交互式遗传算法（Interactive Genetic Algorithm，IGA）是一种将人的主观评价值作为个体适应值的智能进化方法。IGA最显著的特点就是融入了人的智能，个体的适应度由用户指定而非通过函数，因此非常适合解决隐式性能指标或评价指标模糊的优化问题，其中一个重要的应用就是在产品配置领域。然而IGA也存在一些限制，由于用户通过人机界面指定个体的适应度，频繁的交互很容易引起用户疲劳，而且，在评价过程中，由于对目标个体的不明确以及疲劳的影响，对于相同的个体在不同的评价阶段可能会有不同的适应值，也就是所谓的评价噪声。另外，在用交互式遗传算法解决产品配置问题时，由于交叉、变异操作的随机性，会产生不满足约束的个体。因此，针对以上问题，本文做了以下研究。（1）针对评价噪声和疲劳度问题，提出了犹豫的概念，给出了量化犹豫度的公式，并根据评价过程中不同阶段犹豫度的规律，建立了犹豫度调整机制以降低评价过程中的噪声，最终达到加速收敛、减少疲劳度、提高满意度的目的。（2）针对交叉变异过程中产生不满足约束条件的问题，将约束分为结构性约束和非结构性约束，并提出两种约束处理策略——删除策略与修改策略来解决两种约束在产品配置不同阶段中产生的问题。（3）考虑到传统产品配置模型不能很好的适用于交互式遗传算法，提出了基于实例的PIC模型，将企业拥有的设计实例资源整合为一个整体，并且明确了各个组成模块之间的约束条件，为之后的约束处理策略的运行奠定了基础。最后，本文建立了基于犹豫度调整机制的交互式遗传算法的总体流程，并应用汽车操纵台进行了仿真实验，建立了基于HAM-IGA的汽车操纵台概念设计系统，与传统交互式遗传算法进行了对比实验，结果表明本方法体系能够有效的降低评价过程中尤其是评价前期中的评价噪声，从而减少用户的评价代数和评价时间，避免由于长时间的评价而产生疲劳。并且此方法能够明显的提高用户对于系统结果的满意度，在产品配置领域有很好的应用前景。