Evolutionary multitasking optimization based on cross-task association mapping strategy

Tao Yin

doi:10.1016/j.eswa.2025.129580

Evolutionary multitasking optimization based on cross-task association mapping strategy

2025-09-15

0

PRE

AI

DOI：10.1016/j.eswa.2025.129580

原文链接

原文求助

摘要

En 中文

在多任务优化中，通过子空间生成实现任务间的知识传递已被广泛应用于提升算法的收敛性能。然而，这种方法未能考虑任务间的知识映射关系。因此，优化过程中跨任务的知识传递本质上仍是盲目的，可能导致子空间信息不匹配，进而降低算法性能。为解决此问题，本文提出了一种基于关联映射策略和自适应种群重用机制的多任务进化算法，即PA-MTEA。具体而言，为充分表征多任务领域间的相关性并提升转移解在目标任务中的适应性，本文引入了一种基于偏最小二乘法的子空间投影策略，该策略在搜索空间降维过程中实现了源任务与目标任务间的相关性映射。此外，为进一步增强跨任务知识传递，通过调整子空间Bregman散度获取对齐矩阵，以最小化任务领域间的变异性。最后，为平衡算法的全局探索与局部开发，设计了一种基于残差结构的自适应种群重用机制。该机制通过重用历史成功个体来引导种群的进化方向，从而提升算法的收敛性能。在多种基准测试套件和实际案例上的实验结果表明，PA-MTEA相较于其他六种先进的多任务优化算法展现出显著更优的性能。

Evolutionary multitasking optimization based on cross-task association mapping strategy

摘要

期刊

机构

引用论文