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