【报告内容】

汇报人：姜照航

汇报单位：太原理工大学

主题：《Multifactorial Genetic Programming for Symbolic Regression Problems》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

多因子进化算法(MFEA)在连续和组合优化问题上验证了MFO算法的有效性。然而，尽管MFEA很有效，但MFEA的主干如通用解表示和任务解码是有问题依赖性的。这些组件必须在GP中专门设计，以解决GP问题。目前还没有针对单一种群的多任务进化的GP研究。因此，本文试图填补这一空白。

2.相关创新方案

(1) 提出了一个多因子GP (MFGP)范式，用于进化多任务GP。提出的MFGP涉及一种新的可扩展染色体表示，能够为不同领域的问题提供灵活的编码解决方案

(2) 基于最近发表的GP变体SL-GEP，设计了一种新的多任务进化机制，在进化过程中同时考虑了知识转移和解决方案质量

3.实验总结

在本文中，我们提出了一个面向进化多任务GP的MFGP。特别是，我们提出了一种新的可扩展的基因表达染色体表示，它允许在一个统一的表示中跨域编码多个解决方案。在此基础上，提出了一种新的进化机制，既考虑了任务间有用特征的内隐迁移，又考虑了有效的进化搜索能力。为了验证所提出的MFGP的有效性，本文提供并分析了在多任务情景下进行的全面实证研究。实验结果证实了MFGP的有效性。

4.未来工作

本文需要进一步对所提出的方法的实践和理论方面进行更多的研究。例如，未来的一项工作将是将所提出的方法应用于现实世界的应用，如基于代理的仿真中的图像分类问题和规则识别问题。此外，从实验研究中可以看出，问题之间的距离对算法的性能有很大的影响。因此，针对不同领域的问题开发一种通用的距离度量是一个非常有前途的研究方向。一旦有了这种通用距离度量，就可以提出自适应控制策略，并将其集成到所提出的框架中，以自适应地决定哪些问题集应该同时解决。

报告时间：2024年05月17日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)