交互式遗传算法中收敛性及用户评估质量的提高

交互式遗传算法（IGA）有一个明显的缺点，即用户在交互过程中，对每代的所有个体都要进行评估，当个体的数量较大，进化代数较多时，用户容易疲劳。针对这一问题本文提出了三种解决方法：第一，利用粗糙集（rough set)理论作为信息提取技术，有效地提高交互式遗传算法的收敛性，降低进化代数。第二，引进一个自主式遗传操作过程，以缓解用户在交互过程中的疲劳性。第三，利用相似距离值这个新概念提高用户对个体评估的精确度。最后在人脸图形上进行实验的结果表明，本文所提的三种方法可以有效的缓解交互式遗传算法过程中用户疲劳问题。