一种基于超粒子引导的自适应知识迁移多任务差分进化算法
A super-particle guided multifactorial differential evolution algorithm with adaptive knowledge transfer作者机构:西安理工大学陕西省网络计算与安全技术重点实验室西安710048 陕西理工大学陕西省工业自动化重点实验室陕西汉中723001 国防科技大学信息通信学院武汉430035
出 版 物:《控制与决策》 (Control and Decision)
年 卷 期:2024年第39卷第1期
页 面:26-38页
核心收录:
学科分类:1205[管理学-图书情报与档案管理] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 080201[工学-机械制造及其自动化]
摘 要:针对传统多任务优化算法(MTEA)存在负向知识迁移、迁移算子效率低下等问题,提出一种基于超粒子引导的自适应知识迁移的多任务差分进化算法(SAKT_MFDE).首先,通过任务之间的相似程度自适应地调节任务之间的交配概率,增大任务之间的正向迁移;其次,利用超粒子引导算法的搜索方向,进一步提升算法整体的优化效率;最后,通过多任务基准函数进行仿真实验来评价改进算法的寻优性能.实验结果表明,所提出算法可以有效规避任务之间的负向迁移,提高相似度较低的任务组的优化性能.