智能化快速设计

智能设计是指应用现代信息技术，采用计算机模拟人类的思维活动，提高计算机的智能水平，从而使计算机能够更多、更好地承担设计过程中各种复杂任务，成为设计人员的重要辅助工具。

智能设计特点

1.以设计方法学为指导。智能设计的发展，从根本上取决于对设计本质的理解。设计方法学对设计本质、过程设计思维特征及其方法学的深入研究是智能设计模拟人工设计的基本依据。
2.以人工智能技术为实现手段。借助专家系统技术在知识处理上的强大功能，结合人工神经网络和机器学习技术，较好地支持设计过程自动化。
3.以传统CAD技术为数值计算和图形处理工具。提供对设计对象的优化设计、有限元分析和图形显示输出上的支持。
4.面向集成智能化。不但支持设计的全过程，而且考虑到与CAM的集成，提供统一的数据模型和数据交换接口。
5.提供强大的人机交互功能。使设计师对智能设计过程的干预，即与人工智能融合成为可能。

智能设计层次

综合国内外关于智能设计的研究现状和发展趋势，智能设计按设计能力可以分为三个层次：常规设计、联想设计和进化设计。
常规设计
即设计属性、设计进程、设计策略已经规划好，智能系统在推理机的作用下，调用符号模型(如规则、语义网络、框架等)进行设计。国内外投入应用的智能设计系统大多属于此类，如日本NEC公司用于VLSI产品布置设计的Wirex系统，华中理工大学开发的标准V带传动设计专家系统(JDDES)、压力容器智能CAD系统等。这类智能系统常常只能解决定义良好、结构良好的常规问题，故称常规设计。
联想设计
研究可分为两类：一类是利用工程中已有的设计事例，进行比较，获取现有设计的指导信息，这需要收集大量良好的、可对比的设计事例，对大多数问题是困难的；另一类是利用人工神经网络数值处理能力，从试验数据、计算数据中获得关于设计的隐含知识，以指导设计。这类设计借助于其他事例和设计数据，实现了对常规设计的一定突破，称为联想设计。
进化设计
遗传算法(GA，即Geneticalgorithms)是一种借鉴生物界自然选择和自然进化机制的、高度并行的、随机的、自适应的搜索算法。20世纪80年代早期，遗传算法已在人工搜索、函数优化等方面得到广泛应用，并推广到计算机科学、机械工程等多个领域。进入20世纪90年代，遗传算法的研究在其基于种群进化的原理上，拓展出进化编程(EP，即Evolutionaryprogramming)、进化策略(ES,即Evolutionarystrategies)等方向，它们并称为进化计算(EC,即Evolutionarycomputation)。
进化计算使得智能设计拓展到进化设计，其特点是：
*设计方案或设计策略编码为基因串，形成设计样本的基因种群。
*设计方案评价函数决定种群中样本的优劣和进化方向。
*进化过程就是样本的繁殖、交叉和变异等过程。
进化设计对环境知识依赖很少，而且优良样本的交叉、变异往往是设计创新的源泉，所以在1996年举办的“设计中的人工智能”(Artificialinterlligenceindesign’96)国际会议上，M.A.Rosenman提出了设计中的进化模型，进而进化计算作为实现非常规设计的有利工具。