【报告内容】

汇报人： 林志诚

汇报单位：福建理工大学

《Offline Data-Driven Evolutionary Optimization Based on Tri-Training》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1. 待解决的问题描述

针对大部分离线DDEAs不好处理大规模的优化问题。

2. 相关创新方案

本文通过三训练机制，将半监督学习与进化算法结合，解决了离线数据驱动优化中数据不足和高维建模的难题。

3. 实验总结

在10-100维问题上，TT-DDEA显著优于对比其他算法。

4. 未来工作

仍有许多可能的方向来提高离线DDEA的性能。首先，结合局部和全局模型以平衡局部和全局搜索是很有意义的。其次，由于离线DDEA受初始数据的显著影响，应开发更先进的方法充分利用有限的数据。最后，诸如迁移学习等高级机器学习方法可能会为离线DDEA带来进一步的改进。

报告时间：2025年09月19日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)