.png){kind=icon}
返回
Fuzzy Adaptive Multitask Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TCYB.2025.3614438.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）旨在同时优化多个任务。近年来，基于知识转移（KT）的各类EMTO算法已被开发出来，以利用其他任务的信息并促进当前任务的优化。然而，其中大多数算法通常在进化过程中使用固定的KT概率（ktp）和单一的进化搜索算子（ESO），缺乏自适应机制，无法满足多个任务的不同搜索需求。模糊系统能够有效表达边界不清晰的定性知识，对非独立的EMTO具有良好的适应性。因此，本文提出了一种模糊自适应多任务优化（FAMTO），采用模糊自适应转移（FAT）策略进行任务间的KT，通过设计包含生存率和转移后代的两个方面的KT性能综合评估，实现ktp的自适应调整。在FAT策略中，采用模糊逻辑处理多个指标之间的相互依赖关系，进一步实现更稳健和自适应的ktp调整。此外，为每个个体开发了一种基于个体的随机选择（IRS）策略，用于在模糊自适应多任务优化（FAMTO）中选择适合的ESO进行任务内自进化。实验结果表明，FAMTO在两个知名的多任务基准问题CEC17和CEC22上，相比其他最先进的EMTO算法取得了显著更好的性能。此外，FAMTO被应用于一个实际的多任务平面运动臂控制应用中，证明了其适用性。最后，在多任务优化问题（MaTOPs）上的扩展实验表明了FAMTO的可扩展性。
Keyword:
evolutionary computation (EC)
evolutionary multitask optimization (EMTO)
fuzzy adaptive transfer (FAT) strategy
fuzzy system
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
.png){kind=icon}
A Genetic Algorithm (GA) and Swarm-Based Binary Decision Diagram (BDD) Reordering Optimizer Reinforced With Recent Operators用最近的算子增强的遗传算法 (GA) 和基于群的二进制决策图 (BDD) 重排序优化器
PREAI
分享收藏Niche center identification differential evolution for multimodal optimization problems差分进化算法在多模态优化问题中的利基中心识别
PREAI
分享收藏Evolutionary many-tasking based on biocoenosis through symbiosis: A framework and benchmark problems
PREAI
分享收藏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
OAAI
OAAI分享收藏
查看更多内容