-
题名基于协方差矩阵调整的多目标多任务优化算法
被引量：4
- 1
-
-
作者
邱鸿辉
刘海林
陈磊
-
机构
广东工业大学应用数学学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第8期306-312,共7页
-
基金
国家自然科学基金(62006044)
广东省科技计划项目(2021A0505110004)
广东省自然科学基金(2022A1515010130)。
-
文摘
多任务进化(EMT)是进化计算领域的一个新兴研究方向,区别于传统的单任务搜索算法,EMT通过在任务间传递有用知识,对多个任务同时实施进化搜索,以提升多个任务的收敛性能。目前,大多数进化算法只考虑了知识迁移而忽略了任务间的联系。提出一种多目标多任务优化算法,结合迁移学习的思想,采用任务间种群的协方差矩阵差异表示任务间种群分布特征差异,使用任务间种群均值的距离表示任务间种群的分布距离,并通过任务间种群的分布特征差异和分布距离表示任务间的相似度。对于某个目标任务,将其最相似任务中的解集实施K最近邻分类,以筛选出对目标任务有价值的解,并使其迁移到目标任务中。实验结果表明,与EMTSD、MaTEA、MO-MFEA-II等多目标多任务优化算法相比,所提算法具有较佳的收敛性能,平均运行效率约提高了66.62%。
-
关键词
多目标多任务优化
进化算法
多任务进化
迁移学习
协方差矩阵
-
Keywords
Multi-Objective Multi-Tasking Optimization(MTO)
evolutionary algorithm
Evolutionary Multi-Tasking(EMT)
transfer learning
covariance matrix
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应迁移的分解多目标多任务进化算法
被引量：2
- 2
-
-
作者
蔡倩倩
史旭华
-
机构
宁波大学信息科学与工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第7期55-64,共10页
-
基金
国家自然科学基金(61773225)。
-
文摘
多目标多任务进化优化是多目标优化的一个重要研究方向,通过跨任务共享有益信息以同时解决多个相关任务的优化问题。然而,现有多目标多任务进化优化研究存在相似任务匹配准确度低、缺少对知识迁移的动态控制等问题。为提高多目标多任务进化优化算法的优化效果,引入相似性动态指标和迁移概率动态调整机制,提出自适应迁移的分解多目标多任务进化算法。为了给目标任务子问题匹配关联度最高的迁移源,同时考虑种群的当前分布以及种群的进化方向2个指标,设计一种基于种群静态和动态特征相结合的迁移源匹配策略。为了合理地控制任务间的信息传递,提出基于种群进化状态的知识迁移概率自适应调整策略,在优化过程中根据优化任务的进化状态自适应地调整任务间的知识迁移概率,以满足优化任务在不同进化阶段对外部知识的需求。实验结果表明,相比MOEA/D、MO-MFEA、MO-MFEA-Ⅱ等算法,该算法具有较优的稳定性和收敛性,在常用的9组(18个独立任务)多目标多任务测试问题中有15个表现较优,优化率为83%。
-
关键词
多目标多任务优化
进化算法
迁移优化
分解策略
自适应策略
-
Keywords
multi-objective multi-task optimization
evolutionary algorithm
transfer optimization
decomposition strategy
adaptive strategy
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
