Разработкой и оптимизацией интерфейсов занимается дизайнер, который знает ряд базовых правил оформления и размещения элементов управления. При разработке интерфейсов дизайнер сталкивается со следующими проблемами:

1.  Невозможностью систематической генерации новых идей дизайнером.

2. Сложностью выхода за рамки привычного, если дизайнер имеет большой опыт работы.

3. Проблематичностью одновременного решения рутинных и сложных креативных задач.

В данной работе под интерфейсом понимается web-интерфейс, который реализуется с помощью языка разметки html, имеющего древовидную структуру. Благодаря использованию генетического программирования (автоматического создания или изменения программ с помощью генетических алгоритмов [1]), впервые применённого к древовидной структуре Джоном Коза [2, 3], можно найти наиболее оптимальные дизайнерские решения, которые, хотя и могут в некоторой степени нарушать привычные принципы оформления, тем не менее оказываются значительно лучше. Принцип работы генетического программирования применительно к html-страницам заключается в следующем:

1. Выбирается начальная популяция html-файлов.

2. Каждый html-файл популяции представляется в виде дерева.

3. К узлам дерева применяются операторы скрещивания и мутации, в результате чего получаются новые html-страницы.

4.Применяется многокритериальный анализ применительно к новому поколению html-страниц и выбираются лучшие особи.

5.Если получившиеся страницы удовлетворяют требованиям дизайнера, то работа алгоритма завершается, иначе повторяются все шаги, начиная со второго.

Таким образом происходит оптимизация интерфейса, благодаря отбору лучших вариантов из множества возможных по определенным критериям. В результате таких операций у дизайнера появится возможность повысить скорость и эффективность разработки пользовательских интерфейсов.

В ходе исследования были разработаны следующие генетические операторы:

1.  Простое скрещивание.

2.  Семантическое скрещивание.

3.  Глобальное скрещивание.

4.  Структурная мутация.

5.  Семантическая мутация.

6.  Усечение.

Была разработана программа, в которой были реализованы данные генетические операторы. Принцип работы программы заключается в следующем: сначала пользователь (дизайнер) загружает несколько web-страниц, которые будут представлены в виде древовидных хромосом, составляющих начальную популяцию. После того, как пользователь загрузит несколько страниц, он может отметить операторы, которые будут использованы при формировании новой популяции. После нажатия на кнопку «Создать новое поколение» формируется новое поколение хромосом, которые представляются в виде html-кода, и web-страница отображается в списке «Все потомки», а также отображается ее содержимое. Кроме этого, содержимое web-страницы представляется в виде дерева и в виде html-кода. Когда будет сформировано новое поколение, дизайнер может отобрать необходимые для него решения, которые будут являться начальной популяцией для новых решений. Этот процесс отбора web-страниц и применения к ним операторов генетического программирования позволяет рано или поздно найти лучшее решение.

С использованием созданной программы был сформирован новой интерфейс. Оценка эргономичности нового интерфейса осуществлялась путем опроса в социальной сети ВКонтакте. Пользователям были предложены две исходных страницы и страница, которая получилась в результате синтеза первых двух, то есть в результате применения к ним генетических операторов, разработанных в рамках данной работы. Страницы приведены на рисунках 1–3, а результаты опроса – на рисунке 4. В опросе участвовало 68 человек, 62 из них считают, что результирующая web-страница лучше предыдущих, остальные 6 человек – хуже. В процентном соотношении 91.2% считают, что результирующая страница лучше, а 8.8% – хуже. Целевая аудитория – люди 18–25 лет.

Рисунок 1 – Первая страница

Рисунок 2 – Вторая страница

Рисунок 3 – Результирующая страница

Рисунок 4 – Результат опроса

Список использованных источников

1.  Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы /Под ред. В.М. Курейчика. – 2-е изд., исправл. и доп. – М.: ФИЗМАТЛИТ, 2010. – 386 с. – ISBN 978-5-9221-0510-1.

2.  Koza, J.R. (1990), Genetic Programming: A Paradigm for Genetically Breeding Populations of Computer Programs to Solve Problems, Stanford University Computer Science Department technical report STAN-CS-90-1314.

3.  Koza, J.R. Hierarhical Genetic Algorithms Operating on Populations of Computer Programs. Computer Science, Department Stanford University, Stanford, California 94305.