如果我理解正确：

• 你有一个输入多边形

• 作为第一步，您希望将其与先前看到的模板列表“匹配”。如果这成功了，您选择它的相应输出并继续。

• 如果没有，您希望找到一些最佳转换，以使其满足您拥有的一些约束（您的“目标函数”）。然后将原始+转换后的形状添加到模板列表并继续。

它是否正确？无论如何，我会冒险回答：

对于第一部分，我相信那里有大量的文学作品。这不是我的专长，但首先想到的是测量形状和每个模板之间特征空间的距离，然后选择最接近的一个，它的距离低于您设置的阈值。这里的“特征”可以是一些低级别的多边形属性，例如顶点的 x 和 y 坐标，或者是一个抽象，例如周长、面积、编号。顶点，平均边长/边长方差等。

对于第二部分，它实际上取决于您的约束/目标函数的性质。它们是凸的吗？单模还是多模？单目标还是多目标？你想加入一些领域知识（即关于什么是“好的”转换的知识？）？如果没有进一步的细节，你真的无法判断。进化算法是非常通用但昂贵的方法（尽管有些人对此争论不休）。如果您可以节省可能大量的函数评估，您可以尝试 EA 作为第一步，然后改进您的方法。

最后，虽然与您在流程中描述的内容不完全相关，但我相信您可能会通过研究自动关联网络（以及一般模型）而受益；这些模型能够对其输入执行约束满足，有效地对输入值执行学习关系。我可以通过输入一个形状并将转换后的形状作为输出来使用这种方法，这将是“合法的”，即满足自动关联模型学习的约束。因此，您将完全不需要模板匹配 + 优化。