10.19678/j.issn.1000-3428.0062365
基于协方差矩阵调整的多目标多任务优化算法
多任务进化(EMT)是进化计算领域的一个新兴研究方向,区别于传统的单任务搜索算法,EMT通过在任务间传递有用知识,对多个任务同时实施进化搜索,以提升多个任务的收敛性能.目前,大多数进化算法只考虑了知识迁移而忽略了任务间的联系.提出一种多目标多任务优化算法,结合迁移学习的思想,采用任务间种群的协方差矩阵差异表示任务间种群分布特征差异,使用任务间种群均值的距离表示任务间种群的分布距离,并通过任务间种群的分布特征差异和分布距离表示任务间的相似度.对于某个目标任务,将其最相似任务中的解集实施K最近邻分类,以筛选出对目标任务有价值的解,并使其迁移到目标任务中.实验结果表明,与EMTSD、MaTEA、MO-MFEA-Ⅱ等多目标多任务优化算法相比,所提算法具有较佳的收敛性能,平均运行效率约提高了 66.62％.
多目标多任务优化、进化算法、多任务进化、迁移学习、协方差矩阵
48
TP391(计算技术、计算机技术)
国家自然科学基金;广东省科技计划项目;广东省自然科学基金
2022-09-05（万方平台首次上网日期，不代表论文的发表时间）
共7页
306-312
