.png){kind=icon}
返回
A pre-communication mechanism for evolutionary multitasking optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-025-11534-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
进化多任务优化（EMTO）旨在利用进化算法通过利用不同任务之间的相关信息来同时解决多个优化任务。然而，现有的EMTO算法（EMTOAs）通常从零开始启动优化过程，而不考虑不同任务之间的先验信息，这会限制其求解性能。本文针对EMTO提出了一种预通信机制（PCM），它将每个任务对应的初始种群分布信息作为先验信息，并利用先验信息的相关性在早期进化的每一代中为每个任务提供改进的解决方案。首先，在生成初始个体解后，PCM在每个任务的个体解上构建高斯分布模型作为先验信息。其次，在早期进化的每一代中，PCM依次将每个任务作为目标任务，并通过构建高斯混合模型学习目标任务与其他任务之间的相似性信息。混合系数表示目标任务与其他任务之间学习到的相似性信息。最后，从每个任务获得的高斯混合模型中采样的个体解与早期进化每一代的原始个体解竞争，以获得改进的个体解。实验结果表明，PCM能够帮助现有的EMTOAs更有效、更高效地解决多任务优化问题。
Keyword:
Evolutionary multitasking optimization
Multifactorial optimization
Multipopulation coevolution
Pre-communication
Gaussian mixture model
期刊
IF:
4.5
论文数:
940
被引数:
3.2W
机构
暂无机构信息
引用论文
.png){kind=icon}
Affine Transformation-Enhanced Multifactorial Optimization for Heterogeneous Problems仿射变换-异构问题的增强多因子优化
PREAI
分享收藏
查看更多内容