如下图所示。
基本上，您可以看到图像的亮度随时间的变化而上升和下降。该输出可能来自测量手指血流的脉搏血氧仪。
我的问题是，是否有基于遗传算法（或通常：进化计算）的方法来计算“滴”的频率。我知道 FFT（以及 DFT）可以计算频率（或者至少给我们上面显示的输入的频域表示）。
如果您必须使用遗传算法技术来解决这个问题，您会如何解决？ （我不是在寻找实际的解决方案，只是您对 GA 设计中表示和适应度函数的看法）。
【问题讨论】：
标签： genetic-algorithm evolutionary-algorithm
我不认为 GA 最适合解决这个问题，但既然您专门询问了 GA 解决方案，这里有一些想法。在我看来，鞍点似乎更适合被发现，因为它们更清晰，而且你也可以从中得到频率。
我假设问题数据是一个双向量，其中每个位置在特定时间保持亮度。我要求这个向量中的所有点都是从等距的时隙中采样的。然后找到频率可以是找到一个偏移量和一个间隔，该偏移量和一个间隔最小化（或最大化）在由 offset+x*interval 给出的点处从问题数据中获得的值的平均值。使用平均值的优点是您不需要给出最小间隔，因为一旦间隔变得太低，平均值就会下降。不幸的是，它可能会发现一个太高的间隔，因此您还需要最大化评估适应度的点数。这会产生更棘手的多目标问题。
【讨论】：
这可以被认为是一个更普遍的问题的特例，预测动态系统（时间序列），实际上已经有相当多的工作将遗传算法应用于此。例如。请参阅http://www.amazon.com/Introduction-Genetic-Algorithms-Complex-Adaptive/dp/0262631857 pp. 56-61 中的讨论，或 Norman Packard（混沌理论的创始人之一）的原始论文之一：http://www.ccsr.uiuc.edu/web/Techreports/1988-89/CCSR-89-10.pdf
-泰德
【讨论】：