Jun, 2022

从单目标问题到多目标问题的关键知识学习：KAB2S 方法

PDF
TL;DR本文提出了一种新的进化计算研究方法 —— 进化传递优化（ETO），通过这种方法能够实现有关经验和已解决问题中的知识的零重用范式的克服，同时在离散情况下解决多目标优化问题遇到单目标优化问题。关键的就业知识，如基于遗传算法的位置构建模块，可以通过新的核心转移机制和学习技术用于排列流水车间调度问题 (PFSP) 的 ETO-PFSP 框架，并为工业应用做出了贡献。
evolutionary transfer optimizationschedulingmultiobjective optimizationgenetic algorithmskab2s
发现论文，激发创造
  • ETO Meets Scheduling: 从单目标问题学习关键知识以解决多目标问题

    本文介绍了一种新的进化计算方法 —— 进化传递优化（ETO），可在传统进化计算问题中避免经验和知识的零重用。通过 ETO 实现智能调度和绿色调度，并在 PFSP 问题中学习和转移关键知识，得到了相对有效和巨大潜力的 ETO-PFSP 框架。

    Jun, 2022

  • 多任务多约束差分进化算法中基于优秀导向的知识传递在煤矿综合能源系统调度中的应用

    煤矿综合能源系统的调度优化是一个具有高维度、强耦合约束和多目标的挑战性问题。针对此问题，我们开发了一个多任务进化算法框架，利用调度相关领域知识来有效处理强约束和多目标优化。通过复杂约束关系分析和处理，我们首先探索了一种可能的进化多任务构建策略，即约束耦合空间分解、约束强度分类和约束处理技术。在多任务进化优化框架中，进一步开发了两种策略，即通过设计特殊的拥挤距离机制从每个任务中选择主导个体的精英引导知识传递以及基于自适应邻域技术的突变，以有效平衡每个优化任务的多样性和收敛性。通过与 CPLEX 求解器和七种约束多目标进化算法的比较，在一个煤矿综合能源系统的案例研究中展示了所提出算法在可行性、收敛性和多样性方面的性能。

    Jun, 2024

  • 组合优化问题中预测 - 优化范式的反思与基准测试

    该研究论文提供了现有方法的综合分类和整合，建立了统一的评估基准，并阐明了端到端训练在不同场景下的改进情况及其表现不佳的背景。此外，还介绍了一个用于工业组合式广告问题的新数据集，以帮助更方便的评估和部署，鼓励在学术界和工业界进一步的改进。

    Nov, 2023

  • 表观遗传阻断对动态多目标优化问题的影响

    本文研究了在动态多目标优化问题中应用表观遗传机制对现有多目标遗传算法 MOEA/D-DE 的性能进行了比较，并提供了初步的实验证据表明，更多的算法应该探索自然界中丰富的表观遗传机制。

    Nov, 2022

  • KATO: 不同设计和技术的晶体管尺寸的知识对齐和传输

    该论文提出了一种基于多目标采集集成的知识对齐和转移优化方法（KATO），通过有效的自动核构建、不同电路和技术节点之间的首次转移学习以及选择性转移学习方案，实现了前沿性能：与基准方案相比，模拟减少 2 倍，设计改进 1.2 倍。

    Apr, 2024

  • 不确定性下公平多目标优化的端到端学习

    通过训练技术和应用设置，本文将 PtO 方法扩展到具有不可微分的有序加权平均目标的优化问题，展示了如何在不确定性下有效地将 OWA 函数优化与参数预测相结合，以实现公平和稳健的优化。

    Feb, 2024

  • 一种新颖的基于进化的神经模糊任务调度方法，用于共同优化异构 MPSoCs 的主要设计挑战

    提出了一种基于模糊神经网络（FNN）及 NSGA-II 进化多目标算法的在线任务调度和映射方法，以共同优化异构 MPSoC 的主要设计挑战。通过实验验证，该方法优于相关启发式和元启发式方法，可以提高温度，功耗，故障率和执行时间等几个设计指标的优化性能。

    Mar, 2022

  • 试错法：基于探索的轨迹优化方法用于 LLM 代理

    大型语言模型已成为各种自主代理系统中不可或缺的组成部分，在本研究中我们提出了一种基于探索的轨迹优化方法，称为 ETO，通过允许代理从探索失败中学习而提高开放式 LLM 代理的性能，不同于之前只对成功专家轨迹进行训练的方法，我们的方法允许代理通过对比学习方法（如 DPO）利用这些轨迹偏好对来更新政策，通过探索和训练的迭代循环促进了代理的持续改进，在三个复杂任务上的实验表明 ETO 始终以较大幅度超过基线性能，并且在缺乏专家轨迹的情景中展示了其解任务效率和潜力的有效性。

    Mar, 2024

  • TMoE-P: 面向多变量软测量的帕累托最优

    本文提出一种适用于多个质量变量的多变量软测量方法，通过改良神经网络结构和优化目标函数，实现了对质量变量的准确估计。在这个方法中，作者利用目标专家混合模块（OMoE）和帕累托目标路由模块（POR）解决了模型中存在的负面迁移和平衡问题，实验结果表明，该模型表现出了先进的性能。

    Feb, 2023

  • 基于存档的单目标进化算法在子模规化优化问题上的应用

    我们首次引入了单目标算法，其可成功用于不同类别的约束子模拟最大化问题，并通过增加搜索空间的可行区域来处理这些问题。

    Jun, 2024