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.