-
题名多任务优化算法综述
被引量:3
- 1
-
-
作者
程美英
钱乾
倪志伟
-
机构
湖州师范学院经济管理学院
湖州师范学院教师教育学院
合肥工业大学管理学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2023年第7期1802-1815,共14页
-
基金
国家自然科学基金青年基金项目(62102148)
湖州市科技计划项目(2018YZ11).
-
文摘
基于计算智能“隐并行性”实现多任务优化(multi-task optimization,MTO),是当前研究的热点和前沿技术.与传统单任务优化算法相比,通过挖掘群体智能内在并行和内涵并行同时优化多个任务,可显著提高问题求解质量以及缩短任务求解时间.首先,对MTO相关英文/中文文献进行梳理,总结MTO研究进展和趋势;然后,基于多因子优化(multifactorial optimization,MFO)和多种群演化(multi-population evolution,MPE)两种不同信息共享框架,从多任务搜索空间设计、种群数量、种群规模、依托算法、信息迁移节点、交互信息、时间和空间复杂度以及复杂系统等角度对比二者异同;接着,从信息迁移节点、方式和类型3方面重点阐述MTO核心理论;最后,从探究MTO复杂系统层级智能涌现行为、多任务种群多样性控制以及应用领域拓展3方面展望未来研究方向.
-
关键词
多任务优化
信息共享框架
信息迁移节点
信息迁移方式
信息迁移类型
典型应用领域
-
Keywords
multi-task optimization
information sharing framework
information transfer node
information transfer mode
information transfer type
typical application area
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-