海报

使用单目标和多目标进化算法优化键盘配置

作者:

艾哈迈尔可汗和

Kalyanmoy公司德布作者信息和声明

GECCO’23伴侣：遗传和进化计算伴侣会议记录

2023年7月

页219-222

https://doi.org/10.1145/3583133.3590580

出版:2023年7月24日出版历史

获取访问权限

摘要

英语键盘配置包括30个键-26个字母和四个标点符号：逗号、句点、分号和问号。根据打字活动中经常出现的字母序列，一个或多个键盘配置将是特定性能指标的最佳配置。在这里，我们将两次连续击键之间的累积距离视为优化目标，因为它直接关系到键入效率。手指在笔划之间移动的距离越短，打字速度就越快。在考虑这样的场景时，研究人员通常一次只关注一个特定的单一目标，并找出相应的最佳键盘配置。这些优化但深奥的键盘与当前实际的QWERTY配置完全不同，这使得新的优化键盘配置更难学习和大规模部署。因此，在本研究中，我们研究了此类问题的多目标版本，并考虑了两个目标-最大化键入效率和最大化与QWERTY配置的相似性。我们利用NSGA-II算法，生成一组从最有效到最相似的键盘配置的Pareto集合。一系列解决方案可能提供一种设计创新路径通过一系列改进，逐步从流行的QWERTY配置过渡到更高效的配置。

工具书类

[1]

J.Blank和K.Deb。2020年。pymoo：Python中的多目标优化。IEEE接入8 (2020), 89497--89509.

[2]

R.C.Cassingham公司。1986德沃夏克键盘：符合人体工程学设计的打字机键盘，现已成为美国标准。自由职业通信。

[3]

K.Deb、S.Agrawal、A.Pratap和T.Meyarivan。2002.一种快速的精英多目标遗传算法：NSGA-II。IEEE进化计算汇刊6, 2 (2002), 182--197.

数字图书馆

[4]

P.S Deshwal和K.Deb。2006.最佳印地语键盘的人体工程学设计，使用方便。在2006年IEEE进化计算国际会议。IEEE，2187-2194。

[5]

A.E Eiben和J.E Smith。2015进化计算导论。斯普林格。

[6]

C.M.丰塞卡（C.M.Fonseca）、V.Grunert da Fonseca-和L.帕奎特（L.Paquete）。2005.探索具有二阶可达函数的随机多目标优化算法的性能。在第三届进化多准则优化国际会议，EMO-2005。柏林：施普林格，250-264。

[7]

D.E.Goldberg和R.Lingle。2014.小巷、场所和旅行推销员问题。在第一届遗传算法及其应用国际会议论文集。心理学出版社，154-159。

[8]

D.Gutiérrez、M.A.Ramírez-Moreno和A.G.Lazcano-Herrera。2015.评估脑电图新技能的获得。在第七届国际IEEE/EMBS神经工程会议（NER）。IEEE标准，727-730。

[9]

O.A.H.Habibi和O.Korhan。2020年。将遗传算法应用于键盘布局问题。公共科学图书馆15，1（2020），e0226611。

[10]

J.H.Holland。1975自然和人工系统中的适应。麻省理工学院出版社。

数字图书馆

[11]

M.Kafaee、E.Daviran和M.Taqavi。2022.科林里奇困境视角下的QWERTY键盘：人机共建的教训。人工智能与社会(2022), 1--13.

[12]

N.Keren和A.Azaria，2021年。键盘布局优化的深度遗传方法。在2021年IEEE第33届人工智能工具国际会议（ICTAI）。IEEE，435--441。

[13]

E.Khorshid、A.Alfadli和M.Majeed。2010年。使用遗传算法的新优化阿拉伯语键盘布局。国际设计工程杂志3, 1 (2010), 25--40.

[14]

C.Liao和P.Choe。2013年。基于多音消除歧义和遗传算法的中文键盘布局设计。国际人机交互杂志29, 6 (2013), 391--403.

[15]

K.Robin，1975年。打字速度、键入速率和最佳键盘布局。在人类因素学会年会记录，第19卷。SAGE Publications SAGE CA：加利福尼亚州洛杉矶，159-161。

[16]

C.J.Turner、B.S.Chaparro、I.M.Sogaard和J.He。2020年。键盘布局和大小对智能手机打字性能的影响。在人类因素和人类工效学学会年会论文集，第64卷。SAGE Publications SAGE CA：加州洛杉矶，985-989。

索引术语

使用单目标和多目标进化算法优化键盘配置
1. 硬件
  1. 电子设计自动化
    1. 硬件描述语言和编译
2. 计算理论
  1. 算法的设计和分析
    1. 数学优化
      1. 非参数优化
        遗传编程
  2. 应用领域的理论和算法
    1. 随机搜索启发式理论

建议

基于参考点的进化算法多目标优化
GECCO'06：第八届遗传与进化计算年会论文集

进化多目标优化（EMO）方法在过去十年及以后被广泛应用于寻找具有代表性的帕累托最优解集。虽然知道帕累托模型的每个目标的范围有好处，但。。。
阅读更多信息
一种交互式进化多目标优化决策方法

随着多目标进化优化（EMO）高效技术的出现，针对多个冲突目标的现实世界搜索和优化问题正日益得到解决。在过去十年的研究和。。。
阅读更多信息
使用多目标进化算法加深对权衡的理解
EvoApplications’12:2012年欧洲进化计算应用会议记录

多目标优化问题的特点是目标函数多且相互冲突。目标的冲突性导致了权衡的概念。权衡代表目标变化的比率。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

GECCO’23伴侣：遗传和进化计算伴侣会议记录

2023年7月

2519页

国际标准图书编号：9798400701207

内政部：10.1145/3583133

主席：
萨拉·席尔瓦,
项目主席：
路易斯·帕奎特

版权所有©2023所有者/作者。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的部分或全部数字或硬拷贝以供个人或课堂使用。必须尊重本作品第三方组件的版权。对于所有其他用途，请联系所有者/作者。

赞助商

SIGEVO:ACM遗传和进化计算特别兴趣小组

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2023年7月24日

检查更新

作者标记

限定符

海报

会议

GECCO’23伙伴

赞助商：

西格沃

GECCO’23伙伴：关于遗传和进化计算的伙伴会议

2023年7月15日至19日

葡萄牙里斯本

接受率

4410份提交文件中的总接受率为1669份，占38%

即将召开的会议

GECCO’24

赞助商：
西格沃

遗传和进化计算会议

2024年7月14日至18日

墨尔本，维多利亚州，澳大利亚

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
71
总下载次数

下载次数（过去12个月）71
下载次数（最近6周）三

其他指标

查看作者指标

引文

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子