协作学习的并行学习排名框架

我们提出CCRank，这是第一个基于进化算法（EA）进行排名的并行学习框架，旨在在保持准确性的同时显着提高学习效率。 CCRank基于协作协同进化（CC），它是一种分而治之的框架，在功能优化中针对较大的搜索空间和复杂结构的问题展示了很高的希望。 而且，CC自然允许子解决方案与分解后的子问题并行化，从而可以大大提高学习效率。 借助CCRank，我们在学习排名的背景下研究了并行CC。 我们通过三个基于EA的学习来实现CCRank，以对算法进行排序以进行演示。 与最新算法相比，基准数据集上的大量实验表明CCRank在效率和准确性方面的性能提升。