计算机应用 ›› 2021, Vol. 41 ›› Issue (6): 1748-1755.DOI: 10.11772/j.issn.1001-9081.2020091390
所属专题: 先进计算
收稿日期:
2020-09-08
修回日期:
2020-11-10
出版日期:
2021-06-10
发布日期:
2020-11-26
通讯作者:
程美英
作者简介:
程美英(1983-),女,安徽黄山人,讲师,博士,主要研究方向:群体智能优化;钱乾(1983-),男,安徽芜湖人,讲师,硕士,主要研究方向:进化计算;倪志伟(1965-),男,安徽桐城人,教授,博士,主要研究方向:人工智能;朱旭辉(1991-),男,安徽阜阳人,讲师,博士,主要研究方向:智能计算、数据挖掘。
基金资助:
CHENG Meiying1,2, QIAN Qian2,3, NI Zhiwei4, ZHU Xuhui4
Received:
2020-09-08
Revised:
2020-11-10
Online:
2021-06-10
Published:
2020-11-26
Supported by:
摘要: 针对现有自组织迁移算法(SOMA)只能求解单个优化问题及其“隐并行性”未能被充分挖掘的缺陷,提出信息筛选多任务优化自组织迁移算法(SOMAMIF)实现同一时刻处理多个优化问题。首先,构造多任务统一搜索空间,并根据任务个数设置相应的子种群;然后,对各子种群当前最优适应值进行判断,当任务连续若干代停滞进化时则产生信息交互需求;接着,按概率从剩余子种群中筛选对自己有用的信息并过滤无用信息,从而在保证信息正向迁移同时实现种群结构的重新调整;最后对算法的时间复杂度和空间复杂度进行分析。实验结果表明,SOMAMIF在同时求解多个高维函数优化问题时均快速收敛至全局最优解0,而SOMAMIF与分形技术相结合同时提取不同户籍高校学生返乡关键制约因素时,其在两个数据集上得到的平均分类准确率与原始数据集的平均分类准确率相比分别提高了0.348 66个百分点和0.598 57个百分点。
中图分类号:
程美英, 钱乾, 倪志伟, 朱旭辉. 信息筛选多任务优化自组织迁移算法[J]. 计算机应用, 2021, 41(6): 1748-1755.
CHENG Meiying, QIAN Qian, NI Zhiwei, ZHU Xuhui. Self-organized migrating algorithm for multi-task optimization with information filtering[J]. Journal of Computer Applications, 2021, 41(6): 1748-1755.
[1] ZELINKA I. SOMA-self-organizing migrating algorithm[M]//ONWUBOLU G C,BABU B V. New Optimization Techniques in Engineering. Berlin:Springer,2004:167-217. [2] DOKANIA S, BAGGA S, SHARMA R. Opportunistic self organizing migrating algorithm for real-time dynamic traveling salesman problem[C]//Proceedings of the 201751st Annual Conference on Information Sciences and Systems. Piscataway:IEEE,2017:1-6. [3] SKANDEROVA L,FABIAN T,ZELINKA I. Self-adapting selforganizing migrating algorithm[J]. Swarm and Evolutionary Computation,2019,51:Article No. 100593. [4] PATTANAIK L N. Self-organizing migrating algorithm to minimize module changes at machine-level in reconfigurable manufacturing[M]//SHUNMUGAM M S, KANTHABABU M. Advances in Simulation, Product Design and Development. Singapore:Springer,2020:17-27. [5] 何凤林, 李秋红, 陈尚晰. 基于改进NS-SOMA的变循环发动机解耦控制方法[J]. 航空发动机, 2019, 45(4):20-26.(HE F L,LI Q H,CHEN S X. Variable cycle engine decoupling control method based on improved NS-SOMA[J]. Aeroengine,2019,45(4):20-26.) [6] DIEP Q B,ZELINKA S,SENKERIK R. An algorithm for swarm robot to avoid multiple dynamic obstacles and to catch the moving target[C]//Proceedings of the 2019 18th International Conference on Artificial Intelligence and Soft Computing,LNCS 11509. Cham:Springer,2019:666-675. [7] BILEL N,MOHAMED N. A novel multi-criteria self-organizing migrating algorithm for engineering problems[J]. International Journal of Computer Applications in Technology,2018,57(3):219-227. [8] CARUANA R. Multitask learning[J]. Machine Learning,1997, 28(1):41-75. [9] GUPTA A,ONG Y S,FENG L. Multifactorial evolution:toward evolutionary multitasking[J]. IEEE Transactions on Evolutionary Computation,2016,20(3):343-357. [10] GUPTA A,MAŃDZIUK J,ONG Y S. Evolutionary multitasking in bi-level optimization[J]. Complex and Intelligent Systems, 2015,1(1/2/3/4):83-95. [11] GUPTA A, ONG Y S, FENG L, et al. Multiobjective multifactorial optimization in evolutionary multitasking[J]. IEEE Transactions on Cybernetics,2017,47(7):1652-1665. [12] GUPTA A,ONG Y S,DA B,et al. Landscape synergy in evolutionary multitasking[C]//Proceedings of the 2016 IEEE Congress on Evolutionary Computation. Piscataway:IEEE,2016:3076-3083. [13] GUPTA A, ONG Y S. Genetic transfer or population diversification? Deciphering the secret ingredients of evolutionary multitasking optimization[C]//Proceedings of the 2016 IEEE Symposium Series on Computational Intelligence. Piscataway:IEEE,2016:1-7. [14] BALI K K, ONG Y S, GUPTA A, et al. MultiFactorial Evolutionary Algorithm with online transfer parameter estimation:MFEA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2020,24(1):69-83. [15] 尚青霞, 周磊, 冯亮. 基于降噪自动编码器的多任务优化算法[J]. 大连理工大学学报, 2019, 59(4):417-426.(SHANG Q X, ZHOU L,FENG L. Multi-task optimization algorithm based on denoising auto-encoder[J]. Journal of Dalian University of Technology,2019,59(4):417-426.) [16] CHENG M, GUPTA A, ONG Y S, et al. Coevolutionary multitasking for concurrent global optimization:with case studies in complex engineering design[J]. Engineering Applications of Artificial Intelligence,2017,64:13-24. [17] 程美英, 钱乾, 倪志伟, 等. 多任务处理协同进化粒子群算法[J]. 模式识别与人工智能, 2018, 31(4):322-334.(CHENG M Y,QIAN Q,NI Z W,et al. Co-evolutionary particle swarm optimization for multitasking[J]. Pattern Recognition and Artificial Intelligence,2018,31(4):322-334.) [18] 程美英, 钱乾, 倪志伟, 等. 信息交互多任务粒子群算法[J]. 模式识别与人工智能, 2019, 32(5):385-397.(CHENG M Y, QIAN Q,NI Z W,et al. Information exchange particle swarm optimization for multitasking[J]. Pattern Recognition and Artificial Intelligence,2019,32(5):385-397.) |
[1] | 杜航原 郝思聪 王文剑. 结合图自编码器与聚类的半监督表示学习方法[J]. 计算机应用, 0, (): 0-0. |
[2] | 陈露 张晓霞 于洪. 基于先验知识的非负矩阵半可解释三因子分解算法[J]. 计算机应用, 0, (): 0-0. |
[3] | 韩舒宁 徐敏 董学士 林青 沈凡凡. 混合伊藤算法求解多尺度着色旅行商问题[J]. 计算机应用, 0, (): 0-0. |
[4] | 李晓杰 崔超然 宋广乐 苏雅茜 吴天泽 张春云. 基于时序超图卷积神经网络的股票趋势预测方法[J]. 计算机应用, 0, (): 0-0. |
[5] | 张建 严珂 马祥. 基于神经网络的复杂垃圾信息过滤算法分析[J]. 计算机应用, 0, (): 0-0. |
[6] | 邱云志 汪廷华 戴小路. 双重特征加权模糊支持向量机[J]. 计算机应用, 0, (): 0-0. |
[7] | 李宗正 周恺卿 丁雷 欧云. 基于基因交换的自适应人工鱼群算法[J]. 计算机应用, 0, (): 0-0. |
[8] | 刘清华 廖士中. 基于随机素描方法的在线核回归[J]. 计算机应用, 0, (): 0-0. |
[9] | 张小清 王晨曦 吕彦 林耀进. 基于ReliefF的层次分类在线流特征选择算法[J]. 计算机应用, 0, (): 0-0. |
[10] | 于婉莹 梁美玉 王笑笑 陈徵 曹晓雯. 基于深度注意力网络的课堂教学视频中学生表情识别与智能教学评估[J]. 计算机应用, 0, (): 0-0. |
[11] | 黄勇康 梁美玉 王笑笑 陈徵 曹晓雯. 基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别[J]. 计算机应用, 0, (): 0-0. |
[12] | 康猛 蒙祖强. 基于局部条件区分能力的高效属性约简算法[J]. 计算机应用, 0, (): 0-0. |
[13] | 谢鑫 张贤勇 王旋晔 唐鹏飞. 变精度邻域等价粒邻域决策树构造算法[J]. 计算机应用, 0, (): 0-0. |
[14] | 刘忠慧 王梓宥 闵帆. 近似概念的遗传生成算法及其推荐应用[J]. 计算机应用, 0, (): 0-0. |
[15] | 潘仁志 钱付兰 赵姝 张燕平. 基于卷积神经网络交互的用户属性偏好建模的推荐模型[J]. 计算机应用, 0, (): 0-0. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||