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
- 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。
- 评估方式