返回
Collaborative knowledge transfer-based multiobjective multitask particle swarm optimization
DOI:10.1016/j.swevo.2025.102115.png)
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
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
An Effective Knowledge Transfer Approach for Multiobjective Multitasking Optimization多目标多任务优化的有效知识转移方法
Knowledge-Data Driven Optimal Control for Nonlinear Systems and Its Application to Wastewater Treatment Process知识数据驱动的非线性系统最优控制及其在污水处理中的应用
A Meta-Knowledge Transfer-Based Differential Evolution for Multitask Optimization基于元知识转移的差分进化多任务优化算法
Evolutionary Multitask Optimization With Lower Confidence Bound-Based Solution Selection Strategy基于置信下限的进化多任务优化解选择策略
Ensemble of Domain Adaptation-Based Knowledge Transfer for Evolutionary Multitasking用于进化多任务的基于领域适应的知识转移集成
Adaptive knowledge transfer-based particle swarm optimization for constrained multitask optimization基于自适应知识转移的粒子群算法求解约束多任务优化问题

