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,第44卷››问题（5）: 1338-1347.内政部：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(),苗东京¹,马文萍^三

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
^三。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
说唱乐介：武越（1988—），男，陕西西安人，副教授，博士，共因失效高级会员，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，共因失效会员，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，共因失效会员，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，立方英尺缔约方：
江君（2002—），男，江西上饶人，硕士研究生，共因失效会员，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，共因失效杰出会员，主要研究方向：计算机视觉、大数据分析
第二章（1981—），女，陕西西安人，教授，博士，共因失效专业会员，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，共因失效高级会员，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-华为思维孔学术奖励基金资助项目

多任务优化算法及其应用研究综述

岳武¹,Hangqi DING公司¹,郝赫¹,顺杰BI¹,姜军（Jun JIANG）¹,毛果功²(),MIAO奇光¹,文平MA^三

¹西安西安西安西安西电大学计算机科学与技术学院，邮编710071
²西安西安西安西安西电大学电子工程学院，邮编710071
^三。西安西安西安西安西电大学人工智能学院，邮编710071

收到：2024-03-04 修订过的：2024-04-02 认可的：2024-04-03 在线：2024-04-26 出版：2024-05-10
联系人：毛果功
关于作者：吴越，1988年生，博士，副教授。他的研究兴趣包括人工智能、3D视觉。
丁杭琦，1998年生，博士研究生。他的研究兴趣包括进化计算、点云注册。
何浩，2002年出生，硕士研究生。他的研究兴趣包括进化计算、点云注册。
毕顺杰，2000年生，硕士研究生。他的研究兴趣包括进化计算、点云注册。
姜军，2002年出生，硕士研究生。他的研究兴趣包括进化计算、点云注册。
缪启光，1972年生，博士，教授。他的研究兴趣包括计算机视觉、大数据分析。
马文平，1981年生，博士，教授。她的研究兴趣包括自然计算、智能图像处理。
支持单位：
国家自然科学基金项目（62276200）；CAAI-Hawei MINDSPORE学术开放基金

摘要/摘要

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公司已应用于各种各样的实际场景当中。从EMTO公司的原理、核心设计、应用以及挑战四个方面对EMTO公司的算法及应用进行了讨论。首先介绍了EMTO公司的大致分类，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公司的核心组件设计，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

摘要：

进化多任务优化（EMTO）是进化计算中的一种新方法，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传递来增强每个任务的优化。近年来，越来越多的进化多任务优化研究致力于利用其强大的并行搜索能力和降低计算成本的潜力来优化各种问题，而EMTO已被用于各种实际场景中。从原理、核心设计、应用和挑战四个方面讨论了EMTO的研究和应用。首先，从两个层次和四个方面介绍了EMTO的一般分类，包括单群体多任务、多群体多任务，辅助任务和多形式任务。接下来，介绍了EMTO的核心组件设计，包括任务构建和知识转移。最后，介绍了它的各种应用场景，并对未来的研究进行了总结和展望。

关键词： 进化多任务优化（EMTO），单群体多任务处理，多人口多任务处理，多种形式的任务，知识转移

中图分类号:

TP183型

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] ●●●●。，2024, 44(5): 1338-1347.

吴岳，丁杭琪，郝和，毕顺杰，江军，龚茂国，苗启光，马文平.多任务优化算法及其应用研究综述[J]。计算机应用杂志，2024，44（5）：1338-1347。

图/表5

参考文献101

1	田毅，刘润，张旭，等.求解大规模多目标优化问题的多种群进化算法〔J〕。IEEE进化计算汇刊，2020，25（3）： 405-418.10.1109/tevc.2020.3044711
2	吴世浩，张志浩，张J.SAFE：代价高昂的优化问题的尺度自适应适应度评价方法〔J〕。IEEE进化计算汇刊，2021，25（3）： 478-491.109年10月10日/20213051608年5月
三	HUANG Z M，CHEN W N，LI Q，等。蚁群疏散规划器：一种用于多路径人群疏散的增量流分配蚁群系统〔J〕。IEEE控制论汇刊，2020，51（11）： 5559-5572.10.1109/tcyb.2020.3013271
4	范登亨德S，乔治斯S，范甘斯贝克W，等.稠密预测任务的多任务学习：综述〔J〕。IEEE模式分析和机器智能汇刊，2021，44（7）： 3614-3633.
5	陈S，张毅，杨强.自然语言处理中的多任务学习：综述〔EB/OL〕2023-12-05］. .
6	EHRLICH M，SHIELDS T J，ALMAEV T，等.基于多任务表征学习的人脸属性分类〔C〕//2016 IEEE计算机视觉与模式识别研讨会论文集。皮斯卡塔韦：IEEE2016： 47-55.10.1109/cvprw.2016.99
7	韩华，白霞，韩华，等.自适应多任务粒子群优化〔J〕。IEEE进化计算汇刊，2021，26（1）：145-158。10.1109/tevc.2021.3098523
8	韩浩，白霞，侯毅，等.基于动态按需分配的多任务粒子群优化算法〔J〕。IEEE进化计算汇刊，2022，27（4）： 1015-1026.10.1109/tevc.2022.3187512号
9	WU X，WANG W，ZHANG T，等.基于搜索行为相似性评估的改进进化多任务优化算法[EB/OL]。IEEE进化计算汇刊，2024（早期访问）[2023-11-09]。10.1109/tevc.2024.3373131
10	李华，ONG Y S，GONG M，等.进化多任务稀疏重建：框架与案例研究〔J〕。IEEE进化计算汇刊，2018，23（5）： 733-747.10.1109/tevc.2018.2881955
11	韩华，白霞，杨华，等.带动态变换的多任务粒子群优化算法〔J〕。IEEE计算新兴主题汇刊，2023，11（3）： 749-763.10.1109/吨2023.3268182
12	古PTA A，Y-S ONG，FENG L.多因素进化：走向进化多任务〔J〕。IEEE进化计算汇刊，2015，20（3）： 343-357.10.1109/tevc.2015.2458037
13	李刚，张强，高伟.多因子优化的多种群进化框架〔C〕//2018年遗传与进化计算会议论文集。纽约：ACM2018： 215-216.10.1145/3205651.3205761
14	陈毅，钟杰，冯力，等.一种基于自适应档案的多任务优化进化框架〔J〕。IEEE计算智能新兴主题汇刊，2019，4（3）： 369-384.10.1109/tetci.2019.2916051
15	龚M，汤Z，李华，等.基于动态资源分配策略的进化多任务处理〔J〕。IEEE进化计算汇刊，2019，23（5）：858-869。109年10月10日/2019.2893614年5月
16	CHEN Y，ZHONG J，TAN M.用于多任务优化的快速模因多目标差分进化〔C〕//2018 IEEE进化计算大会论文集。皮斯卡塔韦：IEEE2018： 1-8.10.1109/cec.2018.8477722
17	陈凯，薛波，张明，等.基于粒子群优化的高维分类特征选择的进化多任务方法〔J〕。IEEE进化计算汇刊，2021，26（3）： 446-460.10.1109/tevc.2021.3100056
18	杨川，陈强，朱忠，等.移动边缘计算网络中代价高昂的任务卸载进化多任务处理〔J〕。IEEE进化计算汇刊，2024，28（2）： 338-352.10.1109/tevc.2023.3255266
19	李磊，玄M，林清，等.一种用于高维特征选择的多重滤波进化多任务算法〔J〕。IEEE进化计算汇刊，2023，27（4）：802-816。10.1109/tevc.2023.3254155
20	谭金川，冯磊，江明.进化转移优化：进化计算研究的新前沿〔J〕。IEEE计算智能杂志，2021，16（1）： 22-33.10.1109/mci.2020.3039066
21	焦润，薛波，张明.从单目标特征选择到多目标特征选择的益处：一种多形式方法〔J〕。IEEE控制论汇刊，2023，53（12）： 7773-7786.10.1109/tcyb.2022.3218345
22	姜毅，詹智海，谭科奇，等.基于块级知识转移的进化多任务优化〔J〕。IEEE控制论汇刊，2024，54（1）： 558-571.10.1109/tcyb.2023.3273625
23	杨松荣，古普塔A.进化多任务：认知多任务的计算机科学观点〔J〕。认知计算，2016，8： 125-142.2007年10月10日/12559-016-9395-7
24	韩浩，白霞，侯毅，等.基于异质域自适应的多任务粒子群优化算法〔J〕。IEEE进化计算汇刊，2024，28（1）： 178-192.10.1109/tevc.2023.3258491
25	明发，龚伟，王磊，等.基于多任务和知识转移的约束多目标优化〔J〕。IEEE进化计算汇刊，2024，28（1）： 77-89.10.1109/tevc.2022.3230822
26	乔克，于克，瞿B，等.基于动态辅助任务的约束多目标进化多任务优化〔J〕。IEEE进化计算汇刊，2023，27（3）： 642-656.10.1109/tevc.2022.3175065
27	郝X，QU R，LIU J.基于图形的进化多任务超神经系统的统一框架〔J〕。IEEE进化计算汇刊，2020，25（1）： 35-47.10.1109年/月2020.2991717
28	QIAO K，LIANG J，YU K，et al.一种基于自适应进化的多任务约束多目标进化算法〔J〕。IEEE计算智能新兴主题汇刊，2023，7（4）： 1098-1112.10.1109/tetci.2023.3236633
29	吴S-H，ZHAN Z-H，TAN K C，等.正交变换在多任务优化中的应用〔J〕。IEEE进化计算汇刊，2022，27（1）： 185-200.10.1109/tevc.2022.3160196
30	李建英，詹振华，谭科奇，等.基于元知识传递的多任务差分进化优化〔J〕。IEEE进化计算汇刊，2021，26（4）： 719-734.10.1109/tevc.2021.3131236
31	陈华，刘海林，顾峰，等.一种基于转移秩的多目标多任务优化算法〔J〕。IEEE进化计算汇刊，2022，27（2）：237-250。10.1109/tevc.2022.3147568号
32	吴毅，丁华，龚明，等.基于两阶段双向知识转移策略的点云配准进化多形式优化〔J〕。IEEE进化计算汇刊，2024，28（1）： 62-76.10.1109/tevc.2022.3215743
33	姜毅，詹志华，谭科奇，等.一种面向进化多任务优化的双目标知识转移框架〔J〕。IEEE进化计算汇刊，2023，27（5）： 1514-1528.10.1109/tevc.2022.3210783
34	黄毅，周伟，王毅，等.大规模组合多目标优化的集中式学习进化多任务〔J/OL〕。IEEE进化计算汇刊，2023（早期访问）[2023-11-09]。10.1109/tevc.2023.3323877
35	林杰，刘海林，薛B，等.基于增量学习的多目标多任务优化〔J〕。IEEE进化计算汇刊，2019，24（5）： 824-838.10.1109/tevc.2019.2962747
36	王旭，董泽，唐磊，等.多目标多任务优化-邻域作为知识转移的桥梁〔J〕。IEEE进化计算汇刊，2022，27（1）： 155-169.10.1109/tevc.2022.3154416
37	唐忠，龚明，吴勇，等.正则化进化多任务优化：在对齐子空间中学习任务间转移〔J〕。IEEE进化计算汇刊，2020，25（2）： 262-276.10.1109/tevc.2020.3023480
38	陈泽，周毅，何新，等.多目标连续优化进化多任务中的任务关系学习〔J〕。IEEE控制论汇刊，2020，52（6）： 5278-5289.10.1109/TCYB.2020.3029176号
39	BAI L，LIN W，GUPTA A，等.从多任务梯度下降到无梯度进化多任务：快速收敛的证明〔J〕。IEEE控制论汇刊，2021，52（8）： 8561-8573.10.1109/tcb.2021.3052509
40	GUPTA A，ONG Y S，FENG L，等.进化多任务处理中的多目标多因素优化[J]。IEEE控制论汇刊，2016，47（7）：1652-1665。10.1109/tcyb.2016.2554622
41	袁毅，Y-S ONG，FENG L，等.多目标连续优化的进化多任务：基准问题、性能指标和基准结果〔R/OL〕.〔2023-11-09］..10.48550/arXiv.1706.02766
42	OSABA E，MARTINEZ A D，GALVEZ A，等.dMFEA-Ⅱ：基于排列的离散优化问题的自适应多因子进化算法〔C〕//2020年遗传与进化计算会议论文集。纽约：ACM2020： 1690-1696.10.1145/3377929.3398084
43	冯磊，黄毅，周磊，等.用于组合优化的显式进化多任务：一个容量受限车辆路径问题的案例研究〔J〕。IEEE控制论汇刊，2020，51（6）： 3143-3156.10.1109/tcyb.2019.2962865
44	YUAN Y，Y-S ONG，GUPTA A，et al.基于排列的组合优化问题中的进化多任务处理：TSP、QAP、LOP和JSP的实现[C]//2016年IEEE第10区会议论文集。皮斯卡塔韦：IEEE2016： 3157-3164.10.1109/tencon.2016.7848632
45	NGUYEN T T，VI T D，PHAN N L，等.无线传感器网络寿命最大化的多因素进化优化〔J〕。信息科学，2021，576： 355-373.2016年10月10日/j.ins.2021.06.056
46	包磊，齐毅，沈美，等.一种用于云计算服务组合的进化多任务算法〔C〕//第十四届世界大会论文集，作为服务会议联合会的一部分召开2018，LNPSE公司10975.查姆：施普林格，2018:130-144。10.1007/978-3-319-94472-2_10
47	YOKOYA G，XIAO H，HATANAKA T.人工蜂群多因素优化及其在汽车结构设计优化中的应用〔C〕//2019年IEEE进化计算大会论文集。皮斯卡塔韦：IEEE2019： 3404-3409.10.1109/cec.2019.8789940
48	RIOS T，VAN STEIN B，BáCK T，等.以三维点云自动编码器为统一表示的多任务形状优化〔J〕。IEEE进化计算汇刊，2021，26（2）： 206-217.10.1109/tevc.2021.3086308号
49	戴伟，王泽，薛凯.基于多任务模因学习与优化的系统封装设计〔J〕。模因计算，2022，14（1）： 45-59.2007年10月10日/12293-021-00346-5
50	IQBAL M，XUE B，AL-SAHAF H，等.图像分类遗传编程中提取知识的跨域重用〔J〕。IEEE进化计算汇刊，2017，21（4）： 569-587.10.1109/tevc.2017.2657556
51	BI Y，XUE B，ZHANG M.学习与共享：图像特征学习的多任务遗传编程方法〔J〕。IEEE进化计算汇刊，2021，26（2）： 218-232.10.1109/tevc.2021.3097043
52	MARTINEZ A D，OSABA E，DEL SERY J等。使用多因素优化同时进化深度强化学习模型[C]//2020年IEEE进化计算大会论文集。皮斯卡塔韦：IEEE2020：1-8。10.1109/cec48606.2020.9185667
53	MARTINEZ A D，DEL SER J，OSABA E，等.多任务强化学习的自适应多因素进化优化〔J〕。IEEE进化计算汇刊，2021，26（2）： 233-247.10.1109/tevc.2021.3083362
54	张峰，梅莹，NGUYEN S，等.动态柔性车间调度的代理辅助进化多任务遗传规划〔J〕。IEEE进化计算汇刊，2021，25（4）： 651-665.10.1109/tevc.2021.3065707
55	GUPTA A，MAŃDZIUK J，Y-S ONG。二级优化中的进化多任务〔J〕。复杂和智能系统，2015，1：83-95。2007年10月7日/40747-016-0011-y
56	WU D，TAN X.模糊系统优化的多任务遗传算法（MTGA）〔J〕。IEEE模糊系统汇刊，2020，28（6）： 1050-1061.10.1109/tfuzz.2020.2968863
57	沈飞，刘杰，吴凯.进化多任务模糊认知图学习〔J〕。基于知识的系统，2020，192： 105294.2016年10月10日/j.knosys.2019.105294
58	SAGARNA R，Y-S ONG公司。通过多任务进化并行搜索软件测试生成分支〔C〕//2016 IEEE计算智能研讨会系列论文集。皮斯卡塔韦：IEEE2016： 1-8.10.1109/sci.2016.7850040
59	吴毅，龚鹏，龚美，等.基于解空间切割的进化多任务点云配准〔J〕。IEEE计算智能新兴主题汇刊，2024，8（1）： 110-125.10.1109/tetci.2023.3290009
60	DA B、GUPTA A、Y-S ONG。在线抑制无缝传输进化优化的负面影响〔J〕。IEEE控制论汇刊，2018，49（12）： 4365-4378.10.1109/tcb.2018.2864345
61	钟杰，李磊，刘伟林，等.一种具有自适应知识转移的联合进化笛卡尔遗传规划〔C〕//2019 IEEE进化计算大会论文集。皮斯卡塔韦：IEEE2019： 2665-2672.10.1109/cec.2019.8790352
62	黄S，钟军，于伟杰.多任务优化中具有自适应知识转移的代理辅助进化框架〔J〕。IEEE计算机新兴主题汇刊，2019，9（4）：1930-1944年。
63	钟杰，冯磊，蔡伟，等.符号回归问题的多因子遗传规划〔J〕。IEEE系统、人与控制论汇刊：系统，2020，50（11）： 4492-4505.10.1109/tsmc.20118.2853719
64	徐忠，刘霞，张凯，等.基于文化传递的进化多任务多目标进化策略〔J〕。信息科学，2022，582： 215-242.2016年10月10日/j.ins.2021.09.07
65	林伟，林强，冯磊，等.基于领域适应的进化多任务知识转移集成〔J〕。IEEE进化计算汇刊，2023，28（2）： 388-402.10.1109/tevc.2023.3259067
66	周磊，冯磊，谭科奇，等.面向多因素进化计算中的自适应知识转移〔J〕。IEEE控制论汇刊，2020，51（5）：2563-2576。10.1109/tcyb.2020.2974100
67	赵华，宁X，刘X，等.进化多任务优化的优势：综合综述〔J〕。应用软计算，2023，145： 110545.2016年10月10日/j.asoc.2023.110545
68	段磊，胡华，钱毅，等.一种求解三维柔性装箱问题的多任务选择学习方法〔C〕//第18届国际自治主体与多主体系统会议论文集。Richland，SC：国际自治代理和多代理系统基金会2019： 1386-1394.
69	托莫夫·M·S，舒尔茨·E，德国·S·J·人类多任务强化学习〔J〕。自然-人类行为，2021，5（6）： 764-773.10.1038/s41562-020-01035-y
70	李斯，龚伟，王磊，等.基于强化学习的进化多任务处理〔J〕。IEEE计算智能新兴主题汇刊，2024，8（1）： 762-775.10.1109/tetci.2023.3281876
71	HARIHARAN S，BISDIKIAN C，KAPLAN L M，等.无线传感器网络数据融合中最优多任务资源分配的有效解决方案框架〔J〕。传感器网络ACM事务，2014，10（3）：第48条。10.1145/2594768
72	陈伟，王德，李凯.绿色移动边缘云计算中的多用户多任务计算卸载〔J〕。IEEE服务计算汇刊，2018，12（5）： 726-738.10.1109/tsc.2018.2826544
73	宗伟，刘Z，杨斯，等.面向多任务的车辆拥挤感知参与者招募〔C〕//第四届国际车联网会议论文集：智能城市技术与服务，LNISA10689查姆：施普林格，2017:92-104。
74	周毅，任华，肖坤，等.车辆网络中基于进化多任务优化的联合数据路由和服务迁移〔C〕//2023年神经计算高级应用国际会议论文集，CCIS1870新加坡：施普林格，2023:434-449。
75	SHANG Q，HUANG Y，WANG Y，et al.进化多任务的模因搜索求解车辆路径问题[J]。模因计算，2022，14（1）： 31-44.2007年10月10日/12293-021-00352-7
76	MOON E K，WANG L-C，DOLFI D V，等.可逆的多因素T细胞功能减退可限制嵌合抗原受体转导的人T细胞在实体瘤中的疗效〔J〕。临床癌症研究，2014，20（16）： 4262-4273.10.1158/1078-0432.ccr-13-2627
77	程磊，陈仕，刘霞，等.激光扫描点云的配准：综述〔J〕。传感器，2018，18（5）： 1641.10.3390/s18051641
78	周磊，冯磊，钟杰，等.组合搜索空间中的进化多任务：容量受限车辆路径问题的案例研究〔C〕//2016 IEEE计算智能研讨会系列论文集。皮斯卡塔韦：IEEE2016：1-8。10.1109/sci.2016.7850039
79	吴毅，刘毅，龚明，等.基于双通道知识共享机制的进化多任务多视点云配准〔J〕。IEEE计算智能新兴主题汇刊，2022，7（2）： 357-374.10.1109/tetci.2022.3205384
80	蔡毅，彭德，刘鹏，等.基于混合知识转移策略的进化多任务优化〔J〕。信息科学，2021，580： 874-896.10.1016/j.ins.2021.09.021
81	GEIGER C D，UZSOY R，AYTUĞH。优先级调度规则的快速建模与发现：一种自主学习方法〔J〕。调度日志，2006，9： 7-34.2007年10月10日/10951-006-5591-8
82	HATEM A，QIAN Y，WANG Y.Point-TTA:使用多任务元辅助学习进行点云注册的测试时自适应〔C〕//2023年IEEE/CVF国际计算机视觉会议论文集。皮斯卡塔韦：IEEE2023： 16494-16504.10.1109/iccv51070.2023.01512
83	冯德，周毅，徐C，等.一种简单高效的三维目标检测和道路理解多任务网络〔C〕//2021年IEEE/RSJ智能机器人与系统国际会议论文集。皮斯卡塔韦：IEEE2021： 7067-7074.10.1109/iros51168.2021.9635858
84	梁忠，朱毅，王霞，等.基于生成策略的多目标优化进化多任务〔J〕。IEEE进化计算汇刊，2023，27（4）： 1042-1056.10.1109/tevc.2022.3189029
85	PARK J，MEI Y，NGUYEN S，等.基于小生境遗传规划的动态车间调度进化多任务优化〔C〕//第31届澳大利亚人工智能联合会议论文集，LNAI11320查姆：施普林格，2018:739-751。
86	KHORASANIAN D，MOSLEHI G.带阻塞、第一台机器多任务柔性和抢占的两机流水车间调度问题〔J〕。计算机与运筹学，2017，79（C）：94-108。2016年10月10日/j.cor.2016年9月23日
87	NING Y，JIA J，WU Z，et al.语音交互系统中用户意图理解的多任务深度学习[C]//第三十一届AAAI人工智能大会论文集。门罗公园：AAAI2017，31（1）： 161-167.10.1609/aaai.v31i1.10493
88	邓H，BIRDAL T，ILIC S.PPFNet:鲁棒三维点匹配的全局上下文感知局部特征〔C〕//2018 IEEE/CVF计算机视觉与模式识别会议论文集。皮斯卡塔韦：IEEE2018： 195-205.10.1109/cvpr.2018.00028
89	KOFLER K，HAQ I U，SCHIKUTA E.以用户为中心的云服务组合启发式优化〔C〕//第16届国际并行处理Euro-Par会议论文集，LNTCS6271柏林：施普林格出版社，2010:405-417。
90	张峰，曹军，谭武，等.弹性云中大数据分析动态多任务工作负载的进化调度〔J〕。IEEE计算机新兴主题汇刊，2014，2（3）： 338-351.10.1109/tetc.2014.2348196
91	ATTA-UR-RAHMAN，DASH S，AHMAD M，IQBAL T。移动云计算：绿色视角〔C〕//智能系统：ICMIB 2020会议录，LNNS185新加坡：Springer，2021:523-533。10.1007/978-981-33-6081-5_46
92	LE H M，DO T T，HOANG T，等.SDRSAC：基于半定义的随机方法，用于无需通信的鲁棒点云注册〔C〕//2019年IEEE/CVF计算机视觉和模式识别会议论文集。皮斯卡塔韦：IEEE2019： 124-133.10.1109/cvpr.2019.00021
93	POMERLEAU F，COLAS F，SIEGWART R.移动机器人点云配准算法综述〔J〕。机器人学基础与发展趋势，2015，4（1）： 1-104.10.1561/2300000035
94	吴毅，丁华，向斌，等.实际应用中的进化多任务优化研究〔J〕。人工智能与技术杂志，2023，三（1）： 32-38.
95	吴毅，王荣，丁华，等.多因子蚁群优化算法〔C〕//第六届亚洲人工智能技术会议论文集。皮斯卡塔韦：IEEE2022： 1-4.10.1109/acait56212.2022.0137898
96	WU S-H，ZHAN Z-H，TAN K C，等.多任务优化的可传递自适应差分进化〔J〕。IEEE控制论汇刊，2023，53（11）： 7295-7308.10.1109/tcyb2023.3234969
97	刘S，林强，冯力，等.大规模多目标优化的进化多任务〔J〕。IEEE进化计算汇刊，2022，26（2）： 248-262.
98	冯毅，冯力，王生，等.大规模多目标优化的多变量多因子进化算法〔J〕。IEEE进化计算汇刊，2021，26（2）： 248-262.10.1109/2020年5月13日119933
99	ZENG A，SONG S，NIEßNER M等。3DMatch:从RGB-D重建中学习局部几何描述符[C]/2017年IEEE计算机视觉和模式识别会议论文集。皮斯卡塔韦：IEEE2017： 1802-1811.2017年10月10日/cvpr
100	杨忠，潘建中，罗磊，等.基于场景完成的RGB-D扫描极端相对位姿估计〔C〕//2019 IEEE/CVF计算机视觉与模式识别会议论文集。皮斯卡塔韦：IEEE2019： 4531-4540.10.1109/cvpr.2019.00466
101	NGUYEN S B S，ZHANG M.一种用于网格计算调度的混合离散粒子群优化方法〔C〕//2014 IEEE进化计算大会论文集。皮斯卡塔韦：IEEE2014： 483-490.10.1109/cec.2014.6900658

土耳其	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］

土耳其	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。时事通讯[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

多任务优化算法及其应用研究综述

RichHTML格式

PDF格式

可视化

摘要/摘要

引用本文

使用本文

图/表5

参考文献101

相关文章2

第二次会议

韵律学