.png){kind=icon}
返回
Multitasking optimization algorithm based on a multitransfer strategy
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-025-00446-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了在任务间传递有效知识，提高任务间交互的有效性并增强进化多任务优化算法的性能，本文提出了一种基于多传递策略的自适应进化多任务优化算法（EMTO-MS）。EMTO-MS采用两种传递策略进行任务间知识传递，并根据每种策略在进化过程中的表现自适应地分配计算资源。此外，在优化过程中，两个任务间的交互强度会根据传递成功率以及两个任务之间的相似性自适应调整。为评估EMTO-MS的性能，我们将EMTO-MS与九种主流进化多任务算法在单目标多任务基准测试上进行比较，并与五种优秀的EMTO算法在复杂多任务基准测试上进行比较。实验结果表明，所提出的EMTO-MS在搜索精度和收敛性方面优于大多数对比算法。
Keyword:
Multitasking optimization
knowledge transfer
transfer strategy
similarity
期刊
IF:
2.3
论文数:
453
被引数:
718
机构
引用论文
.png){kind=icon}
Differential evolution algorithm with ensemble of parameters and mutation strategies具有参数集成和变异策略的差分进化算法
PREAI
分享收藏分享收藏
查看更多内容