.png){kind=icon}
返回
Multitense Knowledge Transfer for Asynchronous Multitasking Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2026.3658328.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多任务优化（MTO），旨在同步解决多个优化问题，已在进化计算领域取得显著成功。然而，在实际中，由于异步初始化，很少有任务能同步完成。本文提出了一种异步多任务优化（AMTO）范式，旨在处理异步到达的多个优化问题。由于任务的异步特性，AMTO环境中存在多时态知识。转移多时态知识可能加速目标任务的优化过程。同时，提出了一种AMTO算法来转移多时态知识。过去时态知识通过初始化策略转移，该策略选择有效知识以处理不匹配的时态。现在时态知识通过知识复用转移，该方法对齐收敛区间以处理不匹配的进化状态。最后，设计了若干AMTO测试问题集和一个实际问题来验证所提出算法的性能。实验结果表明，通过多时态知识转移可以提升算法性能。
Keyword:
Asynchronous multitasking optimization (AMTO)
initialization strategy
knowledge transfer
multitasking optimization (MTO)
transfer optimization (TO)
期刊
I
IF:
0
论文数:
240
被引数:
0
机构
引用论文
Survey on multi-task optimization: Towards cross-domain and asynchronous multi-task多任务优化综述：迈向跨领域和异步多任务
PREAI
分享收藏Path-planning method based on reinforcement learning for cooperative two-crane lift considering load constraint基于强化学习的考虑负载约束的协同双起重机吊装路径规划方法.png)
IF0
PREAI
分享收藏Privacy-Preserving Routing and Charging Scheduling for Cellular-Connected Unmanned Aerial Vehicles蜂窝连接的无人机隐私保护路由和充电调度
PREAI
分享收藏Learning and Sampling-Based Informative Path Planning for AUVs in Ocean Current Fields洋流场中基于学习和采样的auv信息路径规划
PREAI
分享收藏
查看更多内容