控制与决策

作者：程美英,钱乾,倪志伟

单位：湖州师范学院 经济管理学院,浙江 湖州 313000,,湖州师范学院 教师教育学院,浙江 湖州 313000,,合肥工业大学 管理学院,合肥 230009,

关键词：多任务优化;粒子群算法;多级信息迁移;种群多样性控制

基金：国家自然科学基金青年基金项目(62102148).

基于群体智能“隐并行性”实现多任务优化已取得一系列研究成果,但任务间频繁的垂直信息传递导致种群异质性过度增加,进而产生信息负迁移消极影响,这也是目前多任务优化领域尚未完全解决的难题之一.针对此问题,首先将粒子群算法(PSO)与多种群演化信息共享机制相结合,然后引入标杆管理思想实现多层级信息迁移及智能涌现,最后通过计算种群多样性指数有效控制信息迁移频率,提出多级信息迁移多任务优化PSO算法(multi-level information transfer multi-task PSO,MITMPSO).仿真实验表明,通过设置合理的信息迁移阈值, MITMPSO能在多项式时间内显著提高多任务高维函数优化、多任务多约束函数优化以及多任务二元离散优化问题的求解质量,加快各优化问题的收敛速度.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期