MFO问题与MFEA算法
MFO问题与MFEA算法
- MFO问题的思想
- MFEA算法
- MFEA的启示
- MFEA在连续问题上的优化能力
- MFEA在离散问题上的讨论
- MFEA在具有离散问题的任务集上的优化能力
- 1.多任务同时开始时的情况
- 2.多任务不同时开始时的情况
声明:此博文是论文Multifactorial Evolution: Towards Evolutionary Multitasking的简要中文概述,概括与翻译仅为学习。如有侵权请联系本人删除博文。
MFO问题的思想
多目标优化(MOO)与单目标优化(SOO)是我们常用的优化方法,然而二者的效率却存在瓶颈。另外,现有的优化算法往往忽视了不同任务之间相互协作的能力。多任务优化思想(MFO)就是借助任务之间隐含的并行性,对多个任务同时优化,在完成优化任务的同时提高优化效率。在MFO问题中,同时进行的多个任务的依赖性是提前不可预知的,且任务之间的搜索空间可以相同也可以不同。另外,MFO支持连续与离散的任务同时处理。
为了进一步说明MFO问题,假设一个多任务优化问题有K个任务,每个任务都是单目标的最小化问题。 其中第j个问题计为Tj,该问题自变量搜索空间(search space)记为Xj,对应的函数是 fj : Xj→ ℝ。多任务优化的目的就是对于所有任务,寻找到在任务搜索空间上的一组值{x1, x2, ….,xK-1, xK},使其满足{x1, x2, ….,xK-1, xK}= argmin {f1(x), f2(x), …., fK-1(x), fK(x)}。
MFEA算法
MFEA算法的提出便是为了解决MFO问题。MFEA基于遗传算法与文化基因算法。受文化基因算法的影响,MFEA认为对某种任务具有优势地位的个体(具有相同技能因子的个体)之间更容易产生后代。以下五个定义将被运用于实际的编码过程: MFEA论文阅读笔记Ⅰ 多目标进化优化,多任务学习,多任务进化优化 简单介绍基本概念 多目标进化优化和多任务进化优化的区别(个人理解) 多任务学习.迁移学习.元学习 融合:多任务学习&多目标优 ... 目录 一.MFO飞蛾扑火优化理论简介 二.使用matlab实现MFO优化算法 三.测试CEC2017中F1~F5,F11~F15 摘要 此篇博客主要介绍了MFEA理论推导及其改进算法MFEA-II.在多任务优化的情景下,如果任务之间存在潜在关系,那么高质量的解在这些任务之间的转移可以显著提高算法的性能.然而有的时候缺乏关于任 ... 文章目录 一.理论基础 1.基本麻雀搜索算法 2.混合正弦余弦算法和Lévy飞行的麻雀算法(ISSA) (1)融合正弦余弦算法(SCA)思想 (2)Lévy飞行策略 二.ISSA算法流程图 三.算法性 ... 近日看到了一篇论文,分类列举了当前已发展的智能优化算法,其体量令人惊讶...... 因研究方向相近,本文专栏后续更新这些智能优化算法的原理.步骤及实现代码(希望不断更) 欢迎各路大佬点赞收藏! 基于进 ... 40多种智能优化算法原理和代码分享 <智能优化算法讲解>PDF下载地址: <智能优化算法原理讲解>PDFmianbaoduo.com 包括: 1.海鸥算法SOA 智能优化算法 ... 文章目录 一.理论基础 1.麻雀搜索算法 2.融合正余弦和柯西变异的麻雀搜索算法 (1)折射(小孔成像)反向学习策略 (2)正余弦策略 (3)柯西变异策略 (4)SCSSA算法流程 二.仿真实验与分析 ... 闲话:由于前段时间一直忙着写论文,所以很久没有更新了,之前的多目标优化系列我也不打算更新了,因为田野老师的PlatEMO真的很好用,代码也很规范,刚入门的同学们,我很建议你们去看看PlatEMO的源代 ... 起源:在2015年,Seyedali Mirjalili学者受到自然规律启发,根据飞蛾飞行时的导航机制,在模拟飞蛾螺旋飞行的路径中提出一种新型群智能优化算法:飞蛾火焰优化算法(moth-flame o ...
Definition 1 (Factorial Cost):对于个体pi的任务Tj,有factorial cost :
MFO问题与MFEA算法相关推荐
最新文章
热门文章