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.     

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。     

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。     

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.     

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.     

交互式遗传算法的机器代替用户方法

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.本文首先研究了机器代替用户的3个基本内容,即,机器代替用户扮演环境角色,对个体进行评价;机器采样和代替用户的时机是进入偏好稳定阶段;机器寻优结果由样本和代替用户策略决定.其次,给出基于基因意义单元"适应值"估计的个体适应值估计方法.最后,通过比较实验验证了本文方法的有效性.     

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。     

基于绝对尺度预测的交互式进化算法

预测用户的评估特性可以有效减轻交互式进化算法中的用户疲劳问题,但基于相对尺度的用户评估制约了预测的准确性.针对这一问题,本文提出一种基于绝对尺度预测的交互式进化算法,将用户的相对评估转化成绝对评估,减少预测器学习样本中的噪声,提高预测的准确性,从而加快算法的收敛速度,更好地减轻用户疲劳.文中采用6个标准函数模拟用户,验证算法的有效性.将该算法应用于服装图像的个性化情感检索,运用符号检验方法证实采用本文所提出的算法可以获得更好的检索结果.     

基于知识迁移的多用户交互式遗传算法

针对交互式遗传算法中小种群规模导致的算法后期收敛缓慢问题,以及多个用户对同一问题领域进行优化的可能性,本文结合文化算法的双层进化结构,提出了一种基于知识迁移的多用户交互式遗传算法模型.基于服装设计系统对上述模型及相关策略进行了实例分析,实例比较表明该模型能有效提高各用户的进化收敛速度,减轻用户疲劳.     

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。     

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.     

锦标赛选择交互式遗传算法及其应用

基于两个体比较的交互式遗传算法(Interactive Genetic Algorithm based on paired comparison,PC-IGA)允许用户在每次评估过程中比较两个个体并从中选择一个优胜者,以代替传统的用户评分方式,从而减轻用户的精神压力.但是,PC-IGA中用户比较次数太多,加重了用户的生理疲劳.为此,本文提出一种新的用户评估方式--锦标赛选择,并给出锦标赛选择交互式遗传算法(Interactive Genetic Algorithm Based on Toumament Selection,TS-IGA)的关键技术和实现步骤.将该算法应用于服装色彩优化系统,研究了种群规模和子种群规模的选择对算法性能的影响.最后,将该算法与PC-IGA进行对比实验,结果表明本文提出的算法在选择合适的子种群规模的情况下,能有效减少用户的比较次数和算法收敛时间,从而减轻用户疲劳.     

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。     

交互式遗传算法的噪声及降噪策略

在交互式遗传算法中, 人对进化个体的评价含有噪声. 如何降低噪声对评价的不利影响, 至今没有有效的方法. 这严重制约了交互式遗传算法在复杂优化问题中的广泛应用. 本文首先针对交互式遗传算法中人评价个体适应值的不确定性和漂移性, 分析交互式遗传算法噪声的来源, 定义认知评价度和疲劳评价度, 给出交互式遗传算法的3阶段噪声模型; 然后, 给出基于个体海明距离的认知评价度和疲劳评价度刻画以及基于适应值可信度的降噪策略; 最后, 通过在服装设计中的应用实例验证噪声模型的正确性和降噪策略的有效性.     

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.     

面向旅游行程规划的交互式多智能体遗传算法*

结合多智能体技术和交互式遗传算法,提出了一种面向旅游行程规划问题的交互式多智能体遗传算法。算法通过让固定在网格上的智能体展开进化和竞争行为来寻找满意行程。在算法每代中,用户只需评价选择一个当代最优智能体,就可计算得到当代所有智能体的能量,减少了评价次数,有效缓解了用户在评价过程中的疲劳问题。仿真实验验证了该算法在解决旅游行程规划问题中的可行性和有效性,并对问题规模表现出很好的可伸缩性。     

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。     

一种基于交互式遗传算法的图像检索模型

提出了一种基于交互式遗传算法的图像检索模型。该模型首先将图像划分成一定的特征区间，结合区问的颜色特征和信息熵对图像进行编码，通过对用户评价后的图像进行遗传操作选出接近用户需要的图像，同时在遗传操作的过程中使用保护策略，保证在选择过程中用户不会丢失最适合的图像。实验证明该方法是实用有效的。