[发明专利]多任务教与学优化方法、系统及设备

权利要求书

1.一种多任务教与学优化方法，其特征在于，基于种群多样性判断当前种群演化状态，依据基本的教与学算法原理进行迭代；其中，在教学阶段，引入基于权重的教师协作教学策略；在学习阶段，引入三角协作学习策略；判断是否满足终止条件，若满足，则终止迭代；若不满足，则返回继续进行迭代。

2.根据权利要求1所述的一种多任务教与学优化方法，其特征在于，具体包括以下步骤：

S1、种群初始化

(1)初始化种群P，并设置种群规模；

(2)根据每个待优化任务j，对初始化种群P中的每个个体i进行评估，计算得到初始化种群P中的每个个体i的标量适应度值ψ_jⁱ及技能因子τ_i；

(3)初始化教师T、班级平均值M及基于权重的协作教师GT，计算初始种群多样性DI_init；

S2、教学阶段

(4)生成随机数rand，将所述随机数rand与任意交配概率rmp进行对比；若rand≥rmp，则不进行知识迁移，对个体进行更新；否则，进行知识迁移，对个体进行更新；

(5)采用垂直文化传播机制，对教学阶段更新后的个体进行评估；

(6)更新种群多样性指标及计算当前种群多样性的衡量值；

(7)精英选择：将更新前后的父代种群与子代种群进行合并，并更新合并种群中的每个个体标量适应度值和技能因子；将合并种群中的个体根据标量适应度值进行排序，选出前N个较优的个体组成新种群；

S3、学习阶段

(8)将所述随机数rand与任意交配概率rmp进行对比；若rand≥rmp，则不进行知识迁移，对个体进行更新；否则，进行知识迁移，采用三角协作策略，对个体进行更新；

(9)采用垂直文化传播机制，对学习阶段更新后的个体进行评估；

(10)更新种群多样性指标及计算当前种群多样性的衡量值；

(11)精英选择：将更新前后的父代种群与子代种群进行合并，并更新合并种群中的每个个体标量适应度值和技能因子；将合并种群中的个体根据标量适应度值进行排序，选出前N个较优的个体组成下一代种群；

S4、判断是否满足终止条件，若满足，则终止迭代，输出结果；若不满足，则跳转至步骤S2，继续进行迭代。

3.根据权利要求2所述的一种多任务教与学优化方法，其特征在于，步骤(2)中，初始化种群P中的每个个体i的标量适应度值的计算公式，具体如下：

其中，λ为惩罚系数；为个体i在待优化任务j上的总约束违反系数；为个体i在当前待优化任务T_j上的目标值；

初始化种群P中的每个个体i的技能因子τ_i的计算公式，具体如下：

j∈{1,2,...,K}

其中，为个体i在待优化任务j上根据其标量适应度值的排序；K为任务总数。

4.根据权利要求2所述的一种多任务教与学优化方法，其特征在于，基于权重的协作教师GT具体如下：

其中，T_i为第i个教师；weight_i为第i个教师的权重；weight为权重；log(13)为13的对数；log(mu)为教师下标的对数，以根据排名依次降低权重大小，mu为教师的下标。