光电体积描记图如下所示。
基本上，您可以看到图像的亮度随着时间的变化而上升和下降。该输出可能来自测量手指血流量的脉搏血氧计。
我的问题是，是否有基于遗传算法(或通常:进化计算)的方法来计算“掉落”的频率。我知道 FFT(以及 DFT)可以计算频率(或者至少为我们提供上面所示输入的频域表示)。
如果您必须使用遗传算法技术来解决这个问题，您会如何处理？ (我不是在寻找实际的解决方案，只是寻找您对 GA 设计中的表示和适应度函数的想法)。
最佳答案
我不认为 GA 最适合解决这个问题，但既然您具体询问了 GA 解决方案，这里有一些想法。对我来说，鞍点似乎更适合找到，因为它们更尖锐，而且您也可以从中获得频率。
我假设问题数据是一个双向量，其中每个位置保存特定时间的亮度。我要求这个向量中的所有点都是从等距时隙中采样的。然后找到频率可以是找到一个偏移量和一个间隔，该偏移量和间隔最小化(或最大化)从由offset+x*interval给出的点处的问题数据获得的值的平均值。使用平均值的优点是您不需要给出最小间隔，因为一旦间隔变得太低，平均值就会下降。不幸的是，它可能会发现间隔太高，因此您还需要最大化评估适应度的点数。这会产生一个更困难的多目标问题。
关于genetic-algorithm - 用于频率检测的遗传算法方法(在光电体积描记图中)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8070384/