郭广颂,李 响,郝国生
(1.郑州航空工业管理学院 机电工程学院,郑州 450046; 2.江苏师范大学 计算机科学与技术学院,江苏 徐州 221116)
自交互式遗传算法概念提出以来,其作为一种情感计算的新方法获得了广泛关注。基于传统遗传算法的优化流程,对于很难用显式性能指标表达的用户偏好、经验等隐式性能指标优化问题,交互式遗传算法表现出算法实现简单、优化效果显著的特点。因此,近年来交互式遗传算法在图像处理[1]、机器人控制[2]、语音合成[3]、城市景观设计[4]等众多领域获得了成功的应用。
由于人的主观偏好具有波动性,会导致个体的评价值与真实值之间产生偏差,带来个体适应值噪声[5]。交互式遗传算法适应值噪声会使进化方向发生偏移;另一方面,受交互式遗传算法进化代数较少和种群规模不大限制,适应值噪声还会更容易使进化早熟收敛。因此,提高适应值精度与降低人的疲劳一直是交互式遗传算法研究的主要方向。文献[6]提出通过主成分分析降低优化噪声影响,提高了信号优化质量;文献[7]提出稀疏表示的去噪方法,过滤信号噪声;文献[8]提出基于耦合约束的调度优化方法用于飞机维修作业。
本文提出基于进化个体混杂型适应值的交互式遗传算法IGA-IHF,根据交互式遗传算法中偏好不确定性和适应值噪声特性对适应值形态分类,设计混杂型适应值进化策略,通过修正不同类型适应值提高算法性能。
不失一般性,考虑优化问题:maxf(x,t)=f(x(t)),x∈S⊆d,x是d维决策变量,S是其取值范围,f(x,t)是被优化的性能指标,且不能用显式函数表示。……