【论文泛读】A study of similarity measure between tasks for multifactorial evolutionary algorithm

1、题目

多因子进化算法

任务相似性度量

2、摘要

目的

现有文献很少有研究任务之间相似性度量，弥补这一不足

方法

开发了三种度量方法

创新

三种度量方法和21个多任务问题集

结果与结论

3、引言

现有研究不足

（1）Bingshui Da, Yew-Soon Ong, Liang Feng, AK Qin, Abhishek Gupta, Zexuan Zhu,Chuan-Kang Ting, Ke Tang, and Xin Yao. 2017. Evolutionary multitasking for single-objective continuous optimization: Benchmark problems,performance metric, and baseline results. arXiv preprint arXiv:1706.03470 (2017).

采用斯皮尔曼秩相关系数SRCC作为任务相似性的度量，但只研究了少量多任务集，SRCC对评估任务相似性的泛化能力有待考察。

（2）Abhishek Gupta, Yew-Soon Ong, B Da, L Feng, and Stephanus Daniel Handoko.2016. Landscape synergy in evolutionary multitasking. In 2016 IEEE Congress on Evolutionary Computation (CEC). IEEE, 3076–3083.

提出了一个协同度量ξ来衡量任务相关性，但在计算中需要全局最优解和函数梯度信息，在实际应用中不现实。

本研究创新

从三个不同的角度研究任务相关性：（1）最优解之间的距离；（2）适应度等级相关；（3）适应度值域分析。

开发了包含21个多任务问题集的新多任务基准。

4、图表分析

表1：MFEA与单任务EA的性能比较，以及在三种度量下的预测性能。

5、框架总结

目的

开发更多的相似性度量方法

方法

MMD;SRCC;CTFDC

实验

在21个多任务测试集与单任务EA比较。

评价指标

预测准确度

6、本研究不足与未来工作展望

本研究不足

未来工作

研究CTFDC的相似性度量在多任务优化上的通用性。

存疑

CTFDC的原理

[1] L. Zhou, L. Feng, J. Zhong, Z. Zhu, B. Da和Z. Wu, 《A study of similarity measure between tasks for multifactorial evolutionary algorithm》, 收入 Proceedings of the Genetic and Evolutionary Computation Conference Companion, Kyoto Japan, 7月 2018, 页 229–230. doi: 10.1145/3205651.3205736.