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解决与此示例具有类似约束的情况:

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。图像的总“基因”是具有相应参数的操作的顺序应用。完成的图像然后由一个或多个真人根据它的“美丽”程度进行投票。

问题是，如果您想找到最漂亮的图像，哪种算法能够比简单的随机搜索做得更好？ (并希望随着投票的进行而随着时间的推移提高信心并改善适应度函数)

考虑到操作可能是相关的，应该可以比随机搜索做得更好。因此，例如带有参数 a1 和 a2 的操作 A，后跟带有参数 b1 的 B，通常比 B 后跟 A 要好得多。操作的顺序很重要。

我曾尝试在谷歌上搜索关于随机游走和马尔可夫链的研究论文，因为这是我对在哪里寻找的最佳猜测，但到目前为止还没有发现足够相似的场景。我真的很感激，即使只是提示在哪里可以找到这样的算法。

Answer 1

我认为您正在寻找的是一个广泛的研究领域 metaheuristics (其中包括许多非线性优化算法，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以某种方式近似真实(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(平均结果会这样做)来使用大多数元启发式方法。