自适应分区多代理模型交互式遗传算法

为提高交互式遗传算法的性能,提出一种自适应分区多代理模型交互式遗传算法&.该算法基于关键维分割进化初期的搜索空间,同时基于进化进程,逼近精度以及用户评价敏感度,自适应地分割进化中后期的搜索空间.在子空间上,采用多类代理模型学习用户对进化个体评价,并用于评价后续进化的部分或全部个体.将该算法应用于服装进化设计系统,实验结果表明,算法在种群多样性,减轻用户疲劳及用户对优化结果满意度等方面均具有优越性.

     

基于多近似模型的交互式遗传算法

人的疲劳向题是交互式遗传算法的核心问题,它制约了交互式遗传算法在复杂优化问题中的应用.为了解决该问题,本文提出基于多近似模型的交互式遗传算法.该算法首先将搜索空间划分,然后利用传统交互式遗传算法得到的数据,在不同子空间生成不同的近似模型,最后采用该模型近似人对进化个体的评价,从而减少人评价的数量,有效解决人的疲劳问题.算法性能分析及在服装进化设计系统中的应用验证了其有效性.     

基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型

融合了用户认知和智能评价的交互式遗传算法（Interactive genetic algorithm,IGA）是解决一类定性性能指标优化问题的有效方法,但是,评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力. 基于用户已评价信息,采用合适的机器学习方法,构建用户认知代理模型是解决上述问题的常用方法之一. 但是,现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响,以及模型拟合不确定性对基于适应值的进化操作有效性的影响. 针对上述问题,本文提出基于加权多输出高斯过程（Gaussian process,GP）代理模型的交互式遗传算法. 首先,在区间适应值评价模式下,提取学习样本的噪声特性,以确定相应学习样本对代理模型的影响度权重系数,构建两输出高斯过程代理模型;然后,利用代理模型提供的预测值及预测置信水平,给出一种新的个体适应值估计方法和个体选择方法;基于模型预测信息,实现模型更新管理. 将所提算法分别应用于含噪函数和服装设计问题中,所得结果表明本文算法可更好地拟合和跟踪用户认知,减小对进化搜索的误导,更快找到用户满意解.     

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。     

交互式遗传算法的个性化商品搜索

为解决电子商务中存在的用户搜索商品耗时太长的问题,提出了利用交互式遗传算法的个性化商品搜索.根据用户输入的初始搜索字段,利用基于关键词的多层递阶编码结构,构造进化个体,并给出此类编码方式的解码、交叉、变异算子.用户选择的潜在感兴趣的商品信息,提出了用户行为的进化个体适应值评价模型,以获得用户对所有商品的感兴趣度,进而利用交互式遗传算法辅助用户尽快搜索到满意信息.最后,将改进算法应用于JADE平台开发的智能购书系统,通过与现有购物平台在搜索耗时和成功率方面的比较验证了本文方法的有效性.     

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。     

区间适应值交互式遗传算法神经网络代理模型

为了解决交互式遗传算法的用户疲劳问题,提出区间适应值交互式遗传算法神经网络代理模型．首先,对用户已评价个体的基因型及其适应值进行采样以训练神经网络,使其逼近区间适应值的上下限;然后,利用神经网络代理模型,评价后续的部分进化个体,并不断更新训练数据和代理模型,以保证逼近精度;最后,对算法性能进行了定量分析,并将其应用于服装进化设计系统．分析结果表明,所提算法在减轻用户疲劳的前提下,具有更多找到满意解的机会．     

基于半监督学习的变种群规模区间适应值交互式遗传算法

为了减轻用户疲劳并增强算法的搜索性能,本文在变种群规模交互式遗传算法的基础上引入协同训练半监督学习方法,提出基于半监督学习的变种群规模区间适应值交互式遗传算法.根据对大规模种群的聚类结果,给出标记样本和未标记样本的获取方法;结合半监督协同学习器逼近误差的改变,提出高可信度未标记样本的选择策略;采用半监督协同学习机制训练两个径向基函数(RBF)神经网络,构造精度高泛化能力强的代理模型;在进化过程中,利用代理模型估计大种群规模进化个体适应值,并根据估计偏差更新代理模型.算法的理论分析及其在服装进化设计系统中的应用结果说明了算法的有效性.     

区间适应值交互式遗传算法神经网络代理模型

为了解决交互式遗传算法的用户疲劳问题,提出区间适应值交互式遗传算法神经网络代理模型．首先,对用户已评价个体的基因型及其适应值进行采样以训练神经网络,使其逼近区间适应值的上下限;然后,利用神经网络代理模型,评价后续的部分进化个体,并不断更新训练数据和代理模型,以保证逼近精度;最后,对算法性能进行了定量分析,并将其应用于服装进化设计系统．分析结果表明,所提算法在减轻用户疲劳的前提下,具有更多找到满意解的机会．

     

基于个体适应值灰模型的交互式遗传算法

为将交互式遗传算法应用于复杂的优化问题中,提出一种基于进化个体适应值灰模型预测的交互式遗传算法,为每代适应值序列建立灰模型,以衡量个体适应值评价的不确定性,通过对灰模型的灰预测,提取进化个体评价的可信度,在此基础上,给出进化个体适应值修正公式,将该算法应用于服装进化设计系统中。实验结果表明,该算法在每代都能获取更多的满意解。     

Surrogate model-assisted interactive genetic algorithms with individual’s fuzzy and stochastic fitness

We propose a surrogate model-assisted algorithm by using a directed fuzzy graph to extract a user’s cognition on evaluated individuals in order to alleviate user fatigue in interactive genetic algorithms with an individual’s fuzzy and stochastic fitness. We firstly present an approach to construct a directed fuzzy graph of an evolutionary population according to individuals’ dominance relations, cut-set levels and interval dominance probabilities, and then calculate an individual’s crisp fitness based on the out-degree and in-degree of the fuzzy graph. The approach to obtain training data is achieved using the fuzzy entropy of the evolutionary system to guarantee the credibilities of the samples which are used to train the surrogate model. We adopt a support vector regression machine as the surrogate model and train it using the sampled individuals and their crisp fitness. Then the surrogate model is optimized using the traditional genetic algorithm for some generations, and some good individuals are submitted to the user for the subsequent evolutions so as to guide and accelerate the evolution. Finally, we quantitatively analyze the performance of the presented algorithm in alleviating user fatigue and increasing more opportunities to find the satisfactory individuals, and also apply our algorithm to a fashion evolutionary design system to demonstrate its efficiency.     

用于特定目标情感分析的交互注意力网络模型

特定目标情感分析旨在判别评论中不同目标所对应的情感极性。越来越多的研究人员采用基于神经网络的各种方法在特定目标情感分析任务中取得了较好的成绩。但大多数与目标相关的模型只关注目标对上下文建模的影响,而忽略了上下文在目标建模中的作用。为了解决上述问题,提出一种交互注意力网络模型（LT-T-TR）,该模型将一条评论分为三个部分：包含目标的上文,目标,包含目标的下文。通过注意力机制进行目标与上下文的交互,学习各自的特征表示,从中捕获目标短语和上下文中最重要的情感特征信息。通过在两个标准数据集上的实验验证了模型的有效性。     

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WebService的WebGis设计与实现

摘要WebGis是空间信息技术与网络技术结合的新兴研究课题。基于服务器的WebGis模型由客户端浏览器向服务器发出服务请求，服务器处理用户的请求和地理空间数据并将处理结果以静态Web页面的形式发送到客户端。WebService是使用标准网络协议可以访问的应用程序逻辑编程接口，可以简化客户端与服务端的交互。本文以．NetWebService开发平台，结合两种新兴技术讨论了基于WebService的WebGis的模型实现。     

基于深度神经网络和加权隐反馈的个性化推荐

改进的矩阵分解(SVD++)将用户和物品特征向量的内积作为用户对物品的评分,而内积无法捕捉用户与物品之间复杂的高阶非线性关系.此外,SVD++在融入用户隐式反馈时,未区分不同交互物品对于用户特征表达的贡献.针对上述问题,文中提出基于深度神经网络和加权隐反馈的推荐算法(DeepNASVD++),采用深度神经网络建模用户与物品之间的关系,使用注意力机制计算历史交互物品在建模用户隐式反馈时的权重.在公开数据集上的实验验证文中算法的有效性.     

Interactive 3D model acquisition and tracking of building block structures

We present a prototype system for interactive construction and modification of 3D physical models using building blocks. Our system uses a depth sensing camera and a novel algorithm for acquiring and tracking the physical models. The algorithm, Lattice-First, is based on the fact that building block structures can be arranged in a 3D point lattice where the smallest block unit is a basis in which to derive all the pieces of the model. The algorithm also makes it possible for users to interact naturally with the physical model as it is acquired, using their bare hands to add and remove pieces. We present the details of our algorithm, along with examples of the models we can acquire using the interactive system. We also show the results of an experiment where participants modify a block structure in the absence of visual feedback. Finally, we discuss two proof-of-concept applications: a collaborative guided assembly system where one user is interactively guided to build a structure based on another user's design, and a game where the player must build a structure that matches an on-screen silhouette.     

人机互助的交互式口语翻译方法

基于短语的统计翻译模型是目前机器翻译领域广泛使用的模型之一。但是,由于在解码时采用短语精确匹配的策略,造成了严重的数据稀疏问题,短语表中的大量短语无法得到充分利用。为此,该文提出了人机互助的交互式翻译方法。对于翻译短语表中找不到的短语,首先通过模糊匹配的方法,在短语表中寻找与其相似的短语。然后利用组合分类器,判断哪些相似短语可能提高句子的翻译质量。最后,通过人机交互的方法,选择可能提高翻译质量且保持原句语义的短语。在口语语料上的实验结果证明,这种方法可以有效地提高翻译系统的译文质量。