高的魯邦性，特別是對于高維復雜問題，其

5、性能更為突出。
　　(3)為克服傳統(tǒng)基于梯度下降法、數(shù)值優(yōu)化法的神經網絡訓練的容易陷入局部最小值、計算復雜、對網絡的初始權值和參數(shù)極為敏感的缺陷，采用基于群體層次演化的多蜂群協(xié)同優(yōu)化算法求解人工的神經網絡的權值。將網絡中需要訓練的參數(shù)看成優(yōu)化問題的解的維度，求解最優(yōu)解的過程，個體之間競爭的這個過程，實際上即是網絡參數(shù)訓練的全過程。本實驗主要采用了七個實際案例問題進行檢驗。試驗表明，基于群落層次演化多蜂群協(xié)同算法進行整合優(yōu)化的神經網

6、絡，其針對收斂速度以及學習效率等多個方面都具備了優(yōu)于傳統(tǒng)的BP神經網絡算法以及基礎的人工蜜蜂群的算法優(yōu)化的神經網絡。
　　(4)根據色彩學理論對PANTONE色相環(huán)進行區(qū)間劃分，使用區(qū)間分類劃分邊界值的方法。為主觀色彩色相的數(shù)字化提供了重要的依據。實驗以2007-2016年由國際色彩委員會發(fā)布的國際春夏女性服裝流行色定案作為研究數(shù)據，借助基于群落層次演化多蜂群協(xié)同算法的神經網絡HABCNN，討論了神經網絡模型中隱含層的不同節(jié)點數(shù)對