遗传/进化算法 - Painter答案

【问题标题】：Genetic/Evolutionary algorithm - Painter遗传/进化算法 - Painter
【发布时间】：2014-01-01 07:08:47
【问题描述】：

我的任务：

创建一个程序以仅使用图元（如三角形或其他东西）复制图片（作为输入给出）。程序应该使用进化算法来创建输出图片。

我的问题：

我需要发明一种算法来创建种群并检查它们（它们与输入图片的匹配程度有多少 - 以 % 为单位）。我有个主意;你可以在下面找到它。

那么我想从你这里得到什么：建议（如果你觉得我的想法还不错）或灵感（也许你有更好的想法？）

我的想法：

假设我将只使用三角形来构建输出图片。

我的第一个种群是 P 图片（使用 T 随机生成的三角形生成 - 称为元素）。

我通过我的适应度函数检查人口中的每张图片，并选择其中的 E 作为精英，其余人口只是删除：

    To compare 2 pictures we check every pixel in picture A and compare his R,G,B with
    the same pixel (the same coordinates) in picture B.
    I use this: 
           SingleDif = sqrt[ (Ar - Br)^2 + (Ag - Bg)^2 + (Ab - Bb)^2]
    then i sum all differences (from all pixels) - lets call it SumDif
    and use:
           PictureDif = (DifMax - SumDif)/DifMax
    where
           DifMax = pictureHeight * pictureWidth * 255*3

最好的用于以这种方式创造下一个种群：

    picture MakeChild(picture Mother, picture Father)
    {
             picture child;
             for( int i = 0; i < T; ++i )
             {
                      j //this is a random number from 0 to 1 - created now
                      if( j < 0.5 ) child.element(i) = Mother.element(i);
                      else child.element(i) = Father.element(i)
                      if( j < some small % ) mutate( child.element(i) );
             }
             return child;
    }

所以这很简单。只有突变需要注释：因此，孩子中的元素 X 与他父母中的 X 不同的概率总是很小。为此，我们对子元素中的元素进行随机更改（通过随机数更改他的颜色，或将随机数添加到他的 (x,y) 坐标或他的节点）。

所以这是我的想法……我没有测试它，也没有编码。请检查我的想法 - 你怎么看？

【问题讨论】：

您可能会尝试改变目标函数，以便在开始时您尝试匹配比单个像素更大的补丁。也许应用一个过滤器来粗化图片和候选者，你可以进行交配和变异，这样一个补丁中的所有元素都会被移动。您逐渐减小补丁的大小，直到达到像素。（现在我想起来了，这就像在遗传算法中使用模拟退火。）
This blog post 似乎详细说明了您要实现的目标，尽管他没有在每一步从总体中进行选择，只是将其与上一次迭代进行比较。这对我来说更像是模拟退火，而不是任何遗传，但我认为查看它对你来说是有价值的。

标签： algorithm genetic-algorithm evolutionary-algorithm

【解决方案1】：

我会让每个孩子的补丁数量动态化，并让变异操作以某些（低）概率插入/删除补丁。当然，这可能会导致孩子的基因组出现大量冗余和膨胀。在这些情况下，使用个体基因组的长度作为适应度函数的参数通常是一个好主意，这样个体使用较少的补丁就可以获得奖励（具有更高的适应度值）。因此，例如，如果个体 A 和 B 的 PictureDif 相同，但 A 的块数少于 B，则 A 的适应度更高。

另一个问题是您提出的再生算子（即交叉操作）。为了让进化过程高效工作，你需要达到合理的探索和利用平衡。这样做的一种方法是拥有一组表现出良好适应度相关性 [1]的生殖算子，这意味着孩子的适应度必须接近其父母。

在单亲繁殖的情况下，您只需要找到正确的突变参数。然而，当涉及到多亲繁殖（交叉）时，一种常用的技术是从相同的 2 个父母产生 2 个孩子（而不是 1 个）。对于第一个孩子，每个基因来自母亲的概率为 0.2，来自父亲的概率为 0.8，而对于第二个孩子，则相反。当然交叉后可以做变异。

还有一件事，对于变异运算符，当你说时

...在子元素中进行随机更改（通过随机数更改他的颜色，或将随机数添加到他的 (x,y) 坐标 - 或他的节点）

使用高斯分布来改变颜色、坐标等是个好主意。

[1] 进化计算：Kenneth A. De Jong 的统一方法，第 69 页

【讨论】：