65、交互式进化计算算法的实验对比研究与机会创造

交互式进化计算算法的实验对比研究与机会创造

一、算法相关介绍

在研究解决交互式进化计算（IEC）的特定问题时，涉及到多种算法。其中CAPM算法有独特的更新规则，示例为 newChrom′ = mutateOneGen(OldChrom, referenceChrom) （α = 0.005），该方法能将用户偏好传播到个体的所有染色体。同时，还包含克隆移除算子，负责变异与同种群中其他个体具有完全相同遗传结构的个体。并且除了父代，种群的其他个体都会被新个体替换，算法会对父代进行变异，使其在下一代稍有不同。

二、实验测试

（一）商标查找器

商标查找器的挑战是帮助用户为产品或公司找到新颖、独特或引人注目的特定标志。系统会像头脑风暴一样，提供不同类型的单词，并应用不同的颜色、背景和样式。目前这只是实验的第一版，未来图形和字母位置应会改变。算法随机从六个由五个字母组成的单词开始，每个单词有随机的颜色和样式，用户需在每次迭代中选择对自己来说最好的两个选项。每个单词是种群的一个个体，每个字母是一个染色体，包含分别代表颜色、字体类型、大小和背景的四个基因，搜索空间为3.2 × 10²¹。

（二）实验框架

1. 实验需求 ：为了实证验证方法的效率，需要进行大量实验（≥100,000次），问题要针对所有可能的参数和算法重复运行，且所有实验的适应度函数必须相同，以进行结果的同质比较。由于用户个体主观偏好的存在，这无法通过用户实现，因此需要开发一个模拟器，在所有实验中充当虚拟用户，替代人类交互。
2. 评估方式