结合SVM的交互式遗传算法及其应用

交互式遗传算法在人机交互过程中．用户对每代的所有个体都要进行评估。针对个体数量较大．进化代数较多．用户容易疲劳这一问题。提出了一种改进算法。充分利用遗传初始阶段用户所选择的正例和反例信息．采用支持向量机构造分类器．在整个图像库中找出更多符合分类器的图像加入到遗传过程．以扩大遗传操作中好个体的个数．加速算法收敛．从而减轻用户疲劳；同时交互中不断扩大的样本集也使支持向量机分类器更加准确．从而建立比较完善的个性化的情感模型。本文将该算法应用于服装图像的个性化情感检索。实验结果表明．所提出的方法可以较好地减轻用户疲劳，检索出的图像较好地体现用户的个性化情感。     

进化加速技术在图像检索中的应用

在感性的图像检索中采用交互式进化技术,可以将用户的直觉、情感等感性因素有机地融入进化过程中,但是存在无法有效解决用户易疲劳问题。针对这一不足,该文引入基于引导的进化加速算法,使得进化收敛的速度加快,从而来减轻用户疲劳,检索实验结果表明该算法在检索交互次数和检索效果上都有显著的改善。     

改进的区间值模糊集交互式遗传算法

区间值模糊集的交互式遗传算法,能有效缓解用户的疲劳,同时避免用户因一时无法给出确定值而浪费掉的时间,大大加快了收敛速度。首先采用区间值模糊集的方法表示对个体进行评价的适应度值,即为区间适应度值,然后对其进行排序,按照排序结果采用交互式遗传算法进行全局搜索。整个过程符合人的思维过程,能有效搜索到用户满意的个体。将该方法应用于图像检索系统中,结果表明该方法有效地提高了检索速度,并且取得了较好的检索结果。     

改进的IGA在建筑造型创新设计中的应用

交互式遗传算法(IGA)通过人机交互以用户对个体的评估代替传统的适应度函数,在艺术设计等偏向于人类主观感受的领域具有很高的应用价值和广泛的现实意义。文中针对IGA中人的疲劳问题,提出了将根据配对个体之间的相似度值自适应地确定交叉率的方法引入IGA。通过这种方法,可以提高遗传寻优计算的效率,加快IGA的收敛速度,有效缓解用户疲劳。将该方法应用于建筑造型的创新设计中,证明该方法的巨大潜力。     

改进的IGA在建筑造型创新设计中的应用

交互式遗传算法(IGA)通过人机交互以用户对个体的评估代替传统的适应度函数,在艺术设计等偏向于人类主观感受的领域具有很高的应用价值和广泛的现实意义.文中针对IGA中人的疲劳问题,提出了将根据配对个体之间的相似度值自适应地确定交叉率的方法引入IGA由通过这种方法,可以提高遗传寻优计算的效率,加快IGA的收敛速度,有效缓解用户疲劳.将该方法应用于建筑造型的创新设计中,证明该方法的巨大潜力.     

基于选择关系嵌入算法的图像检索方法

结合流形学习和相关反馈技术的图像检索方法关键是结合低层可视化信息,从少量用户反馈信息中学习用户语义,以获得语义子空间流形。为获得更真实的语义子空间,文中在区分对待低层可视化和用户反馈信息的同时,基于低层可视化信息选择学习反馈信息中的类内和类间关系,提出一种选择关系嵌入算法应用于图像检索。该方法可保留更真实的语义流形结构,从而提高在低维空间中的检索精度。实验结果表明文中方法可将图像映射到更广范围的低维空间,在反馈迭代两次之后检索精度提高最高可达16。3%。     

基于移动Agent和最优搜索理论的CBIR系统

传统的基于关键字的图像检索已经不能满足用户的需求,基于内容的图像检索（CBIR）近年来成为研究热点。由于CBIR搜索速度较慢,用户在有限的搜索时间内不可能搜索所有的图像站点。本文提出一种最优的搜索资源分配方案,使得用户在有限的搜索时间内能获取最好的搜索结果。重点讨论了基于移动Agent的搜索引擎模型、最优搜索理论和搜索资源的最优分配。     

基于灭绝机制的交互式遗传算法

针对传统交互式遗传算法的早熟收敛和用户易疲劳问题,提出灭绝机制,以减小搜索空间,提高算法性能．利用进化历史信息,辨识并灭绝劣势物种和劣势个体．利用搜索空间划分实现优胜与劣汰相互牵制．给出禁忌域与有效域中个体数目关于进化代数的公式．分析算法性能的参数敏感性．有效搜索空间的快速缩小和较小的最大进化代数估计证明了该算法有较高的性能．实验结果表明该算法的高效率．结果进一步证明了缩小了搜索空间,能有效避免早熟和减轻用户疲劳．     

基于IGA的用户Agent模型与设计

个性化信息检索与获取是目前理论与应用研究的一个热点.其解用户疲劳、加快算法的收敛.本文以图形检索为应用背景,提出了基于交互式遗传算法的用户Agent模型.该软件Agent针对现有研究的不足,将用户个性化信息获取与个性化检索集成在一起,两者相辅相成.在获取用户个性化信息时,我们设计了一种结合归纳和统计的用户情感计算机制,通过对前几代操作的结果进行归纳、计算,得到用户的特异性偏好;在利用用户情感偏好实现检索时,我们设计了利用个体偏好的引导进化方法来指导交互式遗传算法的选择、变异等操作.实验验证该模型在人脸图形检索中确实达到了体现用户个性化,有效缓解用户疲劳的目的.     

改进遗传算法的医学图像配准

采用遗传算法的医学图像配准时,遗传算法存在收敛速度慢,易早熟的问题,有可能导致误配.提出改进遗传算法(IGA),该方法将外推搜索和黄金分割搜索与标准遗传算法(SGA)相结合,既提高了遗传算法的收敛速度,又有效地防止了早熟.实验结果表明,改进算法具有更好的有效性和精确性.     

Integrated fuzzy logic and genetic algorithmic approach for simultaneous localization and mapping of mobile robots

This paper presents a novel method of integrating fuzzy logic (FL) and genetic algorithm (GA) to solve the simultaneous localization and mapping (SLAM) problem of mobile robots. The core of the proposed SLAM algorithm is based on an island model GA (IGA) which searches for the most probable map(s) such that the associated pose(s) provides the robot with the best localization information. Prior knowledge about the problem domain is transferred to GA in order to speed up the convergence. Fuzzy logic is employed to serve this purpose and allows the IGA to conduct the search starting from a potential region of the pose space. The underlying fuzzy mapping rules infer the uncertainty in the robot's location after executing a motion command and generate a sample-based prediction of its current position. This sample set is used as the initial population for the proposed IGA. Thus the GA-based search starts with adequate knowledge on the problem domain. The correspondence problem in SLAM is solved by exploiting the property of natural selection, which supports better performing individuals to survive in the competition. The proposed algorithm follows essentially no assumption about the environment and has the capacity to resolve the loop closure problem without maintaining explicit loop closure heuristics. The algorithm processes sensor data incrementally and therefore, has the capability of real time map generation. Experimental results in different indoor environments are presented to validate robustness of the algorithm.     

基于免疫遗传算法的Web服务组合方法

针对Web服务组合提出一种免疫遗传算法(IGA)。该算法将免疫原理引入遗传算法(GA)中,提高算法的整体特性。主要表现在免疫选择可有效地防止早熟,基于免疫记忆的子群体信息交换策略可加速收敛。GA在Web服务选择上存在不足,而IGA可以在备选的Web服务中进行有效的选择并最终组成Web服务组合,提高服务组合的质量和收敛速度。仿真实验结果表明IGA比GA更有效。     

基于BP神经网络代理模型的交互式遗传算法

针对交互式遗传算法存在用户评价噪声和审美疲劳的问题,提出一种基于误差反向传播神经网络用户认知代理模型的交互式遗传算法。通过构建用户评价噪声模型,形成进化个体动态模糊区间适应值,以刻画用户认知随机不确定性;在用户认知确定阶段历史评价信息基础上,构建误差反向传播神经网络代理模型,给出一种新的适应值估计策略;通过度量均方误差,实现代理模型的管理与更新。将所提方法应用于蜡染风格图案设计,并与其他典型算法对比。结果表明,该方法能够有效优化进化个体适应值质量、降低用户审美疲劳。     

交互式遗传算法中用户评估质量和收敛性能提高

交互式遗传算法主要是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法。但交互式遗传算法存在的主要问题是:当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象。针对这种问题,本文提出三种方法来提高收敛性及评估过程的质量。在人脸图形上所做的实验结果表明,算法可以有效地缓解用户的疲劳问题。     

一种算子操作概率的自适应策略

在分析传统遗传算法易发生早熟收敛的基础上，本文提出了一种改进算法IGA。IGA采用一种新的交叉率变异率自适应变化的策略，防止在进化初期种群不发生变化造成算法早熟。数值计算结果表明，利用改进策略的IGA搜索整体性较强，可以有效地避免早熟现象产生，提高全局优化能力。     

交互式遗传算法中用户评估方法研究

交互式遗传算法是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法.但交互式遗传算法存在的一个主要问题是当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象.针对这种问题,本文提出了两种方法来提高收敛性,缩短评估过程,从而最终解决用户疲劳问题.对人脸识别问题的实验结果表明本文算法可以有效的解决用户疲劳问题.     

基于CP-nets 的偏好感知交互式遗传算法及其个性化搜索

针对用户显式评价导致用户疲劳,进而限制交互式遗传算法搜索性能的问题,研究基于用户交互行为和条件偏好网络(CP-nets)的隐式评价模式的交互式遗传算法,并将其应用于图书商品个性化搜索。首先,给出用户交互行为的数学描述,建立基于用户少量交互行为的条件偏好网络模型以拟合用户偏好;然后,利用CP-nets模型估计用户对进化个体的评价值,实施进化操作以帮助用户尽快找到满意解。在个性化搜索中的应用验证了所提出算法的有效性。