基于不精确适应度函数的参数优化算法

Question

我正在寻找一种通用算法来帮助处理具有类似约束条件的情况：

我在想一个基于一组操作构建图像的系统。每个操作都有一组参数。然后，图像的总“基因”是用相应参数顺序应用操作。然后，完成的图像由一个或多个真实的人根据其“美丽”的方式进行投票。

问题是如果你想找到最漂亮的图像，那么什么样的算法能比简单的随机搜索更好？ （随着投票进入并改善健身功能，希望随着时间的推移提高信心）

鉴于操作可能是相关的，应该可以比随机搜索做得更好。因此，例如，带参数a1和a2的操作A，后跟带参数b1的B，通常可以远远优于B，后跟A。操作顺序很重要。

我曾尝试谷歌搜索关于随机游走和马尔可夫链的研究论文，因为这是我最好的猜测，但到目前为止还没有发现类似的情况。我真的很感激，甚至只是在寻找这样一个算法的提示。

Answer 1

我认为你所寻找的是一个名为metaheuristics的广泛研究领域（其中包括许多非线性优化算法，如遗传算法，模拟退火或禁忌搜索）。

然后，如果您的原始适应度函数只是给出一个统计值，以某种方式逼近真实（但未知）的适应度函数，您可能仍然可以通过（某种方式）平滑您的适应度函数来使用大多数元启发式（平均结果会这样做）。 / p>

Answer 2

您的意思是Metropolis algorithm吗？

此方法使用随机游走，由适应度函数加权。它对于在复杂的健身景观中定位局部极值非常有用，但通常比确定性方法更慢。

Answer 3

Answer 4

你几乎描述了一种遗传算法，其中操作序列代表“基因”（“染色体”将是一个更好的术语，其中传递给每个操作的参数[s]代表一个“基因” “，多个基因组成一条染色体”，产生的图像代表了基因的表型表达，真实人类的投票代表了适应度函数。

如果我理解你的问题，那么你正在寻找某种替代算法来评估操作并产生类似于真实人类产生的“美丽”分数。祝你好运 - 我不认为真的有这样的事情，我并不感到惊讶，你没有找到任何东西。人类的大脑，以及相应的人类美学评价，过于复杂，无法简化为简单的算法。

有趣的是，你的问题似乎包含了对使用真实人类反应作为基于遗传算法的软件中的适应度函数的偏见。这是一个与我相关的主题，因为我的同名软件专门用于使用人类的反应（或“投票”）来评估通过遗传过程产生的音乐。