摘要:交互式遗传算法是一类解决隐式性能指标优化问题的进化优化算法，它将传统的进化机制与人的智能评价相结合，通过人给出进化个体的适应值，代替难以（或无法）显式表示的适应度函数。已有研究结果表明，人的疲劳问题是交互式遗传算法的核心问题。
本文针对上述的问题，采用区间数作为进化个体适应值，通过曲线的拟合建立其模型，并对模型进行检验与更新。在曲线的拟合时，我们首先利用最小二乘法原理进行曲线的拟合，并进行了回归分析，更新模型；然后接着我们对已建立的模型进行了改进，利用极大熵法对数据重新拟合，得到的模型与之前的模型进行了比较，基于极大熵法曲线的拟合更接近我们给出的测试数据。
关键词 交互式遗传算法；极大熵法；区间数
目录
摘要
Abstract
1 绪论-1
1.1问题的提出及研究的意义-1
1.2 国内外研究现状及发展动态分析-1
1.3 存在的不足之处-2
1.4 本文的主要工作-3
2 交互式遗传算法-4
2.1交互式遗传算法-4
2.2交互式遗传算法的起源与发展-4
2.3交互式遗传算法的工作原理-4
2.4本章小结-6
3 曲线拟合-7
3.1问题引入-7
3.2曲线拟合-7
3.2.1线性拟合-7
3.2.2非线性拟合-8
3.3本章小结-9
4基于区间适应值的交互式遗传算法代理模型-10
4.1算法的提出-10
4.2进化个体区间适应值-10
4.3基于区间端点适应值的交互式遗传算法代理模型-11
4.3.1训练数据的获取-11
4.3.2代理模型的选择-12
4.3.3基于代理模型的进化个体适应值-13
4.3.4代理模型的更新-13
4.4算法步骤-13
4.5算法的性能分析-14
4.6模型的应用检验-14
4.7本章小结-16
5基于区间适应值的交互式遗传算法代理模型的改进-17
5.1极大熵函数的导出-17
5.1.1极大熵函数-17
5.2非线性曲线拟合的极大熵法-18
5.3算法步骤-19
5.4改进的模型-19
5.5本章小结-20
结论-22
致谢-23
参考文献-24
