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

作     者：孙倩 王磊 徐庆征 夏坤 李薇 SUN Qian;WANG Lei;XU Qing-zheng;XIA Kun;LI Wei

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] 

基　　金：国家自然科学基金项目(62176146) 

主　　题：多任务进化算法 知识迁移 超粒子 

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.