基于不精确适应度函数的参数优化算法

Question

我正在寻找一种通用算法来帮助处理具有类似约束的情况,例如:

我正在考虑一个基于一组操作构建图像的系统.每个操作都有一组参数.然后,图像的总"基因"是用相应参数顺序应用操作.然后,完成的图像由一个或多个真实的人根据其"美丽"的方式进行投票.

问题是,如果你想找到最漂亮的图像,什么样的算法能比简单的随机搜索更好？(随着投票进入并改善健身功能,希望随着时间的推移提高信心)

鉴于操作可能是相关的,应该可以比随机搜索做得更好.因此,例如,具有参数a1和a2以及具有参数b1的B的操作A通常可以远远优于B,其后是A.操作的顺序将是重要的.

我已经尝试使用谷歌搜索关于随机游走和马尔可夫链的研究论文,因为这是我最好的猜测,但到目前为止还没有找到类似的情况.我真的很感激,甚至只是在寻找这样一个算法的提示.

Answer 1

我认为您正在寻找的内容属于一个称为元启发式的广泛研究领域（其中包括许多非线性优化算法，例如遗传算法、模拟退火或禁忌搜索）。

然后，如果您的原始适应度函数只是给出一个近似于真实（但未知）适应度函数的统计值，您可能仍然可以通过（以某种方式）平滑您的适应度函数来使用大多数元启发法（平均结果就可以做到这一点）。