江苏省博士后科研资助计划项目(1001019C)
- 作品数:2 被引量:27H指数:2
- 相关作者:孙晓燕巩敦卫张勇陈姗姗任洁更多>>
- 相关机构:中国矿业大学更多>>
- 发文基金:江苏省博士后科研资助计划项目江苏省自然科学基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于区间适应值交互式遗传算法的加权多输出高斯过程代理模型被引量:23
- 2014年
- 融合了用户认知和智能评价的交互式遗传算法(Interactive genetic algorithm,IGA)是解决一类定性性能指标优化问题的有效方法,但是,评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力.基于用户已评价信息,采用合适的机器学习方法,构建用户认知代理模型是解决上述问题的常用方法之一.但是,现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响,以及模型拟合不确定性对基于适应值的进化操作有效性的影响.针对上述问题,本文提出基于加权多输出高斯过程(Gaussian process,GP)代理模型的交互式遗传算法.首先,在区间适应值评价模式下,提取学习样本的噪声特性,以确定相应学习样本对代理模型的影响度权重系数,构建两输出高斯过程代理模型;然后,利用代理模型提供的预测值及预测置信水平,给出一种新的个体适应值估计方法和个体选择方法;基于模型预测信息,实现模型更新管理.将所提算法分别应用于含噪函数和服装设计问题中,所得结果表明本文算法可更好地拟合和跟踪用户认知,减小对进化搜索的误导,更快找到用户满意解.
- 孙晓燕陈姗姗巩敦卫张勇
- 关键词:遗传算法代理模型高斯过程
- 基于半监督学习的变种群规模区间适应值交互式遗传算法被引量:5
- 2011年
- 为了减轻用户疲劳并增强算法的搜索性能,本文在变种群规模交互式遗传算法的基础上引入协同训练半监督学习方法,提出基于半监督学习的变种群规模区间适应值交互式遗传算法.根据对大规模种群的聚类结果,给出标记样本和未标记样本的获取方法;结合半监督协同学习器逼近误差的改变,提出高可信度未标记样本的选择策略;采用半监督协同学习机制训练两个径向基函数(RBF)神经网络,构造精度高泛化能力强的代理模型;在进化过程中,利用代理模型估计大种群规模进化个体适应值,并根据估计偏差更新代理模型.算法的理论分析及其在服装进化设计系统中的应用结果说明了算法的有效性.
- 孙晓燕任洁巩敦卫
- 关键词:交互式遗传算法半监督学习代理模型