生成设计的方法阐述及应用研究

顾峰豪，潘雨沛

（1 常州大学美术与设计学院 江苏 常州 213000）

（2 澳门城市大学创新设计学院 澳门 999078）

（3 广州理工学院 广东 广州 510540）

0 引言

近年来，随着计算机辅助设计（CAD）技术和人工智能技术的发展，一种新的设计方法开始受到设计者的关注。这种新方法就是生成设计。与传统设计方法不同，传统设计的流程起始于设计者的知识认知模型，而生成设计则起始于设计参数，其方法主要使用计算机辅助设计软件及人工智能来生成模型并进行设计迭代与最优化选择。

生成设计是计算机辅助设计中的前沿方法和研究领域。国外已有学者对此展开研究。米兰理工生成设计实验室主任，国际生成艺术协会主席克里斯蒂诺·索杜（Soddu）[1]在《New Naturality : A Generative Approach to Art and Design》中解释生成设计方法，认为它是一种科学的设计创作过程，是通过一种类似生物基因编码的转换程序最终形成人造物的基础理论。生成一种可以在计算机上执行的具有基因性质的编码，在基因编码不断演化的过程中可以产生无穷的形式和功能。里斯本技术大学的Caldas[2]在文章《Generation of energy-efficient architecture solutions applying GENE_ARCH: An evolution-based generative design system》中重点介绍了GENE_ARCH生成设计自动化系统在建筑设计领域中的不同应用，旨在帮助建筑师在复杂的环境下实现节能和可持续的建筑解决方案。Wu等[3]在《Protein sequence design with deep generative models》一文中通过计算机编程语言根据自然规则或算法集让电脑自动生成艺术设计、模型和动画等设计输出。此书也是生成设计在艺术领域的权威研究成果和参考书之一。

国内对于生成设计的研究主要还是以建筑设计为主，哈尔滨工业大学建筑学院孙澄等[4]提出基于条件生成对抗网络（CGAN）的居住区强排方案生成设计方法，应用pix2pix算法，构建基于CGAN的居住区强排方案生成设计模型，生成任意居住区轮廓条件下的居住区强排设计方案，提高居住区强排设计精度与效率，推动城市土地的高效率利用。华南理工大学建筑学院、亚热带建筑科学国家重点实验室的朱姝妍等[5]提出优化算法驱动的建筑生成设计思维和主要过程；从设计软件的选取、不同设计阶段优化目标的确定、算法优化的迭代过程等方面进行了总结，并对生成设计在建筑领域中的发展前景及其对建筑师的潜在影响进行了展望。近年来，朱洪萱等[6]、金家琴等[7]也相继探讨了生成设计在艺术领域中的创新应用，从生成设计探讨科技与艺术的关系。

1 生成设计的方法及流程框架

生成设计是一个迭代的设计过程和方法，涉及生成器程序，程序依据算法或规则将满足需求的参数设计进行可视化输出，而设计者通过修改参数值来改变设计方案[8]。设计者不必是人类，它可以是测试环境中的测试程序，也可以是人工智能（例如，生成对抗网络）中的测试程序。设计目标随着时间的推移而得到逐步改善，设计者将在每次迭代时自我学习并且改进程序（通常涉及算法）。设计输出可以是图像、声音、建筑模型、动画等等形式。因此，它是一种探索设计在复杂条件下多种可能性的快速选择方式，可用于各种设计领域，例如艺术、建筑、通信设计和产品设计等不同艺术设计创造领域。

生成设计方法利用计算机的运算功能使设计输出不断进化生成全新的迭代方案，超出人类单独完成运算和设计的能力，以达到最优化的设计方案。它通过模拟自然进化或遗传变异的逻辑方式让计算机自动进化生成方案的设计方法，如图1所示，这是生成设计方法框架。其流程为：

图1 生成设计方法框架

（1）设计想法（idea）：首先对于设计的任务目标明确并且细化，把大量的信息文本化与参数化，为算法和规则的制定提供详细的量化数据。

（2）规则算法（rule algorithm）：基于上述所获得的数据逻辑进行梳理，进行算法的推导。

（3）源代码（source code）：源代码是算法规则的具体应用，也是计算机通过代码语言来认知基于设计目的和算法规则的设计要求。

（4）设计输出（output）：设计输出由计算机通过算法规则和代码，基于设计要求自动生成的解决方案。

（5）设计者（designer）：设计者可以是人工智能，在生成设计方法流程中，它不再是最终解决方案的直接设计者，其工作在设计流程中转变为评估和决策。在算法规则、源代码设计和设计输出中分别对于不同的计算机结果进行判断和评估，从而辅助算法代码来完成最终解决方案。

2 生成设计和传统设计方法的比较

生成设计提高了设计流程的运转效率。如图2所示，传统的设计过程中，设计方案反馈周期较长，甚至有些情况方案被否决需要重新开始设计，而生成设计通过计算机智能探索数千种符合设计要求的方案可能性，并在最初就为设计者提供了可供选择的潜在解决方案，原来耗时的人工迭代过程被算法取代，这极大地帮助了设计者进行创新并加快了市场进程。

图2 生成设计和传统设计方法比较（来源：CIMdata）

设计者的身份发生了转变。传统的现代设计流程中，人类是主要设计者。设计者在工作时会使用很多辅助工具，这些工具可以是标尺和画笔，也可以是3D辅助建模和版式设计等计算机软件。这些设计工具是被动的。它们接受设计者的指令，然后执行设计者所需求的命令。设计者利用这些工具的准确性和可重复性来增强自身的设计能力，但对于设计目标任务的认知思考和设计中的创造与解决问题的能力仍然依赖设计者本人，所以在面对复杂设计问题时，人类的认知限制了解决方案的精确性。在生成式设计的流程中，其生成器程序不仅增强了设计者对复杂环境和问题的认知能力，本身也成了一个协同人类工作的设计者。并且在生成设计中的设计者也不必为人类，人工智能已经变成趋势，可以模拟环境动态系统和体验生产模式，通过这种方式，设计输出可以自动化地生成高性能的设计成品。

生成设计较之传统设计方法存在以下优点：

（1）同一时间下的多模态协同探索：生成设计的一个显著好处是它允许同时探索、验证和比较数百或数千个不同的设计选项。 生成器可以显示和比较多种模态下的设计方案，使工程师与设计者能够快速有效地找到最能满足项目参数和需求的选项。

（2）缩减设计时间流程，提高设计效率：当工程师与设计者利用AI人工智能快速、高效和大规模地精准探索和测试新的复杂设计迭代时，可以缩短新产品的研发时间，有效地节省时间和人力成本。因此，利用生成设计的公司可以在战略上加快产品上市时间，获得竞争优势。

（3）科学利用先进的制造工艺，节约材料成本：生成设计可以创建更为复杂的设计造型，如有机特征和内部晶格，利用材料制造技术增加设计自由度。它还提供了整合零件功能的能力，因此由生成算法创建的单个复杂几何图形和3D打印模型通常可以替换数十个独立零件，从而优化性能，减少不必要的材料浪费。

3 生成设计的应用研究

当今社会生活中，生成设计大量应用于航空航天、建筑设计、产品设计和平面设计等设计领域之中。设计者通过生成设计来解决苛刻的环境问题和工程挑战。这些挑战包括减少组件重量及制造成本、扩展组件定制及优化性能和需求大量设计方案等客观设计难题。

在平面设计的领域中，最为出名的就是阿里巴巴智能设计实验室自主研发的鹿班。它是为了应对大量商户在网络平台对于自身产品的宣传需求，特别是“双十一”等购物节而提供的设计工具。鹿班基于图像智能生成技术，使其在短时间内完成大量海报和会场图甚至网店的banner图的设计，大大提高了工作效率。用户只需任意输入想达成的风格、尺寸，鹿班就能代替人工完成素材分析、抠图、配色等耗时耗力的设计流程，实时生成多套符合要求的设计解决方案[9]。

Blaise Agüera y Arcas教授是著名的人工智能视觉艺术创新领域的学者和专家，他在2017年TED演讲中展示了基于人工智能神经网络的Photosynth和神经风格迁移（NST）视觉生成的核心技术[10]。Photosynth是Microsoft Live Labs和华盛顿大学联合研发的基于机器学习的视觉技术，Photosynth技术可以使计算机学习分析照片中的图像，识别比较图像的各个部分以创建不同的组件节点，自动完善生成2D或者3D模型[11]。神经风格迁移（NST）是一种生成算法，算法特点是在现有的数字图像或视频中融合采用另一幅图像的外观或视觉风格。神经风格迁移（NST）作为生成设计的一种算法生成程序，为艺术家和设计师提供了一种创新的方式和方法来改造新的艺术作品。

4 生成设计的软件工具研究

生成设计的软件工具是基于计算机辅助设计（CAD）软件操作经验而设计的。除了生成设计专用的软件之外，许多CAD程序现在也提供集成的生成器。生成设计的生成器在CAD软件的传统功能上加入有关力学、材料、经济成本等信息考量，根据设计目标多维度确定参数的优先级和需要细化的参数，进而可视化输出。Processing是开源的图形库和集成开发环境（IDE），是生成设计在电子艺术、新媒体艺术和平面设计领域中应用最为广泛的编程程序。目的是在视觉环境中应用计算机编程语言来实现图形化视觉需求。Processing使用并简化了Java语言，提供图形用户界面以简化编译和执行难度。Processing是交互设计中应用最多的基础软件之一。

本研究还通过对外文文献库web of science搜索，以各个软件的名称为关键词查找文献。发现生成设计的软件在建筑设计、产品设计和视觉艺术设计领域的学术研究中都有使用。这些软件在文献中往往作为一种重要研究实验工具来给出科学的数据分析图表。可以发现，利用生成设计软件的高质量学术论文开始于2008年，随后逐年增加至今，这两年更是成为计算机学科、艺术设计学科中的热点研究方向。文献中使用生成设计软件的研究方向以产品建筑在复杂环境下的模拟问题，可持续设计问题，新材料新能源的使用问题，提高设计效率问题等等为主。所以基于生成设计的方法和软件可以应用于设计学科的科学研究正在成为一种趋势。

5 展望及问题

综上所述，生成设计在各行各业的设计实践、艺术展示和科学研究中发挥着越来越重要的作用。但是在对其进行研究的过程当中，本文发现由于生成设计跨学科的特点，它在国内的设计实践和科学研究较少，生成设计理论也大多由国外引进，凤毛麟角且不成体系。本文希望通过对生成设计方法、工具以及实践应用的阐述研究，能够让更多的设计者和研究者认识了解并且使用这一新兴的设计方法和理念，更好地完成设计实践和科学研究。在创新浪潮的大背景下，随着人工智能和材料尖端技术的不断进步和发展，生成设计的潜力也将不断增加，其优势也会越来越大。