没有合适的资源?快使用搜索试试~ 我知道了~
T-SAEA
共67个文件
m:63个
md:2个
asv:1个
需积分: 11 0 下载量 46 浏览量
2021-03-01
18:28:44
上传
评论
收藏 55KB ZIP 举报
温馨提示
T-SAEA 尽管解决多目标问题的进化算法(EA)取得了成功,但大多数算法都是基于可以在同一时间段内评估所有目标的假设。 但是,在许多实际应用中,这种假设是不现实的,因为必须使用具有各种时间复杂性的不同计算机模拟或物理实验来评估不同的目标。 为了解决这个问题,在这项工作中提出了一种替代辅助进化算法以及基于参数的转移学习(T-SAEA)。 虽然可以在足够的训练数据上更新廉价目标的替代项,但可以通过训练数据集或转移学习方法来更新昂贵目标的替代项。 为了找出可转让的知识,使用基于过滤器的特征选择算法来捕获每个目标的关键特征,然后将共同的重要特征用作廉价和昂贵目标之间知识转移的载体。 然后,代理模型中的相应参数被自适应地共享以提高代理模型的质量。 参考 如果您发现T-SAEA有用,请引用以下参考资料: 王希鲁,金耀初,塞巴斯蒂安·施密特和马库斯·奥尔霍弗。 “高斯过程的转移学习有助于具有不同评
资源推荐
资源详情
资源评论
收起资源包目录
T-SAEA-master.zip (67个子文件)
T-SAEA-master
Metrics
main1.m 1KB
Spread.m 923B
IGD.m 723B
Coverage.m 830B
PD.m 1KB
MD.m 821B
GD.m 732B
DeltaP.m 1KB
Spacing.m 771B
NHV.m 3KB
HV.m 3KB
DM.m 3KB
support_files
P_settings.m 2KB
update_metamodel.m 4KB
PSOMyself.m 1KB
F_weight.m 475B
corrgauss.m 1KB
Main.m 5KB
UniformPoint.m 1KB
evaluate_least_expensive_obj_OneMax.m 159B
PreFit.m 729B
getFunc.m 5KB
P_output_OneMax.asv 809B
predictor.m 4KB
F_mating0.m 299B
FitPre.m 1KB
evaluate_most_expensive_obj.m 156B
optimize_least_expensive_OneMax.m 2KB
P_output_OneMax.m 811B
evolve_K_RVEA.m 3KB
IndividualSelect.m 1KB
GA1.m 4KB
PCAMyself.m 233B
NDSort.m 3KB
getNewY.m 596B
getKernel.m 457B
TrainingSelect.m 892B
ref_vectors.m 355B
regpoly1.m 385B
EnvironmentSelection.m 2KB
optimize_least_expensive.m 2KB
PSO_CostFunction.m 278B
F_mating.m 450B
A 730B
P_generator.m 2KB
DomainTCA.m 598B
tournamentSelection.m 730B
P_output.m 815B
FSelection.m 2KB
PreFit2.m 730B
regpoly2.m 789B
Plot2D.m 335B
P_output2.m 820B
evaluate_most_expensive_obj_OneMax.m 171B
README.md 372B
Cotraining1.m 1KB
dacefit.m 9KB
F_mating1.m 454B
run_K_RVEA.m 221B
regpoly0.m 377B
P_sort.m 2KB
evaluate_least_expensive_obj.m 152B
getW.m 2KB
F_select.m 1KB
P_objective1.m 36KB
TSAEA.m 9KB
README.md 2KB
共 67 条
- 1
资源评论
易洪艳
- 粉丝: 31
- 资源: 4503
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功