论文摘要
当前最优化方法在科学研究、社会生产、交通运输和工程技术等许多领域起着日益重要的作用。典型的现代优化方法在求解显式性能优化问题上能够解决目标函数不连续、不可微、非凸、多峰等具有任意复杂度的问题,然而在解决隐式性能优化问题时却显得无能为力,交互式演化算法因其解决隐式性能优化问题的能力已逐渐成为现代优化方法中新的研究热点。交互式演化算法作为一种人机交互的现代优化方法,具有模拟生物进化“优胜劣汰”的自然选择机制及用户参与的独特性质,已经被成功应用于艺术设计、图形图像处理、工业设计、数据挖掘、知识学习、乐曲创作等隐式性能优化问题的诸多领域。但实践表明,交互式演化算法在解决隐式性能优化问题上还存在用户疲劳的问题。通过加速算法收敛及在算法中融入自适应评估机制可直接减少用户对演化个体的评估次数,进而缓解用户疲劳。基于以上目的,本文借鉴机器学习中经典的学习方法来设计和实现交互式演化算法（IGA）,包括朴素贝叶斯方法（NB）和支持向量机法（SVM）,然后把提出的具有自适应机制的交互式演化算法应用于商业海报的设计中,并设计和实现了交互式演化平台。全文的主要内容和创新点如下：1.对交互式演化算法的应用研究进行了探索,将交互式演化算法应用于商业海报的设计中,提出了基于轮盘式选择的交互式演化算法（RS-IGA）。由于商业海报设计的优化方案不能用明确的数学函数表达,典型的现代优化方法无法对其进行求解,需要在典型的优化方法中融入“人的偏好”才能得到最优化设计方案。基于以上分析,对商业海报设计问题进行了建模、编码,将其转化为隐式性能优化问题,并用RS-IGA算法对其进行求解。最后,通过实验结果及数据分析验证了交互式演化算法能够成功解决商业海报的设计这一实际问题,并能够取得理想的设计方案。2.为了解决交互式演化算法的关键问题——用户的疲劳问题,借鉴机器学习中的朴素贝叶斯方法,提出了具有自适应机制的交互式演化算法：基于朴素贝叶斯方法的交互式演化算法（NB-IGA）。 NB-IGA算法首先以被用户评价过的个体作为训练样本进行学习,学习一定代数后算法具备了评价演化新个体适应值的能力；当用户开始疲劳,NB-IGA取代用户对演化个体进行评价；在算法进行的中后期,用户可以根据需要选择是否再次参与到算法中去,直到获得最优的解决方案。朴素贝叶斯方法使基本的交互式演化算法直接减少了用户评价个体的次数,进而能够有效缓解用户的疲劳。3.针对“用户疲劳”的问题,运用支持向量机多分类方法,提出了具有自适应机制基于支持向量机的交互式演化算法（SVM-IGA）。在演化初始阶段,由用户对种群的个体进行评价,评价一定代数后,开始疲劳；支持向量机以被评价过的演化个体为最小样本集,对其进行学习,SVM-IGA取代用户评价演化新生成的个体；在算法进行的中后期,用户可以决定是否再次参与到算法中去,直到获得最优的解决方案。通过多组实验,表明SVM-IGA算法是一种行之有效的个体适应值自适应评估方法,能够直接减少用户评价个体的次数,进而能够有效缓解用户的疲劳。4.综合显式及隐式性能优化问题的演化算法设计与分析,设计并实现了一个交互式演化算法平台。该平台提供了几种典型的现代优化方法、一些极具代表性的Benchmark测试函数及参数控制窗口,使该平台具有友好的人机交互界面。该交互式平台不仅直接面向隐式性能优化问题的交互式演化算法设计提供可视化的用户接口（界面）,而且也为显式性能优化问题的求解提供了可视化的用户接口（界面）、性能展示区域,积累了多种现代典型的演化算法,保证了演化计算研究工作的连续性。对于对比分析、可视化分析和算法融合设计等方而提供了一个较通用的支撑环境。