MO-MFEA--多目标多任务优化

MO-MFEA–多目标多任务优化

title： Multiobjective Multifactorial Optimization in Evolutionary Multitasking

author： Abhishek Gupta, Yew-Soon Ong, Liang Feng, and Kay Chen Tan.

journal： IEEE TRANSACTIONS ON CYBERNETICS (TCYB)

DOI：10.1109/TCYB.2016.2554622

code：https://github.com/intLyc/MTO-Platform/tree/master/MTO/Algorithms/Multi-objective Multi-task/Multi-factorial/MO-MFEA

1.主要贡献：

1）提出了MO-MFO范式，旨在同时解决多个多目标优化问题；

2）提出了MO-MFEA来解决MO-MFO问题。

2.问题提出：

1）单目标的MFEA在许多实际应用问题上取得了很大的成功，多目标优化问题在实际应用中越来越受到关注。但现有的多目标优化大多数是一次解决一个问题，很少能同时解决多个多目标优化问题。

2）由于多目标优化问题的最终结果是一组互相不可比较的解（帕累托前沿），在MO-MFO中，我们希望可以将一个任务中好的知识迁移至另一个任务中，所以在MO-MFO中，一个重要的问题是一个多目标优化问题（MOOP）中的候选解该如何排序，也就是说MO-MFEA中的标量适应度和因子等级该如何确定。

3.MO-MFEA：

3.1 MOOP中种群成员的排序

设存在一对个体$p_1$和$p_2$，分别有非支配前沿 N F 1 NF_1 NF