有沒有辦法通過遺傳算法檢測公式？

Question

我試圖找到兩個圖像（讓我們說，「image1」和「image2」）如何相互匹配。 針對「image2」相對於「image1」的每個可能位置計算了幾個參數。我有經驗公式，根據這些參數給每個位置「得分」。

我試圖在神經網絡的幫助下匹配圖像分割，但失敗了：經驗公式效果更好。由此我開始考慮在遺傳算法的幫助下改進這個公式。

所以，問題是：我有一堆圖像對，每對我知道「正確」匹配位置。遺傳算法是否可以用於這種事情？任何例子？

建議和鏈接表示讚賞。

謝謝。

Answer 1

基本上，是的！您的分數函數的參數可能是您的GA將要發展的參數。如果您的參數在真實域中，您可能需要使用真正的編碼遺傳算法或進化策略（CMA-ES）。

存在幾種可能的選擇用於交叉：

• 平均/中間體
• 混合-α（BLX-A）
• 混合-α-β（BLX-AB）
• 離散
• 啓發式
• 本地
• 隨機凸
• 模擬二進制（SBX）
• 單點

，也有一些變異算：

• 正態分佈N（0，SIGMA） - >例如用適應減少西格瑪隨時間分佈（在某些位置）
• 統一
• 多項式突變

適合於實時編碼問題的另一個元啓發式是粒子羣優化（PSO）。

通過遺傳編程，您將演變一個公式（例如樹）。我不太確定你爲什麼提到它，也許我仍然誤解了一些東西。澄清你的問題，以防萬一。

編輯：

奧凱現在看來，這並不是說要優化的權重，但整個公式。儘管如此，遺傳算法也可以用於這種表示。由於其對遺傳編程的良好支持，我想提及HeuristicLab。

我假設你有一個更復雜的問題，因爲你想優化評分函數，並且仍然有另一種算法根據評分函數優化佈局。您可以嘗試一種簡單的方法，並生成一個預定義了幾個位置的數據集，並據此計算這些特徵。然後，您可以制定一個分類問題並找到一個模型，使您能夠識別那些最佳的定位。