Tradicionalmente, el diseño cerámico comenzaba con bocetos en papel rugoso y luego evolucionaba hacia el uso de software CAD para diseños y simulaciones más complejos. Con los avances tecnológicos, los algoritmos de optimización se han introducido gradualmente en el diseño cerámico para mejorar la eficiencia y la diversidad creativa. El uso de Algoritmos Genéticos Interactivos (IGAs) para el diseño cerámico es un enfoque nuevo, pero un IGA requiere una cantidad significativa de evaluación por parte del usuario, lo que puede provocar fatiga. Para superar este problema, este documento presenta los algoritmos LightGBM y CatBoost para mejorar el IGA, ya que tienen excelentes capacidades predictivas que pueden ayudar a los usuarios en las evaluaciones. Los algoritmos también se aplican a una plataforma de diseño de jarrones para validación. En primer lugar, se utilizan superficies bicúbicas de Bézier para el modelado, y se diseña la codificación genética del jarrón con operadores evolutivos apropiados seleccionados. En segundo lugar, se recopilan datos de usuario de la plataforma en línea para entrenar y optimizar los algoritmos LightGBM y CatBoost. Finalmente, LightGBM y CatBoost se combinan con un IGA y se aplican a la plataforma de diseño de jarrones para verificar su efectividad. Al comparar el algoritmo mejorado con IGAs tradicionales, árboles KD, Random Forest y XGBoost, se encuentra que los IGAs mejoran con LightGBM, y CatBoost tiene un mejor rendimiento en general, requiriendo menos evaluaciones y menos tiempo. Su R es más alto que otros modelos de proxy, logrando 0.816 y 0.839, respectivamente. El método mejorado propuesto en este documento puede aliviar efectivamente la fatiga del usuario y mejorar la experiencia del usuario en la participación en el diseño de productos.