【技术实现步骤摘要】
一种基于自适应知识迁移的多任务演化算法
本专利技术属于演化计算中的多任务优化方法
,具体涉及一种基于自适应知识迁移的多任务演化算法。
技术介绍
在处理科学研究、工程技术、经济管理等领域中的复杂问题时,不难发现,许多问题之间存在一定程度的相似性,传统的演化算法只能解决单个优化问题,并不能动态的交互多个不同的优化问题之间的有效信息,因此忽略多个任务之间有用信息的挖掘。多任务进化算法(Multi-taskingEvolutionaryAlgorithm,MTEA)也称多因子进化算法(Multi-factorialOptimizationAlgorithm,MFEA)的提出使得演化算法能够跨域解决多个不同的优化任务。MTEA受多因子遗传模型的启发,自然界生物的许多特征并不是直接由单一遗传基因决定,而是由多个遗传基因控制且受到文化基因的影响。MTEA融合了基因和文化之间协调进化的概念。多重任务相当于多基因环境,在同一时间优化多个任务时,任务可以利用不同基因进化的相似性来学习有效的信息,从相似任务的学习经验中提取的知识可以建设性地应用于更复杂或看不见的任务。与传统的进化算法相比MTEA具有显著优势,它通过建立一个统一的搜索空间同时优化多个跨域任务,在统一搜索空间中不同任务的信息可以进行迁移。目标任务在优化过程中利用其他任务的学习经验加速自身优化进程,使得多个优化任务均以较快的速度得到其最优解。MTEA的一般表达式如下式所示:{x1,x2,x3,...xK}=argmin{f1(x)f2(x)f3(x),.. ...
【技术保护点】
1.一种基于自适应知识迁移的多任务演化算法,其特征在于,包括以下步骤:/n步骤1、种群初始化:在统一搜索空间随机生成N个个体作为初始化种群P,P={y
【技术特征摘要】
1.一种基于自适应知识迁移的多任务演化算法,其特征在于,包括以下步骤:
步骤1、种群初始化:在统一搜索空间随机生成N个个体作为初始化种群P,P={y1,y2,y3,...yN},学习期初始化为75代,任务间的交配概率RMP初始化为0.3,根据每个优化任务评估每个个体,并计算个体的标量适应度值和技能因子τi;
其中,个体的标量适应度值由如下公式(1)计算,λ为惩罚系数,为第i个个体在第j个任务上的总约束违反系数,fij为第i个个体在第j个任务上的目标值;个体的技能因子τi表示个体表现最具优势的任务,为个体i在第j个任务上根据标量适应度值得排序,j∈{1,2,3...K},K为搜索空间中的任务总数;
步骤2、评估任务间相关程度:使用公式(2)跨任务适应度距离相关度CTFDC来计算任务之间的相关程度;T1、T2分别表示任务1和任务2,n为T1任务上采样个体的数量,f1为采样个体在T1任务上评估的适应度值向量,其中f1i为第i个个体在任务T1上的适应度值,i∈[1,n];d2是采样个体在T1任务上评估的适应度值最好的个体xbest和所有采样个体之间的距离组成的向量,其中为第i个个体和xbest之间的欧式距离;和σ(f1)和σ(d2)分别为f1和d2的均值和方差;
步骤3、更新RMP:根据步骤2中的相关程度重新计算RMP,若任务之间为负相关,RMP设置为0,否则将CTFDC所反映的任务之间的相似程度通过fm(s)映射重新作为RMP的值,fm(s)函数由公式(3)所示,a1、b1由区间[0,1]和[0.3,1]根据如公式(4)所示的区间映射关系计算得到,[Nmax,Nmin]为目标区间,[Omax,Omin]原始区间,Ox,y为原始区间内任意一点;
RMP=fm(s)=a1·s+b1(3)
步骤4、变异:在满足rand(0,1)<RMP,任务之间进行信息迁移并采用公式(5)来更新子代,其中,为随机在目标种群中选取的个体,为在源任务种群中选取的个体,F为缩放因子;否则,使用公式(6)DE/rand/1并更新子代个体的技能因子,为随机在目标种群中选取的个体,当通过任务间信息迁移的方式来产生子代时,以相同的概率选取源任务和目标任务来作为技能因子;否则,直接将目标任务作为子代的技能因子;
步骤5、交叉:对变异产生的个体进行交叉操作;
步骤6、评估:采用垂直文化传播机制来评估子代,当子代通过知识迁移产生时,子代携带了多个不同任务的信息,其父代拥有不同的技能因子,子代的技能因子以相同的概率随机继承父代的技能因子,当子代的产生不涉及多个任务之间的信息迁移时,子代直接继承父代的技能因子,子代直接在技能因子所表示的任务上进行评估;
步骤7、合并更新:将父代种群和子代种群进行合并,并更新合并种群个体的标量适应度值和技能因子;
步骤8、选择:将合并种群中个体根据标量适应度值进行排序,选出前N个较优的个体组成下一代种群;
步骤9、判断...
【专利技术属性】
技术研发人员:王磊,孙倩,江巧永,李薇,赵志强,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。