前言

近年来，随着智能决策与人工智能技术的发展，一种具有人机交互机制的交互式进化计算 （Interactive Evolutionary Computation，IEC）算法在解决决策领域中，不确定隐性目标优化问题方面表现较大的优势，自20世纪80年代以来就引起国内外研究者的广泛关注。它以人的智能评价作为进化个体的适应度准则，在变量空间向人的心理空间映射的基础上，实现人与算法的交互作用，目前已在图形图像、艺术设计、工业控制等领域成功应用。然而，目前IEC中的交互式控制研究者却面临着以下四个研究难点：①适应值具有噪声；②人的偏好随着评价而不断调整；③IEC要求在种群规模小、进化代数少的情况下使用，造成进化效率低下；④用户疲劳问题。它们导致了IEC优化性能低下，成为制约IEC应用发展的瓶颈问题。

所以，如何结合当前的人工智能等技术，以解决IEC的进化效率问题和用户的疲劳问题，是一项颇具挑战性的工作，具有重要的理论意义与应用价值。

本书在组织结构上分为八个章节，主要内容介绍如下：

第1章主要介绍交互式遗传算法的基本概念、应用领域及其核心问题，并列出国内外有关研究机构的网址，以供读者参考和深入跟踪相关研究内容的细节。第2 章对目前的各种多目标进化算法进行系统划分，对主要算法的大致结构和优缺点进行阐述和比较。第3章结合交互式遗传算法的求解特点，介绍了隐性目标决策问题方案的进化求解模型。第4章阐述了交互式遗传算法的噪声以及用于降噪的进化个体适应值调整策略。第5 章简要说明了基于用户偏好的协同交互式遗传算法的思想依据，用户偏好的抽取、存储及偏好相似用户的寻找，算法系统结构等。第6章介绍了多种群自适应分层交互式遗传算法，包括算法思想、多种群模型、近亲交叉回避、自适应单点变异、分层等。第7章阐述基于多智能体系统的协同进化交互式遗传算法的思想依据，算法模型 （包括模型组成、交互式遗传算法单元和协同进化单元的功能描述），模型各组件的语义描述和派生关系等。第8 章介绍并讨论了IEC交互式遗传算法在竞技体育技术动作优化中的应用问题。

在本书撰写过程中得到了许多同事和朋友的帮助：江苏师大的黄永青博士、郝国生博士提供了他们最新研究成果的第一手资料。刘玉龙教授、赵向军教授、赵淦森教授为本书提出了许多宝贵建议。广州市体工队的钟成灿教练、刘治立教练提供了实验所需的数据。此外还得到了省体育局朱跃夫主任及广州体职院周同博士、冯骏杰博士、伍晓峰、吴保安等老师的诸多建议，开拓了笔者的视野。

在此还要感谢我的妻子刘文娜女士多年来的关心与支持，感谢她对本书的文献收集及实验数据分析所做的工作。暨南大学出版社的古碧卡女士和高洵女士为本书出版做了大量辛苦细致的工作，值此出版之际一并表示感谢。

本书可以作为决策管理、人工智能等专业领域的本科生、研究生和科研人员的一本入门参考书。

赵立江

2014年1月25日