大数据环境下基于进化多任务机制的多目标优化算法研究

With the rapid development of information acquisition and processing technique in the era of big data and artificial intelligence, multiobjective optimization problems have shown the characteristics of higher objective dimensions and larger scale of decision space. Aiming at the problems of high computational cost, slow convergence speed and weak global search ability of evolutionary algorithm in solving many-objective and large-scale multiobjective optimization problems, this project intends to combine evolutionary multitasking mechanism with the parallel computational characteristics of evolutionary algorithm to establish a multiobjective optimization algorithm framework. Based on the parallel evolution of multitasking, multitasking selection, multitasking crossover and inheritance of individual attributes are designed, and the specific methods of using the above-mentioned operators to realize the proposed multiobjective optimization algorithm based on evolutionary multitasking mechanism are studied. Furthermore, based on the idea of sparse representation and surrogate model, a multitasking constructing procedure is designed to solve the bottleneck problems when applying the proposed algorithm to many-objective and large-scale multiobjective optimization problems. This project plays an important role in enriching and improving multiobjective evolutionary optimization models and related theories, and can provide theoretical and technical support for complex multiobjective optimization problems in big data environment.

随着大数据和人工智能时代下信息采集及处理技术的飞速发展，多目标问题表现出了目标维数越来越高及决策空间规模越来越大的特性。针对进化算法在求解高维多目标优化问题和大规模多目标优化问题时存在的计算代价昂贵、收敛速度慢和全局搜索能力较弱的问题，本项目拟将进化多任务机制与进化算法的并行计算特性相结合，建立基于进化多任务机制的多目标优化算法框架。基于多任务并行进化特点，设计相应的多任务选择、多任务交叉及个体属性继承等算子，并研究利用上述算子实现基于进化多任务机制的多目标优化算法的具体方法。进而，借鉴稀疏表示及代理模型思想，设计多任务构造方法，以解决所提算法应用于高维多目标优化和大规模多目标优化时的瓶颈问题。本项目研究对丰富和完善多目标优化模型及相关理论具有重要的作用，可为大数据环境下的复杂多目标优化提供相应的理论和技术支撑。

本项目主要针对进化算法在求解高维多目标优化问题和大规模多目标优化问题时存在的计算代价昂贵、收敛速度慢和全局搜索能力较弱的问题，通过将进化多任务机制与进化算法的并行计算特性相结合，提出了基于进化多任务机制的多目标优化方法。本项目主要研究基于进化多任务机制的多目标优化算法框架搭建、高维及大规模多目标问题背景下的多任务模型构造以及基于进化多任务机制的高维及大规模多目标优化问题求解算法设计。在本项目的资助下，我们获得了一系列研究结果：1）构造了新的多样性评价指标及变异策略，有效提高进化算法针对复杂多目标优化问题的求解效率并为低维任务构造提供思路；2）搭建了基于进化多任务机制的多目标优化算法框架；3）针对复杂动态优化问题，构造多任务模型，并给出了基于多种群的多任务求解算法；4）针对脑机接口领域中的导联选择优化这一实际应用问题，构造相应的多任务模型，并采用基于进化多任务机制的多目标优化算法求解。本项目的研究结果对丰富多目标优化模型具有重要的作用，为大数据环境下的复杂多目标优化问题求解提供了相应的理论和技术支撑。