基于交互式遗传算法的个性化建筑物外观设计

交互式遗传算法通过交互式的手段以用户对个体的评估来替代传统遗传算法的适应度函数设计,在艺术创作、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。该文提出并设计了一个面向建筑物外观设计的基于交互式遗传算法的建筑设计计算机辅助系统,通过交互式手段以用户对个体评估来替代传统GA对适应度函数值进行自动计算,将两个专业领域知识的结合和互补,为建筑设计人员能够更快、更好地满足客户提出的个性化要求提供帮助。该系统从应用层次验证了算法的可行性和实用性。     

遗传算法在分形图案自动化设计中的应用

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.为了自动设计出大量复杂美丽且符合用户需求的分形艺术图案,分析了影响分形图效果的各种因素,重点分析颜色选择对分形图案优劣的重要性,提出了利用交互式遗传算法对分形颜色进行遗传操作的方法,从而快速得到满足用户需求的设计图案.实验结果表明,采用该算法,用户能很快设计出自己喜欢的分形图案,并为研究分形图的结构特征提出了一种简洁有效的方法.     

交互式Multi-Agent遗传算法

提出一种新的交互式Multi-Agent遗传算法.该算法使固定在网格上的相邻智能体之间进行交叉、变异、死亡与再生操作和最优智能体本身进行自学习,来提高智能体的能量,从而使得算法获得较强的全局收敛能力和局部搜索能力.用户在每代进化中,只需选择感兴趣的个体,而不用评价每个个体的适应值,使得用户的评价操作变得简单易行.函数优化和服装设计的仿真实验表明算法能以较快的进化速度收敛,并使用户总评价次数减少,从而有效缓解用户的疲劳.     

可视化交互式遗传算法及其在图像感性检索中的应用

提出了一种可视化IGA模型，结合GA在n维空间上快速搜索的优点和人类在2维空间上把握数据整体分布的能力，采用可视化的方法使用户主动参与搜索过程以加快遗传算法的收敛速度，从而减轻用户疲劳．采用主元分析的方法将n维空间中的个体向量映射到2维空间．并显示出来，用户可以在这个2维空间中选择一个好的个体加入遗传过程．以此来加速算法的收敛．实验证明可视化IGA较一般的IGA有更快的收敛速度，对减轻用户疲劳有很好的作用．该模型用于图像的感性检索，取得了较好的检索结果。     

交互式遗传算法在作曲中的应用

对交互式遗传算法作曲进行了一定的探讨.介绍了用遗传算法进行作曲的知识表示.通过将给定的乐谱转化成相应的编码,采用交互式遗传算法中的选择,交叉和变异算子产生新的乐曲.对交互式遗传算法作曲进行了仿真实验,讨论了实验步骤,给出了实验结果.仿真结果表明,设计的作曲系统可以产生出令人感兴趣的乐曲,具有一定的实际意义.     

交互式遗传算法在室内布局设计中的应用

室内平面设计是在房地产开发商交付的毛坯房进行装修过程中首当其冲的步骤, 符合用户个性化需求的平面图设计是典型的隐性优化问题. 室内设计工程师与用户之间的沟通很难准确获取用户需求, 且成本极高. 基于最优法则理论, 通过交互式遗传算法中的人机交互模式, 用主观评价替代繁琐的适应值函数设计来解决上述挑战. 实验表明, 该算法能有效满足平面图设计过程中客户的个性化需求, 改进的交互式遗传算法将用户的主观评价引入到传统的设计流程, 让用户真正参与到设计工作中.     

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.     

分布协同交互式遗传算法及其在群体决策中的应用

针对交互式遗传算法单机实现模式存在的局限性,本文提出一种分布协同交互式遗传算法,并介绍了算法实现的关键技术.基于群体决策满意度和用户评价偏好,给出了共享个体数量确定方法和共享个体的选择方法.还提出了合理的评价平台和有效的决策评价指标以及隐含的信息交互方式等.为减轻用户疲劳,基于个体相似度,提出一种类适应度近似策略.最后基于服装的色彩设计问题,给出实验结果,以验证该算法的可行性.     

结合SVM的交互式遗传算法在入侵检测中的应用

针对入侵检测中存在样本少、特征多、难于将实际经验与现有算法有机结合的问题,将交互式遗传算法应用到入侵检测技术中,并结合SVM的特点,设计出改进后的分类识别算法。实验证明,将SVM与交互式遗传算法相结合应用于入侵检测领域中,算法有效、可行,而且能获得很好的检测率。     

面向汽车造型设计的自适应交互式遗传算法

针对汽车造型设计的方案求解问题,提出基于造型件和利用自适应交互式遗传算法的汽车造型设计方法。在自适应交互式遗传算法中,利用云模型产生自适应交叉概率,而利用个体之间的相似性和进化代数产生自适应变异概率。通过汽车造型设计实验,表明所提出求解算法可以获得满意的汽车造型设计方案,能够降低用户疲劳,具有较高的运行性能。     

遗传算法在计算机辅助创新作曲中的应用

对遗传算法在作曲中的应用进行了一定的研究,分析了遗传算法作曲系统应用,主要对交互式遗传算法在作曲进化方面进行了探讨并加以实验测试。     

Video scene retrieval with interactive genetic algorithm

This paper proposes a video scene retrieval algorithm based on emotion. First, abrupt/gradual shot boundaries are detected in the video clip of representing a specific story. Then, five video features such as “average color histogram,” “average brightness,” “average edge histogram,” “average shot duration,” and “gradual change rate” are extracted from each of the videos, and mapping through an interactive genetic algorithm is conducted between these features and the emotional space that a user has in mind. After the proposed algorithm selects the videos that contain the corresponding emotion from the initial population of videos, the feature vectors from them are regarded as chromosomes, and a genetic crossover is applied to those feature vectors. Next, new chromosomes after crossover and feature vectors in the database videos are compared based on a similarity function to obtain the most similar videos as solutions of the next generation. By iterating this process, a new population of videos that a user has in mind are retrieved. In order to show the validity of the proposed method, six example categories of “action,” “excitement,” “suspense,” “quietness,” “relaxation,” and “happiness” are used as emotions for experiments. This method of retrieval shows 70% of effectiveness on the average over 300 commercial videos.

Application of interactive genetic algorithm to fashion design

In general, computer-aided design support systems have got an approach of traditional artificial intelligence, which statistically analyzes data such as the behavior of designer, to extract formal design behavior. This approach, however, can neither deal with continuous change of fashion nor reflect personal taste well, as it just depends on large amount of collected data. To overcome this sort of problem interactive genetic algorithm (IGA) has been recently proposed, as a new trend of evolutionary computation. IGA uses human's response as fitness value when the fitness function cannot be explicitly defined. This enables IGA to be applied to artistic domains, and we propose a fashion design aid system using it. Unlike the previous works that attempt to model the dress design by several spline curves, the proposed system is based on a new encoding scheme that practically describes a dress with three parts: body and neck, sleeve, and skirt. By incorporating the domain-specific knowledge into the genotype, we could develop a more realistic design aid system for women’s dress. We have implemented the system with OpenGL and VRML to enhance the system interface. The experiments with several human subjects show that the IGA approach to dress design aid system is promising.     

交互式遗传算法在基于内容的图像检索中的应用

基于内容的图像检索方法是根据图像所包含的色彩、纹理、形状以及对象的空间关系等信息，通过建立图像的特征矢量，并将其作为图像的索引来进行图像检索的技术，其检索效果与图像特征矢量的编码方式以及具体的图像检索方法都有着很密切的关系。为了提高图像的检索效率，提出了一种基于交互式遗传算法的图像检索方法，该方法首先采用“变均分单元”法对图像进行分割，并对图像的特征信息加以汇总，形成图像的特征矢量；然后在此基础上，使用“螺旋式”的图像拆分方式通过对图像特征数据进行编码来生成图像染色体，并使它参与遗传算法中的各种遗传操作。在图像的检索过程中，该方法采用交互式遗传算法，首先对系统在每一步提供的候选图像集进行评价，然后利用非均匀遗传算子来从图像库中选出接近用户需求的图像。进一步的实验肯定了其在基于内容的图像检索过程中的有效性，与其他相关工作的比较结果说明，该方法具有简捷、高效的特点。     

求解串并联系统配置问题的免疫遗传算法

通过对串并联系统配置可靠性问题的分析,提出了基于免疫遗传算法（IGA）求解该问题的方法。在保留基本遗传算法随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性。实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,其全局收敛性及收敛速度均得到了提高。     

交互式遗传算法的改进方法及应用

针对交互式遗传算法中收敛速度慢和容易陷入局部收敛的缺点,提出遗传算法算子的一些改进策略,即利用定位部分优良基因方法,使这些基因较好地遗传到下一代。改进的算法能有效减少无效的交叉操作,收敛速度、全局搜索能力和局部搜索能力比交互式遗传算法均得到了较大的提高。将改进的算法应用于服装设计中,实验结果证明了改进后的算法在平均收敛代数和收敛到最优解的概率都优于遗传算法。     

基于遗传算法的BP神经网络技术的应用

针对BP网络的不足,提出了基于遗传算法的神经网络技术。将两者有机的融合在一起,充分利用了GA算法的全局搜索能力和BP算法的局部搜索能力,加快了收敛速度,提高了收敛精度,将其应用于高速公路动态称重系统的神经网络控制器的训练中,取得了较好的效果。     

基于半监督支持向量机的交互式遗传算法

为减轻用户疲劳并将交互式遗传算法应用于复杂的优化问题中,提出一种基于半监督支持向量机的交互式遗传算法。根据标记样本和未标记样本几何特性派生出数据依赖的核函数,以此构建半监督支持向量机,再以自训练方法进行高可信未标记样本的批量选择,实现用户评价代理模型的高泛化性能。将该方法应用于基于内容的图像检索系统,结果表明其能有效加快进化收敛的速度,提高优化成功率。