篇名 | 一個互動式演化計算運行框架: 以最佳化產品設計為例 |
---|---|
卷期 | 13:1 |
並列篇名 | An Interactive Evolutionary Computation Framework: A Case Study of the Optimal Product Design |
作者 | 王柳鋐 、 廖峻德 |
頁次 | 077-097 |
關鍵字 | 疲勞問題 、 互動式演化計算 、 演算式機率 、 適應值預測 、 Human fatigue problem 、 Interactive evolutionary computation 、 Algorithmic probability 、 Fitness predication 、 TSSCI |
出刊日期 | 201103 |
疲勞問題(fatigue problem)一直是互動式演化計算( interactive evolutionary computation, IEe)領域中重要的研究問題之一。本文以解決IEe疲勞問題常見的適應值 預測(fitness prediction)策略為出發點,提出一套以演算式機率( algorit恤ic probabili臥ALP)為基礎的IEe系統(ALP-IEe) 0 ALP-IEe以多目標遺傳演算法(multi-objective genetic algorit恤,MOGA)實作ALP理論,作為系統的學習模組。當ALP-IEe 與受測者(respondent)互動時,學習模組便會以受測者的評估結果做為訓練資料,並習得受測者的效用函數,以進行適應值預測。透過產品設計問題的應用研究,本文比較了(1)ALP-IEe與傳統IEe的效率與效果; (2) ALP-IEe與IEe常見的適應值預測方 法一類神經網路(neural network, NN)學習模組的效率與效果。統計檢定顯示ALPIEe在效率與效果上,均優於傳統IEe 0換句話說, ALP-IEe在不犧牲效果的情況下, 可以提升IEe運行效率,降低疲勞問題發生的可能性。另外,ALP-IEe在產品組合的 個案上,其預測誤差的表現,也較NN為佳。