.png){kind=icon}
返回
A Dynamic Interval Multiobjective Evolutionary Algorithm Based on Multitask Learning and Inverse Mapping
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3551355.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态区间多目标优化问题，例如在无线传感器网络调度和投资组合选择中遇到的问题，日益普遍。然而，由于其参数固有的不确定性和可变性，它们带来了显著挑战。本文提出了一种基于多任务学习和逆映射的动态区间多目标进化算法。该算法采用基于区间的MOEA/D作为基础框架。在遇到环境变化时，通过结合多任务学习与自进化模糊系统，开发了用于区间中点和宽度的预测模型。这些模型在目标空间中生成预测的帕累托前沿（PF）。随后，建立新时间点的目标函数逆映射，以识别决策空间中对应预测PF的解。最后，将这些解扩展以形成新时间点的初始种群。在18个基准优化问题和不确定的水下无线传感器网络调度测试中，所提出的算法在与五种当前先进算法的比较中表现出竞争力和优越性。
Keyword:
Dynamic multiobjective optimization
interval
least square inverse mapping
multitask learning
期刊
IF:
12
论文数:
1.9K
被引数:
2.4W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏Constraints Separation Based Evolutionary Multitasking for Constrained Multi-Objective Optimization Problems约束多目标优化问题的基于约束分离的进化多任务处理
PREAI
分享收藏分享收藏分享收藏
查看更多内容