求解隱式目標(biāo)優(yōu)化問(wèn)題的交互式進(jìn)化算法研究

1、中國(guó)科學(xué)技術(shù)大學(xué)博士學(xué)位論文求解隱式目標(biāo)優(yōu)化問(wèn)題的交互式進(jìn)化算法研究姓名：尤海峰申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：王煦法20110425摘要II群體評(píng)估代替單用戶評(píng)估，即個(gè)體適應(yīng)度的評(píng)估取決于多個(gè)用戶的評(píng)估結(jié)果，而不是取決于單個(gè)用戶。給出了算法的三個(gè)主要模塊——種群初始化模塊、單種群模塊和多種群模塊的詳細(xì)設(shè)計(jì)。最后，將多用戶交互式遺傳算法和一般的單用戶交互式遺傳算法分別應(yīng)用于服裝設(shè)計(jì)系統(tǒng)進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明：多用戶交互式

2、遺傳算法的設(shè)計(jì)結(jié)果能更好地滿足多個(gè)用戶的偏好和要求，因而能更好地滿足大眾化需求。(4)首次將基于群體的增量學(xué)習(xí)(PopulationbasedIncrementalLearningPBIL)算法應(yīng)用于解決隱式目標(biāo)優(yōu)化問(wèn)題，提出了交互式PBIL(IPBIL)算法。IPBIL相對(duì)于傳統(tǒng)的交互式進(jìn)化算法的最大優(yōu)勢(shì)在于：其用戶評(píng)估方式大大簡(jiǎn)化。IPBIL僅需要用戶從種群中選擇出最優(yōu)個(gè)體，而不需要用戶對(duì)每個(gè)個(gè)體都進(jìn)行評(píng)估。將IPBIL和IGA分別

3、應(yīng)用于服裝設(shè)計(jì)問(wèn)題，進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明：雖然IPBIL比IGA需要更多的進(jìn)化代數(shù)才能達(dá)到收斂，但是IPBIL收斂時(shí)的時(shí)間消耗和鼠標(biāo)點(diǎn)擊數(shù)均大大小于IGA，因而能夠顯著減輕用戶疲勞。(5)為解決多峰隱式目標(biāo)優(yōu)化問(wèn)題，在IPBIL算法基礎(chǔ)上，進(jìn)一步提出基于多概率向量的交互式PBIL(IPBILwithMultipleProbabilityVectsIPBILMPV)算法。IPBILMPV算法利用多個(gè)概率向量來(lái)?yè)渥讲煌乃阉鞣较颍沟盟惴?/p>