交互式遗传算法（Interactive Genetic Algorithm,IGA）是将人的智慧与遗传算法相结合的人机融合智能技术,主要用于解决隐式性能指标的优化问题。产品形态交互式进化设计（Interactive Evolutionary Product Form Design,IEPFD）是针对产品造型、色彩中隐式性能指标,结合IGA展开的设计决策。它在产品设计领域的不同场景中得到了广泛应用。由于人类认知的局限性和易疲劳性会直接影响进化个体的适应度赋值,进而影响进化计算的综合性能,大量文献研究了提高交互式遗传算法性能的方法,但少有从改善用户认知的角度展开研究。鉴于此,论文通过研究交互式进化设计的认知干预理论与方法,改进人机融合的综合性能。论文的理论研究成果体现在如下2个方面:（1）结合意义建构论,提出了交互式进化设计认知模型,阐释了不良认知的形成机制,并结合“默认-干预”模型,提出了交互式进化设计认知干预前提条件和控制因素;（2）通过建立问题域-特征域的产品形态设计情境,以及定义IEPFD的情境信息内涵,提出了情境信息引导的IEPFD认知干预策略。论文的方法研究成果体现在如下3个方面:（1）针对设计认知的模糊性,提出了异质信息汇聚的IEPFD认知干预方法,包括:针对决策前端认知模糊的“文本-情景-符号”映射方法、针对决策过程认知模糊的豪斯多夫个体聚类方法;（2）针对设计认知的关联性,提出了关联信息驱动的IEPFD认知干预方法,即融合了“感性评价-具体特征”关联模型的“显-隐”融合个体聚类方法;（3）针对适应度赋值认知的易疲劳性,提出了两极信息比较的IEPFD认知干预方法,包括:两极递进式的个体排序方法、基于个体排序的模糊适应度计算方法,以及基于模糊适应度的个体比较方法。通过基准与改进的比较实验,以上认知干预方法能够降低初代种群评价耗时、总耗时等方面的指标,提高了人机融合综合性能。论文以IEPFD的认知干预为切入点,展开了系统的理论与方法研究,为人机融合智能技术在产品形态设计中的应用,提供参考。该论文有图45幅,表11个,参考文献219篇。