面向工业设计云服务平台的多目标创意设计评价方法与流程

本发明涉及一种多目标创意设计评价方法，特别涉及一种面向工业设计云服务平台的多目标创意设计评价方法。

背景技术：

文献“面向产品caid的多目标设计评价系统开发理论与方法，proceedingsofthe2006internationalconferenceonindustrialdesign&the11thchinaindustrialdesignannualmeeting(volume2/2)”公开了一种基于caid的多目标设计评价的理论和方法，并构建了支持caid的多目标设计评价原型系统。该方法开发了以评价目标树为核心的工具集，以评价工具集和专用数据库为核心，将后台评价模式变为前台工具集和专用数据库的辅助模式，较好地解决了评价目标体系的选择和评价模式的确定问题。

文献所述方法通过需求分析建立评价目标，对评价目标进行分析整理后建立评价目标树，选择评价方法，采用定量评价和定性评价综合的方法对评价目标逐个进行评价。但评价目标的需求获取与分析的研究还不够完整，评价目标选择的准确性和实效性不能保障。另外，该评价工具中多以诸如点计分法评价工具、排队法评价工具、名次法评价工具等定性评价为主，缺少了对于定量分析方法的研究与应用，对多目标的设计评价效率不高。

此外，随着经济全球化和信息化的快速发展，云制造、云计算、物联网、大数据、虚拟化等相关研究话题逐渐成为了国内外研究热点，云服务这一新锐的服务模式已经被人们所关注。目前在互联网技术的支撑下，国内外已出现了诸如quirky，behancenetwork，爱定客等将网络化协同的创意设计转化为经济效益的工业设计云服务平台。

工业设计云服务平台是一个集成设计云、管理云、商务云、知识云、物联服务云、数据云等资源的服务平台。在设计云中，主要体现cad设计、cae分析、3d打印产品原型/样品预览的业务逻辑关系等。在管理云中，围绕产品库体现以自助建站和展厅为渠道的产品展示服务和以电商平台为渠道的产品营销服务。在物联服务云中，以“产品+互联网”和“设备+互联网”为模式提供生产和产品状态监控服务，确保安全生产，提高产品附加值。工业设计云服务平台为产品设计研发提供技术与信息支撑服务。面向工业设计云服务平台的构建技术在国内外已相对成熟，已出现多个较成熟的应用平台。众多专家学者们对云服务平台的构架与应用、云服务平台的设计与实现、云服务平台的集成、云服务平台的网络化集成与资源共享等方面进行了分析与研究。但在面向工业设计云服务平台的设计评价方面的研究还相对薄弱，缺乏一个行之有效的设计评价方法。

技术实现要素：

为了克服现有多目标创意设计评价方法设计评价效率低的不足，本发明提供一种面向工业设计云服务平台的多目标创意设计评价方法。该方法构建基于质量功能配置qfd的方案参数优化的三阶定量模型。第一阶段结合层次分析法ahp主观赋权与熵值法客观赋权；第二阶段构建多粒度非平衡评价语言初始决策矩阵，对其进行一致化转换；第三阶段结合市场竞争等影响因素对其进行修订并确定评价目标最终重要度。在此基础上，基于决策偏好的多目标粒子群优化算法dpmopso对面向工业设计云服务平台的多目标创意设计模型进行冲突消解，最后利用pareto第二代的加强进化算法确定面向工业设计云服务平台的最优创新设计方案。该多目标的评价模型对大数据环境下多目标重要度进行准确量化，保障了评价结果的准确性和严谨性，提高了评价效率。

本发明解决其技术问题所采用的技术方案：一种面向工业设计云服务平台的多目标创意设计评价方法，其特点是包括以下步骤：

步骤一、建立面向工业设计云服务平台的多目标创意设计的评价目标体系。

首先，通过云服务平台获取用户的显性创新需求，并挖掘出用户的隐性创新需求。在工业设计云服务平台的背景下，基于互联网采集关于用户创新需求的相关数据，并结合模糊需求描述方法，挖掘和获取用户的创新需求。采用spss或orange数据挖掘工具，对用户创新需求进行聚类分析和关联性分析，深入挖掘用户的隐性需求偏好，并构建用户创新需求数据库，将数据资源利用工业设计云服务平台进行规范化的存储；

其次，利用qfd方法构建用户创新需求的转换质量屋houseofqualityhoq。利用ahp法从用户创新需求数据库中提取用户创新需求，构建判断矩阵a初步分析用户创新需求的重要度m。再利用qfd方法，确定用户创新需求与多目标创新设计评价目标的关系矩阵r；

m＝(w1,w2,...,wi,...,wm)，其中

式中，ditj是第i项用户创新需求和第j项多目标创新设计评价目标之间的相关程度。

最后，将基于网络化协同的用户创新需求，转换为多目标创新设计的评价目标，建立多维度向量描述的评价目标体系，用字母t表示。即经济性创新目标(t1)、结构性创新目标(t2)、环境性创新目标(t3)、技术性创新目标(t4)和功能性创新目标(t5)。

t＝(t1,t2,t3,t4,t5…)(4)

步骤二、生成面向工业设计云服务平台的多目标创意设计方案。

建立评价目标样本库，构建评价目标的相似性矩阵aij。利用多维尺度分析评价目标间的拟合度，在k均值聚类分析法的作用下，求出具有代表性的评价目标；

利用云服务平台中的各个模块，组织用户、设计师、制造商和销售商对创意设计方案进行分析设计，并对创意设计方案的可行性与实用性进行普适性论证，构建云服务平台下的创新设计方案样本库；建立评价目标与创新设计方案的映射关系，生成二维数值矩阵a。在hoq的作用下生成满足评价目标的创新设计方案。

式中，aij是创新设计方案样本对评价目标样本进行加权的结果；aij是评价目标样本的加权平均值；ei是创新设计方案样本对评价目标样本的总影响度。

步骤三、对面向工业设计云服务平台的多目标创意设计方案进行评价。构建基于质量功能配置qualityfunctiondeploymentqfd的方案参数优化的三阶定量模型进行网络化协同的创意设计评价。

(a)结合层次分析法analytichierarchyprocessahp主观赋权与熵值法客观赋权。

首先，对评价指标的相关数据进行分析整合。设有n个评价目标和p个评价指标，构成评价目标和评价指标的分析矩阵，表示为x＝(x)n×p。对分析矩阵进行标准化的分析整合。

对于二者间成正相关关系的评价指标，则令：yij＝xij/maxxij

对于二者间成负相关关系的评价指标，则令：yij＝minxij/xij

其中，minxij，maxxij分别表示第j个指标下各评价样本属性值的最小值和最大值。标准化的分析整合后，样本矩阵x转化为矩阵y＝(yij)n×p，yij∈[0,1]。

其次，确定评价指标的基本权重。利用ahp，建立评价目标层次结构模型、构造判断矩阵、计算权重向量并做一致性检验，得出各个评价指标在评价目标中的层次总排序。

通过ahp判断各子评价目标在总评价目标中的权重系数，并用字母μ表示，μi(i＝1，2，...，n)。再判断评价指标对各子评价目标的权重系数，用字母kij表示，即第i个子目标所属的第j个评价指标的权重系数。在此基础上，确定评价指标对总评价目标的权重系数，用字母aj表示第j个评价指标在总评价目标中的权重系数，用aj＝μi·kij表示。用a表示各评价指标在总评价目标中权重系数的总集合，则a＝[a1，a2，...，an]；

最后，确定评价指标的离散程度。利用客观赋权的熵值法，进一步确定评价指标的离散程度。具体计算过程如下：

设选取n个评价子目标，m个评价指标。对评价指标进行标准化处理。

正向评价指标:

负向评价指标:

式中，xij表示为第i个评价子目标的第j个评价指标的数值。i＝1,2…,n；j＝1,2,…,m

利用公式(9)计算在第i个子评价目标中第j项评价指标的权重。

利用公式(10)计算在第i个子评价目标中第j项评价指标的熵值。

利用公式(11)计算在第i个子评价目标中第j项评价指标的差异系数。评价指标差异值的大小与熵值大小成反比。

dj＝1-ej(11)

利用公式(12)计算在第i个子评价目标中第j项评价指标的求权值。

在此基础上，计算各评价指标的综合得分，确定评价指标的离散程度。

(b)构建多粒度非平衡评价语言初始决策矩阵。

首先，构建多粒度非平衡评价语言初始决策矩阵。

其次，对构建好的多粒度非平衡评价语言初始决策矩阵进行一致性转换。具体步骤如下：

eik：es(k)→[1-k,k-1]

eik(esα(k))＝α

在上述函数式中，es(k)表示非平衡评价语言标度集，即可拓展的连续性标度集，esα(k)表示评价语言术语。

eik–1：[1-k,k-1]→s(k)eik-1(α)＝esα(k)

通过上述函数获得下标α所对应的连续性非平衡评价语言标度集。

设es(k1)＝{esα(k1)|α∈[1-k1,k1-1]}和es(k2)＝{esβ(k2)|β∈[1-k2,k2-1]}为任意不同粒度的连续性非平衡评价语言标度集，二者间的评价粒度转换函数(egtf)为:

egtfk2k1∶es(k1)[1-k1,k1-1]→es(k2)[1-k2,k2-1](13)

egtfk2k1(s(k1)α)＝ei-1k2[eik1(s(k1)α(k2-1)/k1-1＝esβ(k2)(14)

最后基于上述公式，将多粒度评价语言信息一致化，得到粒度相同的非平衡评价矩阵。

(c)结合市场竞争影响因素对其进行修订，运用归一化处理确定目标最终重要度。构建qfd的评价方案参数优化的层次模型。具体优化过程如下：

采用矩阵图解法，建立评价方案与评价目标间的关系，通过构建评价方案的hoq，分析评价方案自相关关系矩阵、评价目标自相关关系矩阵、评价方案与评价目标关系矩阵、评价方案实施手段的经济性、社会性参数，从市场和用户需求出发，完善评价参数和评价变量。

在hoq的评价方案模块中，以用户和市场为导向，从方案的实现成本、功能质量、完成时间和社会价值影响竞争力的因素着手进行度量，分别用字母ce1，ce2，ce3…表示。即ce＝[ce1，ce2，ce3…]^t。

在hoq的评价目标模块中，从评价目标的实现的经济性、结构性、环境性、技术性和功能性影响竞争力的因素着手进行度量，分别用字母pe1，pe2，pe3…表示。即pe＝[pe1，pe2，pe3…]^t。

在hoq的评价方案与评价目标关系矩阵模块中，二者间的关系用矩阵的形式表示如下。以0-1-3-5-7-9的数值序列表示评价方案与评价目标间的关联程度，即表示不相关-微弱相关-弱相关-中等相关-强相关-绝对相关。并对其关联程度进行归一化处理。

式中，r是评价方案与评价目标的相关关系；cntm是第i项评价方案和第j项评价目标之间的相关关系程度。

在hoq的评价目标自相关关系矩阵模块中，用es表示评价目标的自相关关系。具体表示如下。

式中，esij是第i个评价目标参数与第j个评价目标参数间的相关关系。

在hoq的评价方案实施手段的经济性、社会性参数中，利用如下公式，对方案的市场竞争性、技术竞争性的经济性、社会性参数进行评估。

c＝mt(19)

式中，m表示市场竞争性；t表示技术竞争性；c表示综合竞争性。

步骤四、对面向工业设计云服务平台的多目标创意评价的冲突进行消解。

利用pareto第二代的加强进化算法strengthparetoevolutionaryalgorithm2spea2求解冲突模型，以用户的偏好为引导因子，解决评价中每个参与者的评价差异性冲突，获得最优解集。具体过程如下：

首先，构建一个多个目标、多个变量的评价模型。

xi∈{0,1},i＝1,…,n

其中，

其次，对pareto第二代的加强进化算法参数进行初始化。产生初始大小为n的种群w0和外部群体k0，同时对该算法的初始的进化代数设为t＝0，将交叉概率和变异概率分别设定为pc和pm，对多目标的创意设计评价采用二进制编码，即0-1编码进行编码。

在此基础上对其进行适应度计算。结合目标函数maxz1、maxzn计算种群的适应度。根据pareto支配的定义，构造内部种群支配解集，进行外部种群k0管理和全局最优值更新，达到最大循环代数，输出外部种群k0，获得pareto最优解集；用满意度函数表示设计者对于自身多个设计目标是否达到最优化的满意程度，其计算方法如下。

最后，利用基于模糊集的满意度排序方法计算出最优解。构建最优方案的满意度函数：

获取最大隶属度函数值的有效解作为协同设计的最佳方案，将非线性多目标优化问题转化为基于协商的单目标优化问题，即：

maxs；

s.t.a∈qi,i＝1,2,…,n,k＝1,2,…,m.(23)。

本发明的有益效果是：该方法构建基于质量功能配置qfd的方案参数优化的三阶定量模型。第一阶段结合层次分析法ahp主观赋权与熵值法客观赋权；第二阶段构建多粒度非平衡评价语言初始决策矩阵，对其进行一致化转换；第三阶段结合市场竞争等影响因素对其进行修订并确定评价目标最终重要度。在此基础上，基于决策偏好的多目标粒子群优化算法dpmopso对面向工业设计云服务平台的多目标创意设计模型进行冲突消解，最后利用pareto第二代的加强进化算法确定面向工业设计云服务平台的最优创新设计方案。该多目标的评价模型对大数据环境下多目标重要度进行准确量化，保障了评价结果的准确性和严谨性，提高了评价效率。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明面向工业设计云服务平台的多目标创意设计评价方法的流程图。

图2是本发明方法建立的面向工业设计云服务平台的多目标创意设计评价目标体系中用户创新需求挖掘流程图。

图3是本发明方法建立的面向工业设计云服务平台中资源匹配和搜索推荐流程图。

图4是本发明方法所构建的面向工业设计云服务平台的主界面图。

具体实施方式

参照图1-4。本发明面向工业设计云服务平台的多目标创意设计评价方法具体步骤如下：

步骤一，建立面向工业设计云服务平台的多目标创意设计的评价目标体系。

首先，通过云服务平台获取用户的显性创新需求，并挖掘出用户的隐性创新需求。在工业设计云服务平台的背景下，基于互联网采集关于用户创新需求的相关数据，并结合模糊需求描述等方法，最大限度的挖掘和获取用户的创新需求。采用spss、orange等数据挖掘工具，通过对用户创新需求进行聚类分析、关联性分析等深入挖掘用户的隐性需求偏好，并构建用户创新需求数据库，将数据资源利用工业设计云服务平台进行规范化的存储；

其次，利用qfd技术构建用户创新需求的转换质量屋houseofqualityhoq。利用ahp法从用户创新需求数据库中提取用户创新需求，通过构建判断矩阵a来初步分析用户创新需求的重要度m。再利用qfd技术，确定顾客创新需求与多目标创新设计评价目标的关系矩阵r；

m＝(w1,w2,...,wi,...,wm)，其中

式中:r—用户创新需求与多目标创新设计评价目标的相关关系；ditj—第i项用户创新需求和第j项多目标创新设计评价目标之间的相关程度。

最后，将基于网络化协同的用户创新需求，转换为多目标创新设计的评价目标，建立多维度向量描述的评价目标体系。用字母t表示。即经济性创新目标(t1)、结构性创新目标(t2)、环境性创新目标(t3)、技术性创新目标(t4)、功能性创新目标(t5)等。

t＝(t1,t2,t3,t4,t5…)(4)

步骤二，生成面向工业设计云服务平台的多目标创意设计方案。

建立评价目标样本库，构建评价目标的相似性矩阵aij。利用多维尺度分析评价目标间的拟合度，在k均值聚类分析法的作用下，求出具有代表性的评价目标；

利用云服务平台中的各个模块，组织用户、设计师、制造商、销售商等人员对创意设计方案进行分析设计，并对创意设计方案的可行性与实用性进行普适性论证，构建云服务平台下的创新设计方案样本库；建立评价目标与创新设计方案的映射关系，生成二维数值矩阵a。在hoq的作用下生成满足评价目标的创新设计方案。

式中：aij—创新设计方案样本对评价目标样本进行加权的结果；aij—评价目标样本的加权平均值；ei—创新设计方案样本对评价目标样本的总影响度。

步骤三，对面向工业设计云服务平台的多目标创意设计方案进行评价。构建基于质量功能配置qualityfunctiondeploymentqfd的方案参数优化的三阶定量模型进行网络化协同的创意设计评价。

(a)结合层次分析法analytichierarchyprocessahp主观赋权与熵值法客观赋权。

首先，对评价指标的相关数据进行分析整合。设有n个评价目标和p个评价指标，构成评价目标和评价指标的分析矩阵，表示为x＝(x)n×p。对分析矩阵进行标准化的分析整合。

对于二者间成正相关关系的评价指标，则令：yij＝xij/maxxij

对于二者间成负相关关系的评价指标，则令：yij＝minxij/xij

其中，minxij，maxxij分别表示第j个指标下各评价样本属性值的最大值和最小值。标准化的分析整合后，样本矩阵x转化为矩阵y＝(yij)n×p，yij∈[0,1]。

其次，确定评价指标的基本权重。利用ahp，建立评价目标层次结构模型、构造判断矩阵、计算权重向量并做一致性检验，得出各个评价指标在评价目标中的层次总排序。

通过ahp判断各子评价目标在总评价目标中的权重系数，并用字母μ表示，μi(i＝1，2，...，n)。再判断评价指标对各子评价目标的权重系数，用字母kij表示，即第i个子目标所属的第j个评价指标的权重系数。在此基础上，确定评价指标对总评价目标的权重系数，用字母aj表示第j个评价指标在总评价目标中的权重系数，用aj＝μi·kij表示。用a表示各评价指标在总评价目标中权重系数的总集合，则a＝[a1，a2，...，an]；

最后，确定评价指标的离散程度。利用客观赋权的熵值法，进一步确定评价指标的离散程度。具体计算过程如下：

设选取n个评价子目标，m个评价指标。对评价指标进行标准化处理。

正向评价指标:

负向评价指标:

式中，xij表示为第i个评价子目标的第j个评价指标的数值。i＝1,2…,n；j＝1,2,…,m

利用如下公式，计算在第i个子评价目标中第j项评价指标的权重。

利用如下公式，计算在第i个子评价目标中第j项评价指标的熵值。

利用如下公式，计算在第i个子评价目标中第j项评价指标的差异系数。评价指标差异值的大小与熵值大小成反比。

dj＝1-ej(11)

利用如下公式，计算在第i个子评价目标中第j项评价指标的求权值。

在此基础上，计算各评价指标的综合得分，确定评价指标的离散程度。

(b)构建多粒度非平衡评价语言初始决策矩阵。

首先，构建多粒度非平衡评价语言初始决策矩阵。

其次，对构建好的多粒度非平衡评价语言初始决策矩阵进行一致性转换。具体步骤如下：

eik：es(k)→[1-k,k-1]

eik(esα(k))＝α

在上述函数式中，es(k)表示非平衡评价语言标度集，即可拓展的连续性标度集，esα(k)表示评价语言术语。

eik–1：[1-k,k-1]→s(k)eik-1(α)＝esα(k)

通过上述函数获得下标α所对应的连续性非平衡评价语言标度集。

设es(k1)＝{esα(k1)|α∈[1-k1,k1-1]}和es(k2)＝{esβ(k2)|β∈[1-k2,k2-1]}为任意不同粒度的连续性非平衡评价语言标度集，二者间的评价粒度转换函数(egtf)为:

egtfk2k1∶es(k1)[1-k1,k1-1]→es(k2)[1-k2,k2-1](13)

egtfk2k1(s(k1)α)＝ei-1k2[eik1(s(k1)α(k2-1)/k1-1＝esβ(k2)(14)

最后基于上述公式，可将多粒度评价语言信息一致化，得到粒度相同的非平衡评价矩阵。

(c)结合市场竞争等影响因素对其进行修订，运用归一化处理确定目标最终重要度。构建qfd的评价方案参数优化的层次模型。具体优化过程如下：

采用矩阵图解法，建立评价方案与评价目标间的关系，通过构建评价方案的hoq，分析评价方案自相关关系矩阵、评价目标自相关关系矩阵、评价方案与评价目标关系矩阵、评价方案实施手段的经济性、社会性参数等模块内容，从市场和用户需求出发，完善评价参数和评价变量。

在hoq的评价方案模块中，以用户和市场为导向，从方案的实现成本、功能质量、完成时间、社会价值等影响竞争力的因素着手进行度量，分别用字母ce1，ce2，ce3…表示。即ce＝[ce1，ce2，ce3…]^t。

在hoq的评价目标模块中，从评价目标的实现的经济性、结构性、环境性、技术性、功能性等影响竞争力的因素着手进行度量，分别用字母pe1，pe2，pe3…表示。即pe＝[pe1，pe2，pe3…]^t。

在hoq的评价方案与评价目标关系矩阵模块中，二者间的关系用矩阵的形式表示如下。以诸如0-1-3-5-7-9的数值序列表示评价方案与评价目标间的关联程度，即表示不相关—微弱相关—弱相关—中等相关—强相关—绝对相关。并对其关联程度,进行归一化处理。

式中：r—评价方案与评价目标的相关关系；cntm—第i项评价方案和第j项评价目标之间的相关关系程度。

在hoq的评价目标自相关关系矩阵模块中，用英文字母es表示评价目标的自相关关系。具体表示如下。

式中:es—评价目标中各参数间的自相关关系；esij—第i个评价目标参数与第j个评价目标参数间的相关关系。

在hoq的评价方案实施手段的经济性、社会性参数等模块中，利用如下公式，对方案的市场竞争性、技术竞争性等经济性、社会性参数进行评估。

c＝mt(19)

式中：m—市场竞争性；t—技术竞争性；c—综合竞争性。

步骤四、对面向工业设计云服务平台的多目标创意评价的冲突进行消解。

利用pareto第二代的加强进化算法strengthparetoevolutionaryalgorithm2spea2求解冲突模型，以用户的偏好为引导因子，解决评价中每个参与者的评价差异性冲突，获得最优解集。具体过程如下：

首先，构建一个多个目标、多个变量的评价模型。

xi∈{0,1},i＝1,…,n

其中

其次，对pareto第二代的加强进化算法参数进行初始化。产生初始大小为n的种群w0和外部群体k0，同时对该算法的初始的进化代数设为t＝0，将交叉概率和变异概率分别设定为pc和pm，对多目标的创意设计评价采用二进制编码，即0-1编码进行编码。

在此基础上对其进行适应度计算。结合目标函数maxz1、maxzn计算种群的适应度。根据pareto支配的定义，构造内部种群支配解集，进行外部种群k0管理和全局最优值更新，达到最大循环代数，输出外部种群k0，获得pareto最优解集；用满意度函数表示设计者对于自身多个设计目标是否达到最优化的满意程度，其计算方法如下。

最后，利用基于模糊集的满意度排序方法计算出最优解。构建最优方案的满意度函数：

获取最大隶属度函数值的有效解作为协同设计的最佳方案，将非线性多目标优化问题转化为基于协商的单目标优化问题，即：

maxs；

s.t.a∈qi,i＝1,2,…,n,k＝1,2,…,m.(23)。

应用实施例：

以面向工业设计云服务平台的多目标创意设计的产品方案评价(船舶——游艇)为例。

建立面向工业设计云服务平台的多目标创新设计的评价目标体系，以船舶——游艇为例。确定用于评价游艇的3个评价目标，即环境性、经济性、功能性和社会性。这几个评价目标中还包括多个子评价目标。

建立面向工业设计云服务平台的船舶——游艇的多目标创新设计的评价目标体系。

生成面向工业设计云服务平台的船舶——游艇的创新设计方案。

对面向工业设计云服务平台的船舶——游艇的创新设计方案进行初步评价。结合ahp主观赋权与熵值法客观赋权。

首先，结合ahp主观赋权。检验以上矩阵的一致性。cr1＝0.084＜0.1,cr2＝0.052＜0.1,cr3＝0.061＜0.1,cr4＝0.098＜0.1,矩阵通过一致性检验。

其次，熵值法客观赋权。利用excel构建游艇评价目标和设计方案的决策矩阵。

利用发明内容中的公式，算出游艇评价指标的熵值ej，评价指标的差异系数dj以及评价指标的求权值wj。

构建游艇的多粒度非平衡评价语言初始信息表。本案例采用的多粒度非平衡的语言评估标度是：

选取三位专家代表分别采取s⁽⁴⁾，s⁽³⁾，s⁽⁴⁾标度对游艇方案的环境性、经济性、功能性、社会性这四个评价目标的权重进行判断。

将多粒度信息利用相关公式进行一致化转换处理后，得到粒度一直的语言信息评价信息表。

结合市场竞争等影响因素对其进行修订。构建qfd的游艇评价方案参数优化的层次模型。质量屋中包含环境性(c)，经济性(e)，功能性(f)，社会性(s)这四个评价目标，其中c1代表环境性目标中的低污染物排放，c2代表环境性目标中的低能源消耗，c3代表环境性目标中低噪音水平；e1代表经济性目标中的低运营成本，e2代表经济性目标中的高收益性，e3代表经济性目标中的绿色循环利用；f1代表功能性目标中的舒适性，f2代表功能性目标中的安全性，f3代表功能性目标中的娱乐性；s1代表社会性目标中的公众健康，s2代表社会性目标中的可承受性，s3代表社会性目标中的用户体验满意度这一方面。ec1～ec9代表游艇的不同方案，由于篇幅有限，本实施例列举9个典型的游艇案例进行分析。

从设计师、普通用户、制造商、销售商、管理者中选出5个代表评价者，站在不同的立场对游艇的评价目标与创新设计方案进行评分，并利用hoq综合考虑市场、经济因素。

评价目标和方案的关系矩阵r，评价目标的自相关关系矩阵p，权重w矩阵分别为如下所示。

用pareto第二代的加强进化算法，对满足评价目标的游艇创新设计方案进行优选。得出最优解。

游艇方案优选的pareto最优解。