我试图找到两个图像(让我们说"image1"one_answers"image2")如何相互匹配。对于"image2"相对于"image1"的每个可能位置，计算了几个参数。我有一个经验公式，根据这些参数为每个位置给出"分数"。
我尝试在神经网络的帮助下匹配图像部分，但失败了:经验公式效果更好。从那时起，我开始考虑用遗传算法来改进这个公式。
那么，问题是:我有一堆图像对，对于每一对我都知道"正确"的匹配位置。遗传算法可以用在这样的事情上吗?有例子吗?
欢迎提出建议和链接。
谢谢。
基本上，是的!分数函数的参数可能是GA将要演化的参数。如果你的参数在实域，你可能想要使用一个真实的编码遗传算法或进化策略(CMA-ES)。
存在几种可能的交叉选择:
- 平均/中级
- Blend-Alpha (BLX-a)
- Blend-Alpha-Beta (BLX-a-b) 离散
- 启发式 当地随机凸
- 模拟二进制(SBX)
- 单点
还有一些变异算子:
- 正态分布N(0, sigma) ->例如，随着时间的推移适应sigma减小
- 均匀分布(部分位置)
- 多项式变异
另一个适合于实际编码问题的元启发式算法是粒子群优化(PSO)。
通过遗传编程，你将进化出一个公式(例如树)。我不太确定你为什么提到它，也许我还是误解了什么。把你的问题说清楚，以防万一。
编辑:好吧，看来你想优化的不是权重，而是整个公式。尽管如此，遗传算法也可以用于这种表示。我想提一下HeuristicLab，因为它对遗传编程有很好的支持。
我假设你有一个更复杂的问题，因为你想优化评分函数，并且仍然有另一个算法来根据该评分函数优化位置。您可以尝试一种简单的方法，生成一个预定义了几个位置的数据集，并相应地计算出特征。然后你可以制定一个分类问题，并找到一个模型，使你能够识别那些最优的位置。