70、交互式遗传算法与绘画渲染参数选择的研究进展

交互式遗传算法与绘画渲染参数选择的研究进展

在计算机科学与艺术创作的交叉领域，交互式遗传算法（IGA）以及绘画渲染参数选择问题一直是研究的热点。本文将深入探讨顺序、多目标和并行IGA的评估，以及一种用于绘画渲染参数选择的监督式遗传搜索方法。

1. 交互式遗传算法评估

在处理定量多目标问题时，顺序、多目标和并行IGA这三种算法在布局设计问题中得到了评估。

• 并行IGA的优势 ：并行IGA的主要优势在于其灵活性，能够容纳多个种群。多目标IGA在处理每个设计的多个目标时，种群大小必须保持恒定；而并行IGA的种群大小则可根据主观进化设计中的人类限制以及定量进化设计中的计算机潜力进行调整。这使得在设计评估过程中，人类花费的时间得到了有效利用，并且在定量目标中可以进化更多代，从而在该目标空间中获得更好的适应度。
• 算法对比 ：与顺序IGA不同，并行IGA不会在两个相互矛盾的目标之间产生冲突。因此，可以得出结论，多目标IGA和并行IGA都明显优于顺序IGA，顺序优化在处理冲突的多目标问题时无法给出令人满意的结果。并行IGA虽然本身不是多目标优化算法，但在纳入多标准原则方面表现令人满意。在处理主观和定量冲突的设计目标时，多目标IGA和并行IGA似乎都是很有前途的方法。
• 并行IGA的创新决策支持 ：尽管定量目标在多目标IGA中仍然是隐含的，但并行IGA会向用户展示从定量目标岛迁移到主观目标岛的设计。这不仅具有上述优势，还能通过让用户观察计算机生成的结果并重新考虑评估，促进创新决策的制定。

以下是