面向多目标优化的多任务演化算法研究

This proposal focuses on the key techniques of multi-task evolutionary algorithm for multi-objective optimization in exploiting the cooperation among multiple optimization tasks adaptively, measuring the degree of expensiveness for expensive multi-objective optimization problems in the multi-task environment, and evaluating the individual based on the selective evaluation method and the surrogate model. A multi-task evolutionary algorithm will be proposed based on the adaptive cooperation among multiple optimization tasks. An adaptive evolutionary transfer strategy and an adaptive parameter learning model will be designed. For expensive multi-objective optimization problems, a surrogate model based on the cost of evaluating the individual will be proposed to measure the degree of expensiveness in the multi-task environment. Then an integrated evaluation method will be proposed according to the selective evaluation method and the surrogate model. Their effectiveness and superiority will be validated. Their applications in multi-objective sparse unmixing of the hyperspectral images will be investigated. I will publish more than 8 papers in the related journals and conferences, and apply more than 4 patents.

本课题针对面向多目标优化的多任务演化算法中任务之间的自适应协同、昂贵多目标优化问题中个体在多任务环境下昂贵程度的度量、选择性评价和代理模型相结合的综合评价等关键问题展开研究。建立多个任务自适应协同的多任务演化算法，设计自适应演化迁移策略和参数自适应学习模型。针对昂贵多目标优化问题，提出基于个体评价成本的代理模型来度量个体评价在不同任务下的昂贵程度，结合选择性评价和利用代理模型对个体评价，设计多任务环境下的个体综合评价方法，分析各策略对算法性能的影响，验证模型和算法的有效性和先进性。在理论研究的基础上，开展多任务演化算法在高光谱多目标稀疏解混等问题上的应用研究。研究成果在本领域重要期刊和会议上发表论文8篇以上，申报国家发明专利四项以上。

本课题严格按照研究计划进行，主要研究成果包括：本项目针对面向多目标优化的多任务演化算法中任务之间的自适应协同、昂贵多目标优化问题中个体在多任务环境下昂贵程度的度量、选择性评价和代理模型相结合的综合评价等关键问题展开研究。针对稀疏优化问题建立了多任务多目标优化模型，由于决策向量的长度与测量向量的数量无关使其可以有效地解决多测量向量问题。针对高光谱解混里的端元提取问题，设计了基于代理模型的多保真度演化优化算法，提取不同数量端元的多个任务被统一编码到一个群体中，并通过隐式遗传迁移同时处理这些相似的任务。针对三类变化检测任务设计了一种基于Bhattacharyya距离的新型度量方法。不仅每两个类之间的可分离性最大化，而且两个变化的类和不变的类之间的Bhattacharyya距离保持更近以获得更平衡的分类性能。针对高光谱图像分类问题，提出了演化多任务卷积神经网络架构搜索框架，以搜索最优架构并同时完成不同任务的分类，通过对卷积神经网络架构进行编码，所提出的算法能够在同一搜索空间中实现全局搜索，并选择适应性强的个体进行进化。本课题共计发表高水平论文19篇，其中13篇发表在《IEEE Transactions on Circuits and Systems for Video Technology》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Cybernetics》等一区、二区权威期刊和《CVPR》等A类会议上，2篇发表在CCF推荐A类中文期刊上，申请国家发明专利10项，研究成果获2022陕西省电子学会自然科学二等奖，陕西省优秀博士学位论文，圆满完成了预期研究目标。