從互動式遺傳規(guī)劃探索個人圖形偏好的形成

1、從互動式遺傳規(guī)劃探索個人圖形偏好的形成INVESTIGATE PERSONAL PREFERENCE OF THE IMAGE BY INTERACTIVE GENETIC PROGRAMMING洪朝富、徐立傑、林宏憲真理大學資管系E-Mail: .tw摘要認知心理學是一門探討心智事件的科學，人類在學習新東西時，腦中的運作歷程，是人類學習的關鍵因素，這個歷程也是認知心理學研究的範圍。個人有其獨特的認知模型和評斷標準，知識及偏好形成的結構，會因個體的認知差異而有所不同，個人在評斷事物的滿意度和形成的過程中因而也有所差別。本研究的目的在探討使用者的圖像偏好形成過

2、程，我們嘗試以圖像在腦海中形成心像方式，模擬心理發(fā)展、學習的模型，藉助電腦呈現的圖像與測試者互動，逐漸產生個人的偏好模型，經由計算可以測得測試者偏好圖像模型的複雜度、層數等數據，說明測試者圖像模型形成和心像反應的實際狀況。電腦屏幕上呈現的圖像，是以互動式遺傳規(guī)劃演算方法，演化產生樹狀結構圖像，而測試者選取的圖像都將與系統(tǒng)互動，再次產生新一代的新圖像，測試者再加以評選。反覆著過程，最後得到個別測試者偏好圖像模型的最適範圍與偏好圖形。測試者每一次評選經由程式計算，將每一代生存率高的樹留下來，並且進行基因演化操作，好的基因類型（pattern）會保留至下一代，不好的會被淘汰，直到產生較佳的物種為止。

3、在本研究中測試者扮演著天擇的角色，整個評選決策選擇的過程，最後再將分析以說明個人偏好的演化形成模式。關鍵詞：互動式遺傳規(guī)劃、個人偏好ABSTRACTThe tree structure is evaluated by interactive gp method (reproduction、crossover、mutation). After the evaluation the best tree group will dominate the tree population, but the unlike tree structure will be destroyed in the eva

4、luation. This kind evolutional process will continue until the tree structure is not change, then system will stop interact with the user. From these interaction the test time-serial data will be collected into the data base, we can analyze these data to understand when the users will makes a decisi

5、on. It is means that he/she works like a god to decide which tree can survive. It can help us to create his/her decision model. The final data also point out his/her preference.Keywords: Interactive Genetic Programming, Personal Preference壹、緒論食、衣、住、行、育、樂每個人都有所好，這些偏好是如何形成的？這是一個非常有趣的問題，本文從基因演化互動操作的觀點，

6、來探討圖形偏好的形成。一、研究動機傳統(tǒng)的心理學研究，要測量一個人心中所想的事物，必須透過一些測驗、問卷等方法，將多數人的反應結果統(tǒng)計分析，來解釋一群人的某種心理反應。然而這也只能推測出個人心裡所想的一部份，並不能明確代表個人心中所想的全部。個人是一個複雜的有機體，也充滿了各種喜、怒、哀、樂、愛、惡、欲的偏好和慾望，這些偏好和慾望的形成，一方面固然與成長發(fā)展有關，一方面也是不斷學習的結果。成長、發(fā)展與學習是個體不斷與外在環(huán)境產生互動和調適，認知結構不斷重組和改變，這也就是心理學中的認知結構理論。發(fā)展與學習過程也非常類似物種的基因在環(huán)境限制下為了生存而演化，不斷演化調適而形成最適應的有機體。本研究

7、捨棄一般心理學中慣用的測驗、問卷方法，類似物種的基因演化方法、演化的學習歷程，來測試個人對於圖形偏好的形成過程。基因演化的學習歷程，是以基因操作方法的電腦程式，模擬呈現出各式圖形，供受試者選擇偏好的圖形，經由與電腦圖形的不斷互動，最終取得受試偏好的基模，再加以分析觀察個人對圖形偏好的形成。二、研究目的本研究的目的之一，在建構一個能與個人互動的電腦圖形操作環(huán)境，以檢測個人對於圖形偏好的形成過程。其次，目前有關基因演化理論，已有許多與基因演算（GA Genetic Algorithms）、互動式遺傳演算（IGA Interactive Genetic Algorithms）及遺傳規(guī)劃 （GP Ge

8、netic Programming）的相關研究，而與互動式遺傳規(guī)劃 （IGP Interactive Genetic Programming）的相關研究，則相當缺少，所以將採用IGP演算方法來作為搜尋偏好的一個方法。在這個研究中，我們經由IGP與GA、IGA及GP異同的比較。第三建立一種新的圖形偏好研究方法，能夠準確的測試出個人圖形偏好。有關圖形偏好的研究目前非常缺乏。貳、文獻探討心理學是研究人類行為與心理的學門，圖形偏好是人類行為的一種，因此有必要對心理學已有的圖形偏好相關研究作一檢視，有助於我們對圖形偏好形成過程獲得初步了解。我們首先檢視了行為主義心理學家柏里（Berlyne , D. E

9、.，1972） 的激發(fā)（Arousal）理論，對圖形的好奇心與探索行為 (Curiosity And Exploration) 的開創(chuàng)性研究，他的研究採取傳統(tǒng)的心理學測試方法，受試者只是被動的提供答案，在過程中無法與測試圖形產生互動。其次圖形偏好的形成也是心理學中訊息處理的系統(tǒng)過程，訊息由初始接受然後產生選擇性知覺，經由工作記憶、儲存及長期記憶、提取、及控制歷程至反應形成到達反應器，而完成訊息處理。圖形偏好也可以視為一種訊息，圖形偏好的形成也和訊息處理的心理學理論有密切關聯。我們在此也將訊息處理理論加以簡單描述。認知心理學目前是心理學的顯學，尤其其中皮亞傑(Piaget,1965)的認知發(fā)展論

10、，有關認知結構的形成發(fā)展理論，主導了目前心理學的主要研究方向。認知發(fā)展論中有關認知結構的基本單元-基模(Schema)生成演化的機制與過程，從同化、順應到心理結構的演化平衡，有非常完整的理論架構。圖形偏好當然是認知結構的一種，圖形偏好的形成過程，是一種動態(tài)的、互動式的認知結構的演變。我們也參考了皮亞傑的認知發(fā)展論架構，以及野中郁次郎有關知識螺旋式轉換模型的學說，來說明圖形偏好的形成過程有如認知發(fā)展的螺旋式成形過程。尤其本研究採取IGP互動式演化模式，來研究圖形偏好的形成，認知發(fā)展論的學理，可以提供強有力的佐證。最後我們必須借用混沌理論的概念，來說明個人圖形偏好的形成過程，人類在學習過程中，有如

11、從初始的混沌朦朧中，隨意自由衝撞，甚至於一再重複自己，經過時間、空間的演化累積，最後在有限時、空循環(huán)中，到達某種穩(wěn)定的狀態(tài)，而形成某種時間、空間在位相上的規(guī)律。個人圖形偏好的形成過程，有如從混沌朦朧中，找出某個最適區(qū)域，而形成某種圖形偏好的規(guī)律，是在混沌理論中與本研究最有關聯。以下就相關理論作簡單的整理：一、行為主義心理學家柏里的圖樣喜愛(Pleasure)與激發(fā)(Arousal) 理論好奇心是創(chuàng)造的先決條件【6】。柏里（Berlyne , D. E., 1972）在激發(fā) (Arousal) 理論中提到，凡是具有新奇（Novelty）、複雜（Complexity）、矛盾（Heterogenei

12、ty）以及驚奇（Surprise）的刺激與事物，都會引起 激發(fā) (Arousal) 作用。柏里稱這些新奇、複雜、矛盾及驚奇的特性為集體刺激變項（Collective Stimulus Variables），具有這些特性的事物，都會引發(fā)觀者的注視反應（Attention reaction）、選擇的聯想（Alternations），這些都是激發(fā)作用。激發(fā)作用後的探索行為，會從各類事物中找出最適宜的刺激，在心中組成某種刺激圖樣（A Patterning Of The Stimuli）。圖樣(Pattern)一旦形成，就成為新的知識，而成為觀者心理結構的一部份。圖樣的形成解除了觀者對不熟悉事物的衝突感

13、，減低心中的不安，增進了知覺的熟悉度（Perception Of Redundancy）而重建了視覺的平衡。圖樣類型的形成使激發(fā)作用消解，而對這種圖樣，產生愉悅與喜愛(Pleasure)的感覺。一般而言，簡單與過份複雜之刺激都不易引起注意，也不會產生激發(fā)作用，個人喜愛的圖樣，也因個人年齡經驗背景不同而有差異有關。例如適合兒童的圖案，對於年青人來說，就顯得簡單，而不會產生激發(fā)作用與喜愛感。柏里的研究是以各種幾何形圖案作為測試的材料。柏里不同刺激所產生的激發(fā)作用關係以下圖表示，在（圖1）中只有最適中之刺激最能產生激發(fā)作用，而引起好奇或喜愛的探索行為（Curiosity Exploratory）。本

14、研究的圖案採用樹狀圖，樹狀圖的變化會因受試者的選擇與介入，而產生互動的變化，最後會形成受試個人的偏好圖像。這與柏里的研究過程與結果非常不同。圖1：激發(fā)作用資料來源：【6】二、訊息處理理論與圖形偏好學習的關係圖形是一種訊息，圖形偏好也就是在訊息處理上，會自動選擇最喜愛的圖形訊息，加以記憶、編碼、儲存、提取、運用。不管每個人的能力差異性有多大，訊息處理系統(tǒng)都經過相同的程序，只是有些人可以更快更好的去操作這系統(tǒng)。訊息處理系統(tǒng)的運作如（圖2）【2】。1.訊息的初始接受訊息通常是以某種物理能量的形式存在，如眼睛看到的事物，耳朵聽到的聲音，觸摸的壓力等都是訊息，聽到、看到、摸到都是初始的訊息接受。2.選擇

15、性知覺人會同時聽到、看到、摸到接收到無數的訊息，選擇性知覺會使人注意力專注在一列刺激中最重要的刺激上，個人會依天生傾向去選擇想要注意的事物。3.工作記憶(Working Memory ,也稱為短期記憶Short-Term Memory ,STM或暫存性記憶)工作記憶類似電腦中的暫存記憶體RAM，也是一種知覺（Awareness）的歷程。也就是任何時刻你所知覺到的訊息與事物，都是暫存在工作記憶中，以便將相關訊息做進一步的運用。4.儲存及長期記憶工作記憶中的訊息可以被儲存在長期記憶（Long-Term Memory ,LTM）中。儲存指的是以各種不同方式來統(tǒng)整新訊息和舊訊息的一組歷程。長期記憶的功

16、能就是要儲存訊息以便日後使用。5.提取提取指的是把儲存在長期記憶中的訊息轉送到當前可以運作狀態(tài)中的一連串過程。6.反應形成及反應器反應形成指的是把一系列的各部反應組織起來，以及把訊息傳送至適合的接受器上，以便執(zhí)行該序列之活動。7.控制歷程訊息在人類系統(tǒng)中流動的過程，常是為了達成某些特定目的而組織起來的。而控制歷程便是用來引導及監(jiān)控這些訊息處理歷程的機制。圖形偏好既然是一種訊息處理，當然也與這個訊息處理過程有關。圖2：訊息處理系統(tǒng)資料來源：【2】三、皮亞傑認知發(fā)展理論皮亞傑(Piaget, 1965)認為認知結構的基本單元是基模(Schema)【3】，在認知發(fā)展中基模與外在環(huán)境的接觸，不斷的生成

17、演化，從同化、順應最後達到心理結構的演化平衡。這種演化是從一個階層到下一個階層，形成類似螺旋形演化增長的認知結構變化，如（圖3）。圖形偏好是認知結構的一種，圖形偏好的形成過程，是一種動態(tài)的、互動式的螺旋形認知結構的演變。本研究採取的IGP互動式演化模式，來測試個人圖形偏好的形成，就是參照皮亞傑認知發(fā)展螺旋形演化模式的學理。皮亞傑認知發(fā)展的基本概念，簡介如下：1.同化（Assimilation）把外部環(huán)境要素整合融入自己原有的認知結構中，如學會騎腳踏車的平衡技巧，遇到騎摩托車也會操控平衡。2.順應（Accommodation）調節(jié)自己內部的認知結構，以適應特定新刺激情境的過程。如操控摩托車時，要

18、加入操控油門的技術。順應與同化是伴隨而行的。3.平衡（Equilibration）通過自我調節(jié)機制使認知結構發(fā)展從平衡狀態(tài)，趨向另一種較高平衡狀態(tài)的過程。A ：認識的內源過程E ：經驗抽象基模E：經驗反身基模 a ：相繼的有層次的認知結構b ：橫向的作用c :探索圖3：皮亞傑認識螺旋圖資料來源：【3】四、Nonaka的知識轉化理論野中郁次郎Nonaka知識轉換理論【7】【8】是從認知心理學發(fā)展出來的，它更清楚的敘述知識的形成。Nonaka的知識模型中，知識分成四種模式，分別為共同化、表出化、連結化、內面化，以及內隱、外顯兩種轉換形式，由於內隱和外顯知識在四個模式的互動轉換下，形成一種螺旋式的轉

19、換如（圖4）。圖形偏好的形成，也有類似由內隱到外顯兩種形式的螺旋式交互轉換的特性。共同化：內隱內隱；表出化：內隱外顯；連結化：外顯外顯；內面化：外顯內隱圖4：野中郁次郎知識轉換模型資料來源：【7】【8】五、混沌理論與圖形偏好形成的關係以上從心理學的觀點不論是訊息處理理論及皮亞傑及野中郁次郎的認知發(fā)展理論，都強調人類透過信息處理系統(tǒng)，將外在環(huán)境和刺激，經過信息的處理轉換，才使人類的認知結構與知識不斷如同螺旋狀的向上增長。但是這種螺旋狀向上增長過程，全部發(fā)生在大腦之中，無法透過任何方法，將這個過程以更實際的成像顯現出來。藉由混沌理論中奇異吸子的例子，可以將整個認知結構與知識經過時間、空間轉換過程的

20、路徑，以時、空座標的方式，將這種位相成像出來，可以看出認知結構與知識發(fā)展的具體歷程。混沌理論【1】【4】【5】適用於我們可以看到、接觸到的世界，正如人類在學習過程中，是從混沌朦朧中，找出一個規(guī)律出來。在混沌理論中奇異吸子的實例，相位空間能將數字轉換成圖形，把系統(tǒng)中隨時間改變的某些重要訊息抽取出來，以時、空座標圖來表示，奇異吸子總是在某些固定區(qū)域作著有限循環(huán)，代表到達穩(wěn)定狀態(tài)前，奇異吸子雖是不規(guī)則的，但卻不斷重複自己的某些路徑。以一個鐘擺為例，若鐘擺來回晃動且無磨擦力，一個變數是鐘擺的位置，另一個是速度，他們會不停的變化，在圖上排成一列點的痕跡，形成循環(huán)的迴路，永不停止的重複下去。但在現實世界裡

21、，加上磨擦力與地心引力的影響，鐘擺最後還是會停留在中心點位置，位置為零，速度也為零。人類的認知與知識的成長過程，也就是在這樣類似的震盪擺動中，不斷的重複震盪，而找到自己的規(guī)律，這種成長過程的震盪擺動，可以藉由時、空位相變化圖，清楚的看到知識與認知的形成過程。個人圖形偏好的形成過程如同認知與知識的成長過程，也可以用位相圖，找出某個最適的時間、空間位相區(qū)域，而形成某種圖形偏好的規(guī)律。藉由IGP互動式演化組合模式，以隨機自由演化的方式，尋找出個人圖形偏好形成的位相區(qū)域。參、研究方法一、偏好的形成偏好形成的過程如（圖5）所示。好奇心、需求、慾望、認知發(fā)展、知識成長等各種因素，是各種驅使偏好形成的可能動

22、力。個人的最初偏好目的是不明確的，也無法清楚的將其特性與圖形描述出來。個人在面對新刺激與新情境時，會在這些動力的驅使下，個人開始探索搜尋在內部記憶的相關資訊，在原有的認知結構與外部新資訊的相互作用下，個人偏好不斷調整同化、順應，在這樣的運作過程中，個人的偏好愈來愈明確，最後會形成個人偏好的某種固定類型。這種偏好類型就能更明確的加以描述出來。偏好類型可能是數個圖像，這數個圖像也可能是集中在某個偏好區(qū)域範圍內，個人在做決策選擇時，往往也是在這區(qū)域範圍中。在本研究中，測試者在看到系統(tǒng)所呈現的圖像後，選取的動作會與系統(tǒng)互動，在互動過程中逐步產生測試者所偏好的圖形，而測試者所偏好的樹形圖，有可能是數個偏

23、好樹圖，如（圖6）所示，而這數個偏好樹圖，也都由具有互相關聯的相同屬性所建構而成。圖5：偏好的形成圖6：偏好基模二、系統(tǒng)操作原理在上一段所討論是個人偏好形成，所以在本段將說明以IGP的方法試圖找出個人的偏好。（圖7）系統(tǒng)會隨機產生6個樹狀結構以圖像的方式呈現，測試者看到圖像的一個視覺刺激，以個人的偏好去對這些樹做評分，相對的在這些6棵樹將會依據評分進行GP的演化，在演化中會把好的偏好類型（Pattern）保留至下一代。在GP的操作中我們採用菁英法（Elitism）保留一個最高分的樹至下一代，這樣做是為了不讓樹在做染色體交換（Crossover）時把所有好的類型（Pattern）破壞掉，以及重新

24、產生兩組新樹，即是未經過GP運算的兩棵樹，這是因為希望能搜尋到更多空間，其餘的則一組進行染色體交換（Crossover），一組進行突變（Mutation）運算，在整個運算操作結束後將會繪出6棵新的樹再讓測試者去評分，直到找到測試者的偏好樹為止。在整個系統(tǒng)操作的過程就等於在記錄、模擬測試者的選擇偏好圖形的歷程，系統(tǒng)與測試者彼此的互動，系統(tǒng)完整的記錄測試者建構偏好圖形的基模，最後將這些過程利用時間序列（Time Series）及相空間（Phase Space）圖形表示作為我們觀察測試者的偏好形成。圖7：系統(tǒng)架構圖三、IGP與GA、IGA、GP演算法的探討實驗的目的是要探討圖形偏好的問題，我們以表列

25、方式，如（表1），針對GA、IGA、GP與IGP的演算法【9】【10】【11】【12】，比較那一種基因演算方法較適合圖形偏好的研究。先對偏好的特性作一分析，偏好是一種非結構化、可能目的不明確或是目的明確的心理傾向，GA、IGA、GP與IGP四者之中，以IGP在處理偏好此一問題時，較其它三者演算方法更為適合。偏好問題非結構化結構化目的明確目的不明確互動性IGPIGAGP(客觀限制條件)GA表1：基因方法比較四、建樹方法與GP操作1 樹的Chromosome敘述：（圖8）是一棵樹染色體（Chromosome）的編碼方式，一段基因（Gene）代表著一支樹枝，（表2）則是記錄在資料庫裡一棵樹的染色體，

26、表中的每一段的子基因裡的f node會與父基因裡的no對應連結下形成一棵樹，如（圖9）。圖8：樹的Chromosome表2：資料表表示一棵樹Chromosome上表產生的樹圖9：表2資料表所繪出的樹2 畫樹方法：畫一棵新樹時，會由亂數決定出樹的層數，接著每一層也將以亂數的方式來決定該層的樹枝數，（圖10）說明樹是產生的步驟。圖10：建立一棵2層樹的過程3 編碼原則：先計算該樹的最高層樹層數，再利用此（wcode=fnode+10level-1*levelno）公式計算後得到該樹各樹枝的唯一碼（圖11）。圖11：編碼過程4 選擇（Selection）： 在程式中由測試者決定的評分，並使用菁英法和

27、轉輪法共用的選擇方法，在本研究中菁英法將保留最高分數的一棵樹至下一代，另外再以轉輪法選出三棵樹至下一代演化，接下來說明轉輪法的方法。在研究中以測試者對樹的評分做為依據，利用這些評分來求得該樹的生存機率，當機率高時進行轉輪法，該樹被選到機率也較高，也就是說評分高的樹即可生存下來，評分低分數的樹則被淘汰，（圖12）說明了轉輪法計算，並且可以清楚的了解L1在轉輪裡的機率高所以生存率高，L5的機率小生存率低最有可能被淘汰。6i=1L6=E6/EiL1=E1/Ei 6i=1 E1E6：各樹評分 L1L6：各樹生存率圖12：轉輪法5 染色體交換（Crossover）：經由Selection後的樹將與另一棵

28、隨機選取的樹進行染色體交換Crossover，系統(tǒng)會將選到兩樹的支點，並將該支點截斷進行Crossover（圖：13）。圖13：Crossover6 突變（Mutation）：隨機選取截斷點，並將截斷點以上的樹枝進行Mutation，所以截斷點以上的樹枝座標值將改變（圖14）。ImageEvaluate圖14：Mutation五、數據分析在前面的文章探討過系統(tǒng)會記錄測試者整個過程，所以在測試者與系統(tǒng)互動下，對每一代評分最高分的樹將被記錄起來，直到測試者停止對系統(tǒng)操作為止，最後再將樹基模的屬性做一個區(qū)分，分成層數、樹枝總數、左偏數、右偏數以及複雜度，接下來我們把這些屬性擷取出來分析，說明個人的圖

29、形偏好類型。在（圖15）中將主要建構一顆樹的（層數及總枝數）兩屬性來做50代的觀察，可以看出在時間與空間序列上，形成一個層數及總枝數的偏好形成圖。先前說過這些點是測試者與系統(tǒng)互動下得到的結果，代表著個人在做偏好的搜尋以及偏好基模建立的一個序列歷程，圖中可以清楚的發(fā)現有三個集合區(qū)域，這些決策點離散程度較小，也就是說樹的結構頻率變化沒有太大的變動，這些都是在形成偏好基模的集合區(qū)域範圍。而離散程度大的點則是在做一個搜尋的動作，之前探討中提到，在無法清楚描述目標時，人類會因好奇心、需求、慾望、認知發(fā)展、知識成長等等各種因素影響驅使一直去探索下一個是不是更好，是不是就是我要的東西 。直到偏好落在能接受的

30、區(qū)域範圍，心理上才會停止繼續(xù)搜尋的動作，此時偏好類型已完成。接下來在（圖16）裡將總樹枝數及層數轉換成一棵樹的複雜度i（總枝數i+層數i），再以混沌理論裡的時間序列以及相空間來解釋，在圖中可以清楚的發(fā)現在第2950代，複雜度會約在350380產生頻率震盪，所以即是偏好的形成，再把上述資料對應到（圖17）可以得到在第29代，層數12、總枝樹約為340時偏好開始形成，以及（圖18）裡可以看出測試者偏好對稱的樹。最後在這些分析圖中，除了可以探討出測試者形成偏好的歷程，在這個歷程裡更可以發(fā)現個人對偏好目的本身是否明確。舉一個生活化的例子，譬如今天要逛街買衣服，知道要逛街買衣服，但是卻不知道要買哪一類的

31、衣服，所以在逛街的過程中，會從一家商店到另一家商店與店員互動了解相關的資訊，此時購買者正在搜尋及建構他的個人衣服的偏好，就如同上述資料所呈現相類似。在一時間序列裡會因某些原因產生偏好，因為人的心理因素繼續(xù)的探索，探索的結果可能形成另一個偏好。如果今天知道要逛街買衣服，也知道要買哪一類的衣服，此時目的明確，在逛街的過程中直接針對這類的衣服做搜尋尋找偏好，同樣的利用時間序列與相空間來分析，可以得到與目的完全不確定時，非常不同的結果，因為目的確定所集合的偏好集合，將會少於目的不確定的集合。圖15：時間序列與屬性關係圖圖16：時間序列與相空間-1圖17：時間序列與相空間-2圖18：樹的偏向肆、結論與未

32、來展望我們利用IGP演算法，在過程中透過互動的機制與測試者溝通，在得到測試者的資訊後，結果成像顯示測試者可以找到偏好樹形與偏好的區(qū)域。在記錄整個尋找的過程中，可以從記錄中看到個人偏好的形成過程，以及個人對偏好目的的認知。研究分析的結果，可以印證IGP的演算結果是否可靠。也就是當目標不確定時，再次讓測試者操作系統(tǒng)，並將分析結果和前次偏好類型作比對，這樣可以修正個人偏好標的使其更為明確。本研究目前研究的結果已如上述，未來希望更進一步在這些偏好的集合裡，去探討找出個人偏好的函數值，以便能更準確的以數值說明個人的偏好。其次，本研究以IGP探討圖形偏好的研究模式，是從眾多圖形中，決定測試者的數個偏好類型。在決策過程中，往往也是需要在數個方案中，決定那一個或某幾個是最佳方案，這就是在多目標決策過程中，當決策者具有多個方案必須評價選擇決策目標時可以依據IGP演化摸式幫助個人選擇一個較佳的