0 引　言

当前船舶舱室内推进监控显控台界面上存在状态参数显示重复过多，控制元件色彩差异不显著、不直观，部分控制元件位置设定不科学等问题^[1]。由此造成舱室内推进监控线控台的用户不能直观、快速、准确地获取监控信息，提升了用户对于监控内容的认知负荷^[2]，令舱室内推进监控显控台操作绩效下降。针对这些问题，相关学者进行了大量研究。李源枫等^[3]在进行界面布局优化过程中以用户导向为目标构建模型，利用遗传算法求解模型得到布局结果。许永生等^[4]在界面布局优化过程中以注意力分配机制为基础，从视觉层、行为层与心理层3个角度出发采集眼动数据，基于所采集数据获取优化结果。韦艳丽等^[5]在研究界面布局优化问题时，利用随机森林算法预测界面元素的布局位置。上述研究结果中均未考虑人眼视觉特性，导致最终界面布局结果不符合视觉审美标准。针对这一问题，研究船舶舱室内推进监控显控台界面布局优化设计方法，由此提升界面布局结果的视觉审美性。

1 显控台界面布局优化设计方法 1.1 显控台界面元素视觉注意度影响因素分析

船舶舱室内推进监控显控台界面中包含多个控制元件，不同元件间具有明显的形状、色彩、大小与间距等视觉特征差异。用户在舱室内推进监控显控台应用过程中，对于部分控制元件较容易发现，但同样有部分控制元件容易被用户忽视，这种情况表明对于用户来说，容易被发现的控制元件与容易被忽视的控制元件相比具备更显著的视觉注意力。由此可知，确定对视觉注意力产生直接影响的各个因素，是优化船舶舱室内推进监控显控台界面布局的重要环节。因此可从距离、色彩与视觉注意力等级3个角度分析不同控制元件的视觉注意力^[6]。

1.1.1 控制元件的距离

m表示待布置控制元件的数量，空间元件i的长度和宽度分别为l_i和k_i，以控制元件的中心点作为其位置坐标，其在船舶舱室内推进监控显控台界面上的坐标值可通过(x_i,y_i)表示，由此控制元件i与控制元件j的距离计算式为：

$ {d_{ij}} = \sqrt {{{\left( {{x_i} - {x_j}} \right)}^2} + {{\left( {{y_i} - {y_j}} \right)}^2}}。$

(1)

在确定不同控制元件间距离过程中，需保障各控制元件在布局过程中彼此互不干涉，因此设定控制元件距离的约束条件为：

$ \left\{ \begin{gathered} \frac{{{l_i} + {l_j}}}{2} - \left| {{x_j} - {x_i}} \right| \leqslant 0，\\ \frac{{{k_i} + {k_j}}}{2} - \left| {{y_j} - {y_i}} \right| \leqslant 0 。\\ \end{gathered} \right. $

(2)

1.1.2 控制元件的色彩

根据式(1)可构建控制元件i与其他控制元件j的色彩差异性：

$ {C_i} = \left\{ \begin{gathered} \sum\limits_{j = i + 1}^m {\frac{{{c_{ij}}}}{{{d_{ij}}}},{o_{ij}} \geqslant \varphi }，\\ \sum\limits_{j = i + 1}^m {{c_{ij}}{d_{ij}},{o_{ij}} < \varphi }。\\ \end{gathered} \right. $

(3)

式中： $ {c_{ij}} $ 和 $ {o_{ij}} $ 分别表示控制元件i与控制元件j的色彩对比度和相关水平， $ \varphi $ 表示常数，其主要功能为划分控制元件的相关水平大小。

1.1.3 控制元件的注意力等级

u_ig和S_i分别表示控制元件i的形心在不同视野区域g的等级和其在事业区域内所占面积，a_g和b_g分别表示不同视野区域g的椭圆长轴和短轴。则控制元件i的视觉注意力可描述为：

$ {Z_i} = \sum\limits_{i = 1}^m {{u_{ig}}{S_i}}。$

(4)

利用式(5)描述其约束条件：

$ {u_{ig}} = \left\{ \begin{gathered} \frac{{x_i^2}}{{a_B^2}} + \frac{{y_i^2}}{{b_B^2}} > 1,\frac{{x_i^2}}{{a_C^2}} + \frac{{y_i^2}}{{b_C^2}} \leqslant 1 ，\\ \frac{{x_i^2}}{{a_A^2}} + \frac{{y_i^2}}{{b_A^2}} > 1,\frac{{x_i^2}}{{a_B^2}} + \frac{{y_i^2}}{{b_B^2}} \leqslant 1 ，\\ \frac{{x_i^2}}{{a_A^2}} + \frac{{y_i^2}}{{b_A^2}} \leqslant 1 。\\ \end{gathered} \right. $

(5)

式中： $ {a_A} $ 、 $ {a_B} $ 、 $ {a_C} $ 和 $ {b_A} $ 、 $ {b_B} $ 、 $ {b_C} $ 分别表示视觉A、B和C区域的长轴和短轴。

1.2 影响因素权重计算

基于上述3个元素视觉注意度影响因素，选取G1法确定显控台界面内不同控制元件的关键度。将不同控制元件的关键度实施两两对比，影响因素的相对关键度为：

$ {r_k} = \frac{{{w_{k - 1}}}}{{{w_k}}}。$

(6)

式中，w_k为控制元件u_k的关键度。表1为r_k的赋值。

在此基础上，确定不同控制元件的权重值：

$ {w_i} = {\left( {1 + \sum\limits_{i = 1}^n {\prod\limits_{i = k}^n {{r_i}} } } \right)^{ - 1}}。$

(7)

1.3 显控台界面布局优化模型构建

在待布置的船舶舱室内推进监控显控台界面空间内，并不是所有位置都能够引起用户视觉注意，也不能将不同的空间元件都布置在最优位置上，所以在构建舱室内推进监控显控台界面布局优化模型过程中需整体分析不同控制元件的权重值。依照控制元件的距离、色彩与注意力等级计算公式与相应约束条件，设定优化目标为构建的目标函数去取得最大值^[7]，目标函数为：

$ \left\{ \begin{gathered} f{\left( i \right)_{{\rm{best}}}} = \max \left[ {\sum\limits_{i = 1}^n {\left( {{w_1} \cdot {Z_i} + {w_2} \cdot {d_{ij}} + {w_3} \cdot {c_i}} \right)} } \right]，\\ {w_1} + {w_2} + {w_3} = 1。\\ \end{gathered} \right. $

(8)

1.4 基于粒子群优化算法的目标函数求解

粒子群优化算法通过速度—位移模型，受适应度函数信息导向，通过独特的记忆性能跟踪搜索粒径，达到以种群为基础的全局搜索目的，与此同时实时调整搜索策略。通过粒子群算法能够有效解决多维空间多峰问题寻优以及动态目标寻优等问题，且具有高效率、高解质量以及高鲁棒性等优势。利用粒子群算法求解舱室内推进监控显控台界面布局优化模型的具体过程为：

将舱室内推进监控显控台界面布局优化模型目标函数的不同解设定为不同离子，设定D为空间内存在m个舱室内推进监控显控台界面布局优化模型目标函数解，以 $ {X_i} = \left( {{x_{i1}},{x_{i2}}, \cdots ,{x_{iD}}} \right) $ 表示不同目标函数解的位置，不同位置均同目标函数解相关适应度函数F_it相对应。 $ {V_i} = \left( {{v_{i1}},{v_{i2}}, \cdots ,{v_{iD}}} \right) $ 表示第i个目标函数解的速度，[V_min,V_max]和[X_min,V_max]分别表示目标函数解的速度区间与位置范围，经由设定[V_min,V_max]和[X_min,X_max]约束目标函数解的移动，由此降低目标函数解偏离搜索空间的概率。 $ {P_i} = \left( {{p_{i1}},{p_{i2}}, \cdots ,{p_{iD}}} \right) $ 和 $ {P_g} = \left( {{p_{g1}},{p_{g2}}, \cdots ,{p_{gD}}} \right) $ 分别表示单一目标函数解i在搜索过程中的最优位置和群体内全部目标函数解经历过的最优位置，不同目标函数解的速度与位置描述为：

$ \begin{split} {V_{id}}\left( {t + 1} \right) =& w{V_{id}}\left( t \right) + {c_1}{r_1} \left[ {{P_{id}}\left( t \right) - {X_{id}}\left( t \right)} \right] + \\ & {c_2}{r_2}\left[ {{P_{gd}}\left( t \right) - {X_{id}}\left( t \right)} \right]，\end{split} $

(9)

$ {X_{id}}\left( {t + 1} \right) = {X_{id}}\left( t \right) + {V_{id}}\left( {t + 1} \right)。$

(10)

式中， $ i = 1,2, \cdots ,M $ ； $ d = 1,2, \cdots ,D $ ； $ w $ 表示惯性权重，其值通常为0.4~0.9，依照迭代次数逐渐下降； $ c $ 和 $ r $ 分别表示学习因子和随机数，通常情况下， $ c $ 的取值为2.0， $ r $ 的取值为[0,1]。

粒子群内不同目标函数解依照式(9)与式(10)持续更新进化，在飞行速度的引导下经由跟踪P_i和P_g，推动整体目标函数解种群最终收敛至P_g，由此完成船舶舱室内推进监控显控台界面布局优化模型目标函数的求解。

2 实验结果与分析

本文研究船舶舱室内推进监控显控台界面布局优化设计方法，为验证本文方法的实际应用性能，以某型船舶为研究对象，采用本文方法对研究对象舱室内推进监控显控台界面进行布局优化测试。

研究对象舱室内推进监控显控台界面内共包含12个不规则的控制元件，将其定义为K1～K12，不同控制元件分为4组。其中，K1为显示内容切换按钮，K2～K5为工作方式显示区域，K6为火力控制参数区域，K7～K10为系统检测结果显示区域，K11～K12为控制界面。表2为各控制元件的尺寸参数值。

2.1 界面布局优化结果

采用本文方法计算研究对象舱室内推进监控显控台界不同控制元件的权重值，所得结果如表3所示。分析可知，在4组控制元件内，工作方式显示区域的权重值最高，其次为控制界面，火力控制参数区域与系统检测结果显示区域的权重值最低。

根据表3中的权重值计算结果，令优化后的研究对象舱室内推进监控显控台界面布局更符合用户视觉注意力机制，基于设定的模型参数，通过Matlab软件求解目标函数，获取最大适应度函数值对应的最优个体编码，逼格对其实施解码计算，获取表象数据参数，将其引入实际界面布局过程中，得到最新优化后的界面坐标结果，如表4所示。可知，采用本文方法能够有效实现船舶舱室内推进监控显控台界面布局优化。

2.2 优化结果对比

为进一步说明本文方法对于研究对象舱室内推进监控显控台界面布局优化的性能，对比采用本文方法优化前后的研究对象室内推进监控显控台界面布局，结果如图1所示。

可知，采用本文方法对研究对象舱室内推进监控显控台界面布局进行优化后，权重值相对各控制元件的均被安排在视野A范围内，同时将这种安排对于界面的实际操作产生积极影响，同时将工作方式显示区域等主要控制元件设置在界面中心位置，剩余各控制元件均匀分布在周边，符合人类视觉审美标准。

3 结　语

本文研究船舶舱室内推进监控显控台界面布局优化设计方法，通过控制元件布局的各影响因素进行权重计算，并将其引入目标函数中，由此构建基于视觉注意力机制的界面优化模型，采用粒子群优化算法求解模型目标函数。实验结果显示该方法能够有效实现界面优化目的，令优化后的界面更符合人类视觉审美标准。