检索结果-南通市图书馆

计算机工程 2022年第8期48卷 306-312页

作者：邱鸿辉刘海林陈磊广东工业大学应用数学学院广州510520

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... 详细信息

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%。

关键词：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

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

自适应迁移的分解多目标多任务进化算法

引用

计算机工程 2023年第7期49卷 55-64页

作者：蔡倩倩史旭华宁波大学信息科学与工程学院浙江宁波315211

多目标多任务进化优化是多目标优化的一个重要研究方向,通过跨任务共享有益信息以同时解决多个相关任务的优化问题。然而,现有多目标多任务进化优化研究存在相似任务匹配准确度低、缺少对知识迁移的动态控制等问题。为提高多目标多任务... 详细信息

多目标多任务进化优化是多目标优化的一个重要研究方向,通过跨任务共享有益信息以同时解决多个相关任务的优化问题。然而,现有多目标多任务进化优化研究存在相似任务匹配准确度低、缺少对知识迁移的动态控制等问题。为提高多目标多任务进化优化算法的优化效果,引入相似性动态指标和迁移概率动态调整机制,提出自适应迁移的分解多目标多任务进化算法。为了给目标任务子问题匹配关联度最高的迁移源,同时考虑种群的当前分布以及种群的进化方向2个指标,设计一种基于种群静态和动态特征相结合的迁移源匹配策略。为了合理地控制任务间的信息传递,提出基于种群进化状态的知识迁移概率自适应调整策略,在优化过程中根据优化任务的进化状态自适应地调整任务间的知识迁移概率,以满足优化任务在不同进化阶段对外部知识的需求。实验结果表明,相比MOEA/D、MO-MFEA、MO-MFEA-Ⅱ等算法,该算法具有较优的稳定性和收敛性,在常用的9组(18个独立任务)多目标多任务测试问题中有15个表现较优,优化率为83%。

关键词：多目标多任务优化进化算法迁移优化分解策略自适应策略

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

迁移学习在演化计算中的应用

迁移学习在演化计算中的应用

引用

作者：陈婧西安电子科技大学

学位级别：硕士

现实问题中,很多问题最后都会归结为最优化问题,最优化问题也是研究的热点。演化计算作为解决最优化问题的一种方法,具有多个优点:使用方法简单、具有良好的通用性、可以避免陷入局部最优解等。但面对复杂问题时,演化计算需要进行较多... 详细信息

现实问题中,很多问题最后都会归结为最优化问题,最优化问题也是研究的热点。演化计算作为解决最优化问题的一种方法,具有多个优点:使用方法简单、具有良好的通用性、可以避免陷入局部最优解等。但面对复杂问题时,演化计算需要进行较多次迭代才能收敛到全局最优解,计算量较大。迁移学习是将历史数据或者解决相似问题时的知识迁移到需解决的问题中,以解决数据较少、计算复杂等问题,同时可以提高问题解决的效率。现阶段已有部分研究将迁移学习应用到演化计算,提出了迁移优化的概念,并将其归纳为三种方式:顺序迁移、多任务、多形式优化。本文主要研究多任务多目标优化问题,关于多任务多目标优化的研究相对较少,但已有一些经典的算法提出。如何让算法有更好的收敛性和多样性一直是研究的热点,本文针对如何让算法有更好的性能和实际有效性做了以下两方面的工作:1)提出改进的多目标多任务优化算法。提出的改进算法中不同的阶段对任务使用不同的优化方式。前百分之二十的迭代过程,每个任务分别进行演化计算,任务之间不进行迁移,演化算法为使用WOF模型的MOEA/D算法,利用WOF模型的优势,使算法具有较好的收敛性和多样性。后百分之八十的迭代过程,满足设定的迁移条件,就利用任务之间的相似性在任务之间进行迁移,首先通过KL散度计算任务间的相似性,选择更相似的任务进行迁移,迁移阶段使用直接迁移和差分迁移两种迁移方式,设定代数间隔,选择合适的迁移方法,使算法能拥有更好的性能。后百分之八十的迭代过程中,不进行迁移的代数,使用MOEA/D-CMA进行演化计算。最后通过与经典的多任务多目标优化算法MO-MFEA在CEC竞赛中提出9个测试问题上的实验进行比较,对实验结果进行分析,证明了改进算法的有效性。2)将改进的多目标多任务优化算法应用到水库防洪调度问题。现有很多研究是将演化计算应用于水库防洪调度,但目前还没有研究将多目标多任务优化应用到水库防洪调度中。本文首先给出水库调度的模型,分析其复杂性,并将提出改进的多目标多任务优化算法应用到水库调度模型算法。通过与单任务优化的水库调度模型对比,分析实验结果,得出该算法的有效性,同时证明了本文所提出的改进的多目标多任务优化算法解决实际问题的能力,验证了该算法的实际有效性。

关键词：多目标优化迁移学习迁移优化多目标多任务优化水库防洪调度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：