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.