(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210502859.7 (22)申请日 2022.05.10 (71)申请人 合肥工业大 学 地址 230000 安徽省合肥市屯溪路193号 (72)发明人 张紫寰　郭喆　李早　 (74)专利代理 机构 安徽盟友知识产权代理事务 所(特殊普通 合伙) 34213 专利代理师 樊广秋 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06N 5/04(2006.01) G06F 3/01(2006.01) G06F 111/06(2020.01)G06F 111/18(2020.01) (54)发明名称 基于EEG信号的实时交互式空间要素优化方 法 (57)摘要 本发明公开了一种基于EEG信号的实时交互 式空间要素优化方法， 该方法包括如下步骤： 以 多个空间要素构成决策变量、 以EEG信号的多个 特征参数作为多个目标函数构建空间要素优化 模型； 基于多目标遗传算法对所述构建空间要素 优化模型求解， 得到空间要素的最优解。 本发明 实现了基于人类情感以及心理要素的生理数据 对建筑空间要素实施定量 化优化。 权利要求书2页 说明书9页 附图8页 CN 114861274 A 2022.08.05 CN 114861274 A 1.基于EEG信号的实时交 互式空间要素优化方法， 其特 征在于， 包括： 以多个空间要素构成决策变量、 以EEG信号的多个特征参数作为多个目标函数构建空 间要素优化模型； 基于多目标遗传算法对所述构建空间要素优化模型求 解， 得到空间要素的最优解。 2.根据权利要求1所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述空间要素包括： 窗洞宽度W、 高度H及空间颜色的R、 G、 B参数； 所述EEG信号的特征参数包括第一脑电特征参数值和第二脑电特征参数值， 所述第一 脑电特征参数值表征放松程度， 所述第二脑电特 征参数值表征专 注紧张程度； 所述以EEG信号的多个特征参数作为多个目标函数包括： 以第一脑电特征参数值最大 值生成第一目标函数， 以第二脑电特 征参数值的最小值 生成第二目标函数。 3.根据权利要求2所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述基于多目标遗传算法对所述构建空间要素优化模型求 解， 包括： S1： 基于初始种群中的决策变量输入预设的参数化建筑空间模型； S2： 基于参数化建筑空间模型生成虚拟现实场景， 采集虚拟现实场景下受试者的EEG信 号； S3： 基于所述EEG信号的第一脑电特征参数值和第二脑电特征参数值获取第一目标函 数值和第二目标函数值； S4： 基于多目标遗传算法对种群进行迭代更新， 并将迭代更新后的种群中的决策变量 输入预设的参数化建筑空间模型； S5： 重复S2 ‑S4形成“空间变化 ‑实时EEG信号 ‑空间要素优化 ‑空间变化 ”的闭环优化过 程， 直至满足预设迭代 停止条件， 获取空间要素优化模型的解 集。 4.根据权利要求3所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述步骤S4中， 多目标遗传算法采用非支配排序遗传算法NSGA ‑II。 5.根据权利要求4所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述步骤S4， 包括： 对初始种群P0进行非支配排序， 每个种群的适应度即为其非支配水平， 通过排序， 每个 个体得到一个RANK值， 并计算拥挤距离； 通过竞赛法选择精英个体， 并通过交叉、 变异操作， 生成一个种群大小 同样为N的子代 种群Q0， 并再次计算 适应度作为非支配水平； 将子代种群Qt和父代种群Pt合并， 得到一个种群大小为2N的新种群Rt； 对Rt采用拥挤比较算子排序， 依次选取排序最优的个体复制到新的种群Pt+1， 直到新种 群规模为 N， 获得一次迭代更新后的种群。 6.根据权利要求3所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述步骤S2， 包括： 基于参数化建筑空间模型生成虚拟现实场景， 在受试者眼前停留第一预设时长； 所述步骤S3， 包括： 基于所述第一预设时长内受试者的EEG信号， 取中间第二预设时长的EEG信号获取第一 脑电特征参数值和第二脑电特 征参数值。 7.根据权利要求3所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114861274 A 2所述步骤S5， 包括： 基于获取的空间要素优化模型的解 集， 获取空间要素优化模型的多个候选解； 采用模糊推理算法对多个候选解进行模糊评价， 并获取最优解。 8.根据权利要求7所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述采用模糊推理算法对多个候选解进行模糊评价， 包括： 基于多个候选解中的最大值、 最小值及 当前候选解与最小值的差值确定当前候选解的 隶属度函数； 根据预设决策者的空间要素优化意图类别， 获取不同意图类别下对于第 一目标函数和 第二目标函数的权 重分配； 基于候选解的隶属度以及目标空间要素优化意图类别的第一目标函数和第二目标函 数的权重分配， 计算 候选解的模糊推理结果； 基于目标空间要素优化意图类别下模糊推理结果最大值对应的候选解作为目标空间 要素优化 意图类别下的最优解。 9.根据权利要求4所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述步骤S5， 还 包括： 在获取当前迭代次数时的第 一目标函数值和第 二目标函数值后， 获取所有迭代次数的 第一目标函数值和第二目标函数值的变化特 征； 当所述变化特 征出现异常时， 停止迭代更新过程。 10.根据权利要求5所述的基于EEG信号的实时交互式空间要素优化方法， 其特征在于， 所述变化特 征采用标准差特 征。权　利　要　求　书 2/2 页 3 CN 114861274 A 3