Towards KAB2S: Learning Key Knowledge from Single-Objective Problems to Multi-Objective Problem

要約

「進化的計算研究の新たなフロンティア」として、進化的転移最適化(ETO)は、進化的計算の研究における過去の解決された問題からの関連する経験と知識のゼロ再利用という従来のパラダイムを克服します。
ETOを介した申請のスケジューリングでは、インテリジェントスケジューリングとグリーンスケジューリングの両方、特に中国の「カーボンニュートラル」の国際公約に関して、非常に魅力的で競争力の高い枠組み「会議」が両者の間に形成される可能性がある。
私たちの知る限り、ここでのスケジューリングに関する私たちの論文は、多目的最適化問題が (マルチタスク最適化ではなく) 離散的な場合の単一目的最適化問題と「出会う」場合の ETO フレームワークのクラスの最初の作業として機能します。
より具体的には、遺伝的アルゴリズムベースの設定を備えた位置ビルディングブロックなど、産業アプリケーション向けに伝えられた主要な知識は、新しいコア転送メカニズムと順列フローショップスケジューリング問題（PFSP）の学習技術を介して使用できます。
よく研究されたベンチマークに関する広範な研究により、当社が提案する ETO-PFSP フレームワークの確かな有効性と優れた普遍性が実証的に検証されています。
私たちの研究は、(1) ETO フレームワークを強化し、(2) 遺伝的アルゴリズムとミーム アルゴリズムの構成要素の古典的かつ基礎的な理論に貢献し、(3) パラダイムの提案と実践による学習を介して進化スケジューリングのパラダイム シフトに向かう
中国における「産業インテリジェンス」のための「知識とビルディングブロックベースのスケジューリング」(KAB2S)。

要約(オリジナル)

As ‘a new frontier in evolutionary computation research’, evolutionary transfer optimization(ETO) will overcome the traditional paradigm of zero reuse of related experience and knowledge from solved past problems in researches of evolutionary computation. In scheduling applications via ETO, a quite appealing and highly competitive framework ‘meeting’ between them could be formed for both intelligent scheduling and green scheduling, especially for international pledge of ‘carbon neutrality’ from China. To the best of our knowledge, our paper on scheduling here, serves as the 1st work of a class of ETO frameworks when multiobjective optimization problem ‘meets’ single-objective optimization problems in discrete case (not multitasking optimization). More specifically, key knowledge conveyed for industrial applications, like positional building blocks with genetic algorithm based settings, could be used via the new core transfer mechanism and learning techniques for permutation flow shop scheduling problem(PFSP). Extensive studies on well-studied benchmarks validate firm effectiveness and great universality of our proposed ETO-PFSP framework empirically. Our investigations (1) enrich the ETO frameworks, (2) contribute to the classical and fundamental theory of building block for genetic algorithms and memetic algorithms, and (3) head towards the paradigm shift of evolutionary scheduling via learning by proposal and practice of paradigm of ‘knowledge and building-block based scheduling’ (KAB2S) for ‘industrial intelligence’ in China.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google