33、适应度与新颖性的结合：进化艺术的新篇章

适应度与新颖性的结合：进化艺术的新篇章

1. 引言

在计算创造力的研究中，一个普遍的观点是，如果一个问题的解答既实用又新颖，那么这个解答就被认为是具有创造性的。这种定义特别适用于图像生成领域。尽管基于表达的进化艺术理论上能够生成任何可能的图像，但在实践中，由特定系统生成的图像往往具有相似的整体外观。为了克服这一局限性，研究者们开始探索如何将新颖性搜索引入进化艺术中，以促进多样化和适应度的双重提升。

2. 新颖性搜索的背景

新颖性搜索（Novelty Search）是近年来在优化问题中广受欢迎的一种方法，尤其在机器人学和艺术等领域得到了广泛应用。Lehman和Stanley首次形式化了新颖性搜索算法，旨在重视每个图像的独特性。对于每个个体，都会计算一个新颖性分数，考虑到它的邻居和一个包含最新型个体的存档。每个新颖性分数的计算都需要使用差异度量，在被评估的个体和从种群及存档中选择的一组邻居之间进行表现型比较。

2.1 新颖性分数的计算

新颖性分数的计算公式如下：
[ \text{nov}(indeval) = \frac{1}{k} \sum_{j=1}^{k} \text{dissim}(indeval, ind_j) ]

其中， dissim 表示所选的差异性度量，而 ind_j 表示与个体 indeval 相比，第 j 个最相似的个体。

3. 新颖性搜索的应用

3.1 具象图像的进化

在进化具象图像的过程中，传统适应