22、进化图像表示法的比较

进化图像表示法的比较

1 引言

使用遗传编程（GP）进化图像是一项复杂的任务，解决方案的表示对系统的性能有重要影响。在进化艺术中，进化图像的问题仍然是一个开放的问题。长期以来，人们一直在研究自动生成和半自动生成有趣但抽象的图像的方法，并且已经取得了非常有趣和值得赞赏的结果。例如，Electric Sheep屏幕保护程序是一个分布式系统，用于进化动画分形结构，称为sheeps，由用户反馈驱动。另一方面，产生代表精确、可识别模式的有趣图像仍然不足。

最近，一些作者通过采用结合随机搜索算法（如遗传编程（GP）或新颖性搜索）与模式识别模型（如神经网络，通常在大量图片上进行训练）的进化技术，专注于这个问题。这种方法原则上非常灵活，并且已经在特定领域中使用，例如用于制作字体和图片。然而，很明显，在开发这些应用程序时的主要关注点之一是如何表示解决方案，即在这种情况下，是一个图像。最近的研究表明，进化一个目标图像可能非常困难。实际上，与抽象图像的情况相反，在这种情况下，目标是进化出“某种”必须满足某些全球“美”的标准的东西，但不一定具有精确的特征（例如特定的图形或形状），对于具象图像，目标是复制一个精确的对象或模式（不一定代表一个真实对象）。

在这种情况下，正如所使用的表示对图像的进化有重大影响。因此，使用具有不同属性的表示可以使搜索变得更简单或更困难。鉴于这种应用程序的难度，我们希望有具有高局部性的表示（我们说一个表示具有高局部性如果基因型的小变化对应于表现型的小变化）。

2 基于表达式的表示法

2.1 概述

基于表达式的表示法是进化艺术领域最早引入的一种表示法，由Koza的开创性工作引入。它允许很大程度的定制，通过改变使用的