arrow
返回

Collaborative knowledge transfer-based multiobjective multitask particle swarm optimization

delete2025-08-05
delete0
PRE
AI
Y
Yushuang Wang
Z
Zheng Liu
H
Honggui Han *
DOI:10.1016/j.swevo.2025.102115delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
进化多任务优化(EMTO)已成为一种新兴的优化范式,通过利用知识迁移来并行处理多个不同的优化问题。然而,大多数现有的EMTO算法仅关注在搜索空间中促进知识迁移以处理多个优化任务,而忽略了目标空间中潜在的关系问题,这可能导致知识迁移性能下降,尤其是在多目标EMTO中。为解决此问题,本文设计了一种基于协作知识迁移的多目标多任务粒子群优化算法(CKT-MMPSO)。首先,引入CKT-MMPSO方案,综合挖掘不同空间的知识以解决多个优化问题,从而有效实施知识迁移以提高解的质量。其次,开发了一种双空间知识推理方法,充分利用搜索空间中的种群分布信息和目标空间中的粒子进化信息,以获取搜索空间知识和目标空间知识,辅助知识迁移。第三,设计了一种基于信息熵的协作知识迁移机制,以平衡收敛性和多样性,使知识迁移模式能够在不同进化阶段自适应执行,生成有前景的解。最后,将CKT-MMPSO应用于一些基准问题以验证其有效性。此外,与其他最先进算法相比,多项实验表明CKT-MMPSO能够实现理想的性能。
Keyword:
multiobjective optimization
evolutionary multitask optimization
knowledge transfer
particle swarm optimization
collaborative learning

期刊

Swarm and Evolutionary Computation 封面图
Swarm and Evolutionary Computation
IF:
8.5
论文数:
2.2K
被引数:
1.0W

机构

B
Beijing University of Technology
学者数:
2.8W
论文数: 2.1W
被引数: 2.7W
引用论文

引用论文

学者 查看更多内容