多任务优化算法及应用研究综述

doi:10.11772/j.issn.1001-9081.2024020209

《计算机应用》唯一官方网站 ›› 2024, Vol. 44 ›› Issue (5): 1338-1347.DOI: 10.11772/j.issn.1001-9081.2024020209

所属专题：进化计算专题（2024年第5期“进化计算专题”导读，全文即将上线）

• 进化计算专题 • 上一篇

多任务优化算法及应用研究综述

武越¹, 丁航奇¹, 何昊¹, 毕顺杰¹, 江君¹, 公茂果²(), 苗启广¹, 马文萍³

^1.西安电子科技大学计算机科学与技术学院, 西安 710071
^2.西安电子科技大学电子工程学院, 西安 710071
^3.西安电子科技大学人工智能学院, 西安 710071

收稿日期:2024-03-04 修回日期:2024-04-02 接受日期:2024-04-03 发布日期:2024-04-26 出版日期:2024-05-10
通讯作者: 公茂果
作者简介:武越（1988—），男，陕西西安人，副教授，博士，CCF高级会员，主要研究方向：人工智能、三维视觉
丁航奇（1998—），男，山东烟台人，博士研究生，CCF会员，主要研究方向：进化计算、点云配准
何昊（2002—），男，江西南昌人，硕士研究生，CCF会员，主要研究方向：进化计算、点云配准
毕顺杰（2000—），男，山东菏泽人，硕士研究生，CCF会员，主要研究方向：进化计算、点云配准
江君（2002—），男，江西上饶人，硕士研究生，CCF会员，主要研究方向：进化计算、点云配准
苗启广（1972—），男，山东青岛人，教授，博士，CCF杰出会员，主要研究方向：计算机视觉、大数据分析
马文萍（1981—），女，陕西西安人，教授，博士，CCF专业会员，主要研究方向：自然计算、智能图像处理。
第一联系人：公茂果（1979—），男，山东临沂人，教授，博士，CCF高级会员，主要研究方向：人工智能
基金资助:
国家自然科学基金资助项目(62036006);中国人工智能学会-华为MINDSPORE学术奖励基金资助项目

Research review of multitasking optimization algorithms and applications

Yue WU¹, Hangqi DING¹, Hao HE¹, Shunjie BI¹, Jun JIANG¹, Maoguo GONG²(), Qiguang MIAO¹, Wenping MA³

^1.School of Computer Science and Technology，Xidian University，Xi’an Shaanxi 710071，China
^2.School of Electronic Engineering，Xidian University，Xi’an Shaanxi 710071，China
^3.School of Artificial Intelligence，Xidian University，Xi’an Shaanxi 710071，China

Received:2024-03-04 Revised:2024-04-02 Accepted:2024-04-03 Online:2024-04-26 Published:2024-05-10
Contact: Maoguo GONG
About author:WU Yue， born in 1988， Ph. D.， associate professor. His research interests include artificial intelligence， 3D vision.
DING Hangqi， born in 1998， Ph. D. candidate. His research interests include evolutionary computation， point cloud registration.
HE Hao， born in 2002， M. S. candidate. His research interests include evolutionary computation， point cloud registration.
BI Shunjie， born in 2000， M. S. candidate. His research interests include evolutionary computation， point cloud registration.
JIANG Jun， born in 2002， M. S. candidate. His research interests include evolutionary computation， point cloud registration.
MIAO Qiguang， born in 1972， Ph. D.， professor. His research interests include computer vision， big data analysis.
MA Wenping， born in 1981， Ph. D.， professor. Her research interests include natural computing， intelligent image processing.
Supported by:
National Natural Science Foundation of China(62276200);CAAI-Huawei MINDSPORE Academic Open Fund

摘要/Abstract

摘要：

进化多任务优化（EMTO）是进化计算中一种新型方法，它可以同时解决多个相关的优化任务，并通过任务之间的知识转移增强每个任务的优化。近年来，越来越多的进化多任务优化相关研究致力于利用它强大的并行搜索能力和降低计算成本的潜力优化各种问题，并且EMTO已应用于各种各样的实际场景当中。从EMTO的原理、核心设计、应用以及挑战四个方面对EMTO的算法及应用进行了讨论。首先介绍了EMTO的大致分类，分别从两个层次、四个方面介绍，包括单种群多任务、多种群多任务、辅助任务形式以及多形式任务形式；其次介绍EMTO的核心组件设计，包括任务构建以及知识转移；最后对它的各种应用场景进行介绍，并对今后研究做了总结与展望。

关键词: 进化多任务优化, 单种群多任务, 多种群多任务, 多形式任务, 知识转移

Abstract:

Evolutionary MultiTasking Optimization （EMTO） is one of the new methods in evolutionary computing， which can simultaneously solve multiple related optimization tasks and enhance the optimization of each task through knowledge transfer between tasks. In recent years， more and more research on evolutionary multitasking optimization has been devoted to utilizing its powerful parallel search capability and potential for reducing computational costs to optimize various problems， and EMTO has been used in a variety of real-world scenarios. The researches and applications of EMTO were discussed from four aspects： principle， core design， applications， and challenges. Firstly， the general classification of EMTO was introduced from two levels and four aspects， including single-population multitasking， multi-population multitasking， auxiliary task， and multiform task. Next， the core component design of EMTO was introduced， including task construction and knowledge transfer. Finally， its various application scenarios were introduced and a summary and outlook for future research was provided.

Key words: Evolutionary MultiTasking Optimization (EMTO), single-population multitasking, multi-population multitasking, multiform task, knowledge transfer

中图分类号:

TP183

武越, 丁航奇, 何昊, 毕顺杰, 江君, 公茂果, 苗启广, 马文萍. 多任务优化算法及应用研究综述[J]. 计算机应用, 2024, 44(5): 1338-1347.

Yue WU, Hangqi DING, Hao HE, Shunjie BI, Jun JIANG, Maoguo GONG, Qiguang MIAO, Wenping MA. Research review of multitasking optimization algorithms and applications[J]. Journal of Computer Applications, 2024, 44(5): 1338-1347.

图/表 5

参考文献 101

1	TIAN Y， LIU R， ZHANG X， et al. A multipopulation evolutionary algorithm for solving large-scale multimodal multiobjective optimization problems［J］. IEEE Transactions on Evolutionary Computation， 2020， 25（3）： 405-418. 10.1109/tevc.2020.3044711
2	WU S H， ZHAN Z H， ZHANG J. SAFE： scale-adaptive fitness evaluation method for expensive optimization problems［J］. IEEE Transactions on Evolutionary Computation， 2021， 25（3）： 478-491. 10.1109/tevc.2021.3051608
3	HUANG Z M， CHEN W N， LI Q， et al. Ant colony evacuation planner： an ant colony system with incremental flow assignment for multipath crowd evacuation［J］. IEEE Transactions on Cybernetics， 2020， 51（11）： 5559-5572. 10.1109/tcyb.2020.3013271
4	VANDENHENDE S， GEORGOULIS S， VAN GANSBEKE W， et al. Multi-task learning for dense prediction tasks： a survey［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2021， 44（7）： 3614-3633.
5	CHEN S， ZHANG Y， YANG Q. Multi-task learning in natural language processing： an overview［EB/OL］. ［2023-12-05］. .
6	EHRLICH M， SHIELDS T J， ALMAEV T， et al. Facial attributes classification using multi-task representation learning［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Piscataway： IEEE， 2016： 47-55. 10.1109/cvprw.2016.99
7	HAN H， BAI X， HAN H， et al. Self-adjusting multitask particle swarm optimization［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（1）： 145-158. 10.1109/tevc.2021.3098523
8	HAN H， BAI X， HOU Y， et al. Multi-task particle swarm optimization with dynamic on-demand allocation［J］. IEEE Transactions on Evolutionary Computation， 2022， 27（4）： 1015-1026. 10.1109/tevc.2022.3187512
9	WU X， WANG W， ZHANG T， et al. Improved evolutionary multitasking optimization algorithm with similarity evaluation of search behavior［EB/OL］. IEEE Transactions on Evolutionary Computation， 2024 （Early Access）［2023-11-09］. . 10.1109/tevc.2024.3373131
10	LI H， ONG Y S， GONG M， et al. Evolutionary multitasking sparse reconstruction： framework and case study［J］. IEEE Transactions on Evolutionary Computation， 2018， 23（5）： 733-747. 10.1109/tevc.2018.2881955
11	HAN H， BAI X， YANG H， et al. Multitask particle swarm optimization with dynamic transformation［J］. IEEE Transactions on Emerging Topics in Computing， 2023， 11（3）： 749-763. 10.1109/tetc.2023.3268182
12	GUPTA A， Y-S ONG， FENG L. Multifactorial evolution： toward evolutionary multitasking［J］. IEEE Transactions on Evolutionary Computation， 2015， 20（3）： 343-357. 10.1109/tevc.2015.2458037
13	LI G， ZHANG Q， GAO W. Multipopulation evolution framework for multifactorial optimization［C］// Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. New York： ACM， 2018： 215-216. 10.1145/3205651.3205761
14	CHEN Y， ZHONG J， FENG L， et al. An adaptive archive-based evolutionary framework for many-task optimization［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2019， 4（3）： 369-384. 10.1109/tetci.2019.2916051
15	GONG M， TANG Z， LI H， et al. Evolutionary multitasking with dynamic resource allocating strategy［J］. IEEE Transactions on Evolutionary Computation， 2019， 23（5）： 858-869. 10.1109/tevc.2019.2893614
16	CHEN Y， ZHONG J， TAN M. A fast memetic multi-objective differential evolution for multi-tasking optimization［C］// Proceedings of the 2018 IEEE Congress on Evolutionary Computation. Piscataway： IEEE， 2018： 1-8. 10.1109/cec.2018.8477722
17	CHEN K， XUE B， ZHANG M， et al. Evolutionary multitasking for feature selection in high-dimensional classification via particle swarm optimization［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（3）： 446-460. 10.1109/tevc.2021.3100056
18	YANG C， CHEN Q， ZHU Z， et al. Evolutionary multitasking for costly task offloading in mobile edge computing networks［J］. IEEE Transactions on Evolutionary Computation， 2024， 28（2）： 338-352. 10.1109/tevc.2023.3255266
19	LI L， XUAN M， LIN Q， et al. An evolutionary multitasking algorithm with multiple filtering for high-dimensional feature selection［J］. IEEE Transactions on Evolutionary Computation， 2023， 27（4）： 802-816. 10.1109/tevc.2023.3254155
20	TAN K C， FENG L， JIANG M. Evolutionary transfer optimization： a new frontier in evolutionary computation research［J］. IEEE Computational Intelligence Magazine， 2021， 16（1）： 22-33. 10.1109/mci.2020.3039066
21	JIAO R， XUE B， ZHANG M. Benefiting from single-objective feature selection to multiobjective feature selection： a multiform approach［J］. IEEE Transactions on Cybernetics， 2023， 53（12）： 7773-7786. 10.1109/tcyb.2022.3218345
22	JIANG Y， ZHAN Z-H， TAN K C， et al. Block-level knowledge transfer for evolutionary multitask optimization［J］. IEEE Transactions on Cybernetics， 2024， 54（1）： 558-571. 10.1109/tcyb.2023.3273625
23	Y-S ONG， GUPTA A. Evolutionary multitasking： a computer science view of cognitive multitasking［J］. Cognitive Computation， 2016， 8： 125-142. 10.1007/s12559-016-9395-7
24	HAN H， BAI X， HOU Y， et al. Multitask particle swarm optimization with heterogeneous domain adaptation［J］. IEEE Transactions on Evolutionary Computation， 2024， 28（1）： 178-192. 10.1109/tevc.2023.3258491
25	MING F， GONG W， WANG L， et al. Constrained multi-objective optimization via multitasking and knowledge transfer［J］. IEEE Transactions on Evolutionary Computation， 2024， 28（1）： 77-89. 10.1109/tevc.2022.3230822
26	QIAO K， YU K， QU B， et al. Dynamic auxiliary task-based evolutionary multitasking for constrained multi-objective optimization［J］. IEEE Transactions on Evolutionary Computation， 2023， 27（3）： 642-656. 10.1109/tevc.2022.3175065
27	HAO X， QU R， LIU J. A unified framework of graph-based evolutionary multitasking hyper-heuristic［J］. IEEE Transactions on Evolutionary Computation， 2020， 25（1）： 35-47. 10.1109/tevc.2020.2991717
28	QIAO K， LIANG J， YU K， et al. A self-adaptive evolutionary multi-task based constrained multi-objective evolutionary algorithm［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2023， 7（4）： 1098-1112. 10.1109/tetci.2023.3236633
29	WU S-H， ZHAN Z-H， TAN K C， et al. Orthogonal transfer for multitask optimization［J］. IEEE Transactions on Evolutionary Computation， 2022， 27（1）： 185-200. 10.1109/tevc.2022.3160196
30	LI J Y， ZHAN Z H， TAN K C， et al. A meta-knowledge transfer-based differential evolution for multitask optimization［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（4）： 719-734. 10.1109/tevc.2021.3131236
31	CHEN H， LIU H L， GU F， et al. A multiobjective multitask optimization algorithm using transfer rank［J］. IEEE Transactions on Evolutionary Computation， 2022， 27（2）： 237-250. 10.1109/tevc.2022.3147568
32	WU Y， DING H， GONG M， et al. Evolutionary multiform optimization with two-stage bidirectional knowledge transfer strategy for point cloud registration［J］. IEEE Transactions on Evolutionary Computation， 2024， 28（1）： 62-76. 10.1109/tevc.2022.3215743
33	JIANG Y， ZHAN Z H， TAN K C， et al. A bi-objective knowledge transfer framework for evolutionary many-task optimization［J］. IEEE Transactions on Evolutionary Computation， 2023， 27（5）： 1514-1528. 10.1109/tevc.2022.3210783
34	HUANG Y， ZHOU W， WANG Y， et al. Evolutionary multitasking with centralized learning for large-scale combinatorial multi-objective optimization［J/OL］. IEEE Transactions on Evolutionary Computation， 2023 （Early Access）［2023-11-09］. . 10.1109/tevc.2023.3323877
35	LIN J， LIU H L， XUE B， et al. Multiobjective multitasking optimization based on incremental learning［J］. IEEE Transactions on Evolutionary Computation， 2019， 24（5）： 824-838. 10.1109/tevc.2019.2962747
36	WANG X， DONG Z， TANG L， et al. Multiobjective multitask optimization-neighborhood as a bridge for knowledge transfer［J］. IEEE Transactions on Evolutionary Computation， 2022， 27（1）： 155-169. 10.1109/tevc.2022.3154416
37	TANG Z， GONG M， WU Y， et al. Regularized evolutionary multitask optimization： learning to intertask transfer in aligned subspace［J］. IEEE Transactions on Evolutionary Computation， 2020， 25（2）： 262-276. 10.1109/tevc.2020.3023480
38	CHEN Z， ZHOU Y， HE X， et al. Learning task relationships in evolutionary multitasking for multiobjective continuous optimization［J］. IEEE Transactions on Cybernetics， 2020， 52（6）： 5278-5289. 10.1109/TCYB.2020.3029176
39	BAI L， LIN W， GUPTA A， et al. From multitask gradient descent to gradient-free evolutionary multitasking： a proof of faster convergence［J］. IEEE Transactions on Cybernetics， 2021， 52（8）： 8561-8573. 10.1109/tcyb.2021.3052509
40	GUPTA A， ONG Y S， FENG L， et al. Multiobjective multifactorial optimization in evolutionary multitasking［J］. IEEE Transactions on Cybernetics， 2016， 47（7）： 1652-1665. 10.1109/tcyb.2016.2554622
41	YUAN Y， Y-S ONG， FENG L， et al. Evolutionary multitasking for multiobjective continuous optimization： benchmark problems， performance metrics and baseline results［R/OL］. ［2023-11-09］.. 10.48550/arXiv.1706.02766
42	OSABA E， MARTINEZ A D， GALVEZ A， et al. dMFEA-Ⅱ： an adaptive multifactorial evolutionary algorithm for permutation-based discrete optimization problems［C］// Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion. New York： ACM， 2020： 1690-1696. 10.1145/3377929.3398084
43	FENG L， HUANG Y， ZHOU L， et al. Explicit evolutionary multitasking for combinatorial optimization： a case study on capacitated vehicle routing problem［J］. IEEE Transactions on Cybernetics， 2020， 51（6）： 3143-3156. 10.1109/tcyb.2019.2962865
44	YUAN Y， Y-S ONG， GUPTA A， et al. Evolutionary multitasking in permutation-based combinatorial optimization problems： realization with TSP， QAP， LOP， and JSP［C］// Proceedings of the 2016 IEEE Region 10 Conference. Piscataway： IEEE， 2016： 3157-3164. 10.1109/tencon.2016.7848632
45	NGUYEN T T， VI T D， PHAN N L， et al. Multifactorial evolutionary optimization to maximize lifetime of wireless sensor network［J］. Information Sciences， 2021， 576： 355-373. 10.1016/j.ins.2021.06.056
46	BAO L， QI Y， SHEN M， et al. An evolutionary multitasking algorithm for cloud computing service composition［C］// Proceedings of the 14th World Congress， Held as Part of the Services Conference Federation， SCF 2018， LNPSE 10975. Cham： Springer， 2018： 130-144. 10.1007/978-3-319-94472-2_10
47	YOKOYA G， XIAO H， HATANAKA T. Multifactorial optimization using artificial bee colony and its application to car structure design optimization［C］// Proceedings of the 2019 IEEE Congress on Evolutionary Computation. Piscataway： IEEE， 2019： 3404-3409. 10.1109/cec.2019.8789940
48	RIOS T， VAN STEIN B， BÄCK T， et al. Multitask shape optimization using a 3-D point cloud autoencoder as unified representation［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（2）： 206-217. 10.1109/tevc.2021.3086308
49	DAI W， WANG Z， XUE K. System-in-package design using multi-task memetic learning and optimization［J］. Memetic Computing， 2022， 14（1）： 45-59. 10.1007/s12293-021-00346-5
50	IQBAL M， XUE B， AL-SAHAF H， et al. Cross-domain reuse of extracted knowledge in genetic programming for image classification［J］. IEEE Transactions on Evolutionary Computation， 2017， 21（4）： 569-587. 10.1109/tevc.2017.2657556
51	BI Y， XUE B， ZHANG M. Learning and sharing： a multitask genetic programming approach to image feature learning［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（2）： 218-232. 10.1109/tevc.2021.3097043
52	MARTINEZ A D， OSABA E， DEL SERY J， et al. Simultaneously evolving deep reinforcement learning models using multifactorial optimization［C］// Proceedings of the 2020 IEEE Congress on Evolutionary Computation. Piscataway： IEEE， 2020： 1-8. 10.1109/cec48606.2020.9185667
53	MARTINEZ A D， DEL SER J， OSABA E， et al. Adaptive multifactorial evolutionary optimization for multitask reinforcement learning［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（2）： 233-247. 10.1109/tevc.2021.3083362
54	ZHANG F， MEI Y， NGUYEN S， et al. Surrogate-assisted evolutionary multitask genetic programming for dynamic flexible job shop scheduling［J］. IEEE Transactions on Evolutionary Computation， 2021， 25（4）： 651-665. 10.1109/tevc.2021.3065707
55	GUPTA A， MAŃDZIUK J， Y-S ONG. Evolutionary multitasking in bi-level optimization［J］. Complex & Intelligent Systems， 2015， 1： 83-95. 10.1007/s40747-016-0011-y
56	WU D， TAN X. MultiTasking Genetic Algorithm （MTGA） for fuzzy system optimization［J］. IEEE Transactions on Fuzzy Systems， 2020， 28（6）： 1050-1061. 10.1109/tfuzz.2020.2968863
57	SHEN F， LIU J， WU K. Evolutionary multitasking fuzzy cognitive map learning［J］. Knowledge-Based Systems， 2020， 192： 105294. 10.1016/j.knosys.2019.105294
58	SAGARNA R， Y-S ONG. Concurrently searching branches in software tests generation through multitask evolution［C］// Proceedings of the 2016 IEEE Symposium Series on Computational Intelligence. Piscataway： IEEE， 2016： 1-8. 10.1109/ssci.2016.7850040
59	WU Y， GONG P， GONG M， et al. Evolutionary multitasking with solution space cutting for point cloud registration［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2024， 8（1）： 110-125. 10.1109/tetci.2023.3290009
60	DA B， GUPTA A， Y-S ONG. Curbing negative influences online for seamless transfer evolutionary optimization［J］. IEEE Transactions on Cybernetics， 2018， 49（12）： 4365-4378. 10.1109/tcyb.2018.2864345
61	ZHONG J， LI L， LIU W L， et al. A co-evolutionary cartesian genetic programming with adaptive knowledge transfer［C］// Proceedings of the 2019 IEEE Congress on Evolutionary Computation. Piscataway： IEEE， 2019： 2665-2672. 10.1109/cec.2019.8790352
62	HUANG S， ZHONG J， YU W-J. Surrogate-assisted evolutionary framework with adaptive knowledge transfer for multi-task optimization［J］. IEEE Transactions on Emerging Topics in Computing， 2019， 9（4）： 1930-1944.
63	ZHONG J， FENG L， CAI W， et al. Multifactorial genetic programming for symbolic regression problems［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2020， 50（11）： 4492-4505. 10.1109/tsmc.2018.2853719
64	XU Z， LIU X， ZHANG K， et al. Cultural transmission based multi-objective evolution strategy for evolutionary multitasking［J］. Information Sciences， 2022， 582： 215-242. 10.1016/j.ins.2021.09.007
65	LIN W， LIN Q， FENG L， et al. Ensemble of domain adaptation-based knowledge transfer for evolutionary multitasking［J］. IEEE Transactions on Evolutionary Computation， 2023， 28（2）： 388-402. 10.1109/tevc.2023.3259067
66	ZHOU L， FENG L， TAN K C， et al. Toward adaptive knowledge transfer in multifactorial evolutionary computation［J］. IEEE Transactions on Cybernetics， 2020， 51（5）： 2563-2576. 10.1109/tcyb.2020.2974100
67	ZHAO H， NING X， LIU X， et al. What makes evolutionary multi-task optimization better： a comprehensive survey ［J］. Applied Soft Computing， 2023， 145： 110545. 10.1016/j.asoc.2023.110545
68	DUAN L， HU H， QIAN Y， et al. A multi-task selected learning approach for solving 3D flexible bin packing problem［C］// Proceedings of the 18th International Conference on Autonomous Agents and MultiAgent Systems. Richland， SC： International Foundation for Autonomous Agents and Multiagent Systems， 2019： 1386-1394.
69	TOMOV M S， SCHULZ E， GERSHMAN S J. Multi-task reinforcement learning in humans［J］. Nature Human Behaviour， 2021， 5（6）： 764-773. 10.1038/s41562-020-01035-y
70	LI S， GONG W， WANG L， et al. Evolutionary multitasking via reinforcement learning［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2024， 8（1）： 762-775. 10.1109/tetci.2023.3281876
71	HARIHARAN S， BISDIKIAN C， KAPLAN L M， et al. Efficient solutions framework for optimal multitask resource assignments for data fusion in wireless sensor networks［J］. ACM Transactions on Sensor Networks， 2014， 10（3）： Article No. 48. 10.1145/2594768
72	CHEN W， WANG D， LI K. Multi-user multi-task computation offloading in green mobile edge cloud computing［J］. IEEE Transactions on Services Computing， 2018， 12（5）： 726-738. 10.1109/tsc.2018.2826544
73	ZONG W， LIU Z， YANG S， et al. Multi-task oriented participant recruitment for vehicular crowdsensing［C］// Proceedings of the 4th International Conference on Internet of Vehicles： Technologies and Services for Smart Cities， LNISA 10689. Cham： Springer， 2017： 92-104.
74	ZHOU Y， REN H， XIAO K， et al. Joint data routing and service migration via evolutionary multitasking optimization in vehicular networks［C］// Proceedings of the 2023 International Conference on Neural Computing for Advanced Applications， CCIS 1870. Singapore： Springer， 2023： 434-449.
75	SHANG Q， HUANG Y， WANG Y， et al. Solving vehicle routing problem by memetic search with evolutionary multitasking［J］. Memetic Computing， 2022， 14（1）： 31-44. 10.1007/s12293-021-00352-7
76	MOON E K， WANG L-C， DOLFI D V， et al. Multifactorial T-cell hypofunction that is reversible can limit the efficacy of chimeric antigen receptor-transduced human T cells in solid tumors［J］. Clinical Cancer Research， 2014， 20（16）： 4262-4273. 10.1158/1078-0432.ccr-13-2627
77	CHENG L， CHEN S， LIU X， et al. Registration of laser scanning point clouds： a review［J］. Sensors， 2018， 18（5）： 1641. 10.3390/s18051641
78	ZHOU L， FENG L， ZHONG J， et al. Evolutionary multitasking in combinatorial search spaces： a case study in capacitated vehicle routing problem［C］// Proceedings of the 2016 IEEE Symposium Series on Computational Intelligence. Piscataway： IEEE， 2016： 1-8. 10.1109/ssci.2016.7850039
79	WU Y， LIU Y， GONG M， et al. Multi-view point cloud registration based on evolutionary multitasking with bi-channel knowledge sharing mechanism［J］. IEEE Transactions on Emerging Topics in Computational Intelligence， 2022， 7（2）： 357-374. 10.1109/tetci.2022.3205384
80	CAI Y， PENG D， LIU P， et al. Evolutionary multi-task optimization with hybrid knowledge transfer strategy［J］. Information Sciences， 2021， 580： 874-896. 10.1016/j.ins.2021.09.021
81	GEIGER C D， UZSOY R， AYTUĞ H. Rapid modeling and discovery of priority dispatching rules： an autonomous learning approach［J］. Journal of Scheduling， 2006， 9： 7-34. 10.1007/s10951-006-5591-8
82	HATEM A， QIAN Y， WANG Y. Point-TTA： test-time adaptation for point cloud registration using multitask meta-auxiliary learning［C］// Proceedings of the 2023 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2023： 16494-16504. 10.1109/iccv51070.2023.01512
83	FENG D， ZHOU Y， XU C， et al. A simple and efficient multi-task network for 3D object detection and road understanding［C］// Proceedings of the 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway： IEEE， 2021： 7067-7074. 10.1109/iros51168.2021.9635858
84	LIANG Z， ZHU Y， WANG X， et al. Evolutionary multitasking for multi-objective optimization based on generative strategies［J］. IEEE Transactions on Evolutionary Computation， 2023， 27（4）： 1042-1056. 10.1109/tevc.2022.3189029
85	PARK J， MEI Y， NGUYEN S， et al. Evolutionary multitask optimisation for dynamic job shop scheduling using niched genetic programming［C］// Proceedings of the 31st Australasian Joint Conference on Artificial Intelligence， LNAI 11320. Cham： Springer， 2018： 739-751.
86	KHORASANIAN D， MOSLEHI G. Two-machine flow shop scheduling problem with blocking， multi-task flexibility of the first machine， and preemption［J］. Computers & Operations Research， 2017， 79（C）： 94-108. 10.1016/j.cor.2016.09.023
87	NING Y， JIA J， WU Z， et al. Multi-task deep learning for user intention understanding in speech interaction systems［C］// Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence. Menlo Park： AAAI， 2017， 31（1）： 161-167. 10.1609/aaai.v31i1.10493
88	DENG H， BIRDAL T， ILIC S. PPFNet： global context aware local features for robust 3D point matching［C］// Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2018： 195-205. 10.1109/cvpr.2018.00028
89	KOFLER K， HAQ I U， SCHIKUTA E. User-centric， heuristic optimization of service composition in clouds［C］// Proceedings of the 16th International Euro-Par Conference on Parallel Processing， LNTCS 6271. Berlin： Springer， 2010： 405-417.
90	ZHANG F， CAO J， TAN W， et al. Evolutionary scheduling of dynamic multitasking workloads for big-data analytics in elastic cloud［J］. IEEE Transactions on Emerging Topics in Computing， 2014， 2（3）： 338-351. 10.1109/tetc.2014.2348196
91	ATTA-UR-RAHMAN， DASH S， AHMAD M， IQBAL T. Mobile cloud computing： a green perspective［C］// Intelligent Systems： Proceedings of ICMIB 2020， LNNS 185. Singapore： Springer， 2021： 523-533. 10.1007/978-981-33-6081-5_46
92	LE H M， DO T T， HOANG T， et al. SDRSAC： semidefinite-based randomized approach for robust point cloud registration without correspondences［C］// Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2019： 124-133. 10.1109/cvpr.2019.00021
93	POMERLEAU F， COLAS F， SIEGWART R. A review of point cloud registration algorithms for mobile robotics［J］. Foundations and Trends in Robotics， 2015， 4（1）： 1-104. 10.1561/2300000035
94	WU Y， DING H， XIANG B， et al. Evolutionary multitask optimization in real-world applications： a survey［J］. Journal of Artificial Intelligence and Technology， 2023， 3（1）： 32-38.
95	WU Y， WANG R， DING H， et al. Multifactorial ant lion optimisation algorithm［C］// Proceedings of the 6th Asian Conference on Artificial Intelligence Technology. Piscataway： IEEE， 2022： 1-4. 10.1109/acait56212.2022.10137898
96	WU S-H， ZHAN Z-H， TAN K C， et al. Transferable adaptive differential evolution for many-task optimization［J］. IEEE Transactions on Cybernetics， 2023， 53（11）： 7295-7308. 10.1109/tcyb.2023.3234969
97	LIU S， LIN Q， FENG L， et al. Evolutionary multitasking for large-scale multiobjective optimization［J］. IEEE Transactions on Evolutionary Computation， 2022， 26（2）： 248-262.
98	FENG Y， FENG L， KWONG S， et al. A multivariation multifactorial evolutionary algorithm for large-scale multiobjective optimization［J］. IEEE Transactions on Evolutionary Computation， 2021， 26（2）： 248-262. 10.1109/tevc.2021.3119933
99	ZENG A， SONG S， NIEßNER M， et al. 3DMatch： learning local geometric descriptors from RGB-D reconstructions［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2017： 1802-1811. 10.1109/cvpr.2017.29
100	YANG Z， PAN J Z， LUO L， et al. Extreme relative pose estimation for RGB-D scans via scene completion［C］// Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2019： 4531-4540. 10.1109/cvpr.2019.00466
101	NGUYEN S B S， ZHANG M. A hybrid discrete particle swarm optimisation method for grid computation scheduling［C］// Proceedings of the 2014 IEEE Congress on Evolutionary Computation. Piscataway： IEEE， 2014： 483-490. 10.1109/cec.2014.6900658

特点	应用	创新点	参考文献
直接对具有相似属性的任务分组	车辆路径规划	同时解决多个相似的车辆路径问题或者同时解决车辆路径问题和其他规划问题	［41-44］
	无线传感器网络	直接解决单跳传感器网络和多跳传感器网络中继节点选择问题	［45］
	云计算服务	同时解决业务组合问题，满足客户需求	［46］
	车辆结构设计	通过进化多任务解决不同类型的车的相似之处	［47-48］
问题具有相似的决策变量或结构	系统级封装	直接优化4个具有潜在假定相关性的任务的包装设计变量	［49］
	图像分类	在任务间相关进化中，通过构造发现算法自动提取不同领域的特征	［50-51］
	强化学习	同时优化多个网络模型来处理每个任务，使用部分共享的网络参数	［52-53］
	动态柔性车间调度	在不同调度任务之间共享有用的知识，构建任务模型	［54］
进化多任务转换两阶段问题	复合材料制造	将目标制造问题转化为两级优化，并对两级并行优化	［55］
	模糊系统控制	同时优化模糊系统的两级问题，或采用多任务设置的方法处理具有不同特征的模糊系统	［56-57］
	软件测试生成	将生成问题转化为分支覆盖问题，并将基于两级存档的方法转化为基于进化多任务的多目标优化	［58］
	点云配准	通过进化多任务辅助解空间知识转移，实现点云配准	［59］
简单任务有助于复杂任务	双极控制机设计	利用完成简单任务的经验来协助完成较困难的任务	［60］
	布尔极性问题	解决原始奇偶校验问题及其小规模变体	［61］
	时间序列预测	将拟合时间序列数据视为符号回归，且并行发展多个符号回归	［62-63］

特点	应用	创新点	参考文献
直接对具有相似属性的任务分组	车辆路径规划	同时解决多个相似的车辆路径问题或者同时解决车辆路径问题和其他规划问题	［41-44］
	无线传感器网络	直接解决单跳传感器网络和多跳传感器网络中继节点选择问题	［45］
	云计算服务	同时解决业务组合问题，满足客户需求	［46］
	车辆结构设计	通过进化多任务解决不同类型的车的相似之处	［47-48］
问题具有相似的决策变量或结构	系统级封装	直接优化4个具有潜在假定相关性的任务的包装设计变量	［49］
	图像分类	在任务间相关进化中，通过构造发现算法自动提取不同领域的特征	［50-51］
	强化学习	同时优化多个网络模型来处理每个任务，使用部分共享的网络参数	［52-53］
	动态柔性车间调度	在不同调度任务之间共享有用的知识，构建任务模型	［54］
进化多任务转换两阶段问题	复合材料制造	将目标制造问题转化为两级优化，并对两级并行优化	［55］
	模糊系统控制	同时优化模糊系统的两级问题，或采用多任务设置的方法处理具有不同特征的模糊系统	［56-57］
	软件测试生成	将生成问题转化为分支覆盖问题，并将基于两级存档的方法转化为基于进化多任务的多目标优化	［58］
	点云配准	通过进化多任务辅助解空间知识转移，实现点云配准	［59］
简单任务有助于复杂任务	双极控制机设计	利用完成简单任务的经验来协助完成较困难的任务	［60］
	布尔极性问题	解决原始奇偶校验问题及其小规模变体	［61］
	时间序列预测	将拟合时间序列数据视为符号回归，且并行发展多个符号回归	［62-63］

[1]	赵佳伟, 陈雪峰, 冯亮, 候亚庆, 朱泽轩, Yew‑Soon Ong. 优化场景视角下的进化多任务优化综述[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1325-1337.
[2]	胡中波, 王旭鹏. 求解测试用例自动生成问题的多因子回溯搜索优化算法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1214-1219.

多任务优化算法及应用研究综述

Research review of multitasking optimization algorithms and applications

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 101

相关文章 2

编辑推荐

Metrics