计算机应用

作者：赵佳伟, 陈雪峰, 冯亮, 候亚庆, 朱泽轩, Yew‑Soon Ong

单位：1.重庆大学 计算机学院, 重庆 400044；2.大连理工大学 计算机科学与技术学院, 辽宁 大连 116024；3.深圳大学 计算机与软件学院, 广东 深圳 518060；4.南洋理工大学 计算机科学与工程学院, 新加坡 639798, 新加坡

关键词：进化算法,进化多任务优化,知识迁移,复杂优化问题

基金：重庆市自然科学基金面上项目(CSTB2022NSCQ?MSX1285);重庆市留学人员回国创业创新支持计划项目(cx2022084);国家自然科学基金面上项目(62372081)

随着优化问题变得日益复杂，传统的进化算法由于计算成本高昂和适用性有限而面临挑战。为了克服这些挑战，基于知识迁移的进化多任务优化（EMTO）算法应运而生，它的核心思想是通过跨任务的知识共享，同时解决多个优化问题，旨在提高进化算法在应对复杂优化场景的效率。全面总结了当前进化多任务优化研究的进展，与已有综述文章相比，从不同的研究视角进行深入探讨，并指出了现有文献中对优化场景视角分析的缺失。鉴于此，从优化问题的应用场景出发，对适用于进化多任务优化的场景及其基本解决策略进行了系统性的阐述，以帮助研究人员准确地根据具体应用需求选择合适的研究方法。此外，深入讨论进化多任务优化当前面临的挑战和未来的研究方向，旨在为未来的研究提供指导和启示。

来源：2024年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第5期