多任务教与学优化方法、系统及设备

    公开(公告)号:CN114064235A

    公开(公告)日:2022-02-18

    申请号:CN202111249265.1

    申请日:2021-10-26

    Abstract: 本发明公开了一种多任务教与学优化方法、系统及设备,所述方法包括:基于种群多样性判断当前种群演化状态,依据基本的教与学算法原理进行迭代;其中,在教学阶段,引入基于权重的教师协作教学策略;在学习阶段,引入三角协作学习策略;判断是否满足终止条件,若满足,则终止迭代;若不满足,则返回继续进行迭代;本发明通过基于种群多样性及三角协作机制,在任务交互时,基于种群多样性判断当前任务的演化状态,获取其他任务的信息量,实现充分利用其他任务信息,有效减少获取的信息量,降低负迁移的影响;在学习阶段采用三角协作机制,能够获取更多的信息量,有效提高了当前任务的学习效率。

    基于邻域调整和角度选择策略的多目标分解进化算法

    公开(公告)号:CN114065896A

    公开(公告)日:2022-02-18

    申请号:CN202111239833.X

    申请日:2021-10-25

    Abstract: 本发明提供了一种基于邻域调整和角度选择策略的多目标分解进化算法,包括:初始化获得初始种群P(t)、与初始种群P(t)各父代个体关联的权重向量、历史记忆邻域存档器的所有值ST初始化为定值;基于自适应邻域调整策略,分配初始种群P(t)中每个父代个体关联的权重向量邻域大小Ti;繁殖产生子代个体形成新种群Q(t);基于角度选择机制,遍历新种群Q(t)中所有子代个体选择优秀子代个体替换其父代个体;更新ST值为ST,pos,t+1并判断种群进化是否完成。本发明的多目标分解进化算法比现有的MOEA/D及其改进算法更能够有效地解决连续的复杂多目标问题,具有更好的收敛性和准确性。

Patent Agency Ranking