交互式进化计算算法的研究与比较
1. 交互式进化策略分析
交互式进化策略(IES)是结合主观选择标准的算法,与人类 - 算法交互的背景相关。与非交互式进化相比,它有显著差异。在分析方法上,通过决策努力标准等比较不同形式的交互,并提出获取交互式进化算法性能边界的概念。这里引入了“理想用户”的概念,用于估计算法交互式部分的改进潜力。
在颜色重新设计测试案例的实证研究中,扩展了之前的实验,增加了双色重新设计示例。开发了一个 Java 小程序,用于在互联网调查中实施 IES,从不同用户那里获得了大量结果。
实验结果表明:
- 步长自适应的优势 :采用步长自适应的策略更稳健,降低了选择完全错误步长的风险。特别是在少于四十代的极少量迭代中,三点步长自适应证明是有益的。
- 用户选择的影响 :与“理想”用户的选择方案相比,普通用户的选择难以使收敛速度最大化,这表明基于用户的选择噪声对算法行为有害。不过,这也意味着用户交互仍有很大的改进空间,例如使用决策辅助、降噪策略或智能用户监控策略,可能会进一步提高 IES 的性能。
- 噪声模型的局限性 :用户的选择错误难以用标准噪声模型(如目标函数值的恒定高斯分布偏移)来建模,噪声函数似乎与时间和到目标值的距离有关。
- 复杂目标下的用户行为 :对于更复杂的目标,如双色示例,用户会采用一些策略,如先优化第一种颜色,再优化第二种颜色。这种用户行为在交互式进化算法中很少被关注,值得进一步研究。
2. 交互式进化计算问题概述
进