文献

J-GLOBAL ID：202202253238783273   整理番号：22A1101347

適応知識移転による進化的マルチタスク最適化【JST・京大機械翻訳】

Evolutionary Multitask Optimization With Adaptive Knowledge Transfer

著者 (3件)： Xu Hao (Department of Computing Technologies, Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Qin A. K. (Department of Computing Technologies, Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Xia Siyu (School of Automation, Southeast University, Nanjing, China)
資料名： IEEE Transactions on Evolutionary Computation  (IEEE Transactions on Evolutionary Computation)
巻： 26  号： 2  ページ： 290-303  発行年： 2022年 
JST資料番号： W0968A  ISSN： 1089-778X  CODEN： ITEVF5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 進化的マルチタスク最適化(EMTO)は,進化アルゴリズム(EA)を通して複数の最適化タスクを同時に解決する方法であり,一方,各個々のタスクを解決するための全体的性能の改善を目的として,他のタスクを解決するための一つのタスクを解決することから得られる有用な知識を作成できる。近年,異なる種類のEAに基づくEMTOの大規模な研究が行われ,知識の表現,抽出,転送,および再利用方法の1つまたはそれ以上の側面の研究が行われている。EMTOへの重要な課題は,タスク間の負の知識移転の発生であり,タスクの総数が増加するとき,より厳しくなる。この問題に対処するために,適応EMTO(AEMO)フレームワークを提案した。このフレームワークは,知識転送頻度,知識源選択,および知識転送強度を,特に多くのタスクに直面したとき,知識移転の最良の利用をするために相乗的方法で適応できる。提案したAEMTOフレームワークを実装し,2,10,および50タスクのMTO問題の3つのセットと,2000のタスクによる1つの実世界MTO問題を,知識転送に関する特定の適応戦略と,提案した方法の単一タスク最適化対応物との比較において,2000のタスクを有する1つの実世界MTO問題について評価する。実験結果は,AEMTOで用いられる適応知識転送戦略の有効性と,AEMTOの全体的性能優位性を実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  適応 ,  *知識 ,  再利用 ,  有効性
準シソーラス用語： 進化的アルゴリズム ,  *知識移転 ,  *マルチタスク , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： 適応 ,  知識移転 ,  進化 ,  マルチタスク ,  最適化