人机协同演化算法研究
现实世界中大量的应用问题可看成优化问题来解决,演化算法一直是解决此类问题的有效方法之一。对于显式目标优化问题,演化算法表现出极大的优势,不要求目标函数满足连续、可微、凸等限制条件。
然而,对于隐式目标优化问题,传统的演化算法显得有些力不从心。实际上,现实世界中有很多问题都可以看成是隐式目标优化问题。
例如,艺术创作、CAD设计、图像检索等等。这类问题的优化目标一般取决于用户的艺术修养、偏好、经验、直觉等各种主观因素,很难被量化,表示成函数作为优化目标几乎不太可能。
交互式演化算法是解决隐式目标优化问题的主要方法,引起了国内外学者的广泛关注。然而,在“狭义”的范畴,交互式演化算法中用户只充当了适应值函数的功能,用户干预的潜力无法得到有效释放。
对于更加“广义”的范畴,即人为干预作用于演化算法的多个方面,近年来才得到学者们的关注。如何在交互式演化算法中融入更多人为干预因素,提高算法求解效率的同时又能极大限度的减轻用户疲劳,这是非常有意义的研究课题。
本文将“广义”的交互式演化算法及其相关技术定义为“人机协同演化计算(User-system Cooperative Ev ...