（通讯员熊普） 西安电子科技大学协同智能系统教育部重点实验室李豪副教授、熊普硕士在演化计算领域权威期刊IEEE Transactions on Evolutionary Computation (TEVC)上发表题为“Fast Heterogeneous Multi-Problem Surrogates for Transfer Evolutionary Multiobjective Optimization”的学术论文。该论文针对迁移昂贵多目标优化无法使用异构源模型的问题，提出了一种能够解决该问题的快速异构多问题代理框架。

迁移演化多目标优化 (Transfer Evolutionary Multiobjective Optimization, TEMO) 是近年来在演化计算领域提出的一种新的解决昂贵多目标优化问题的方法。

TEMO可以通过从外部模型或方法中迁移有效知识到当前正在解决的问题之中，从而提高其收敛能力。然后，现有的TEMO方法无法使用与目标模型结构不一致的源模型，并且没有考虑存在大规模源代理的情况。为此，本文提出了一种新型的异构多问题代理算法。通过计算出源代理与目标问题之间的投影矩阵，从而使源代理与目标模型的结构对齐。同时还提出了一种迭代源模型选择策略，能够在大规模源模型的情况下选择出与目标模型最为相似的源模型，尽可能的降低源模型带来的负迁移影响。此外，还提出了一种自适应k折交叉验证方法，来尽可能的加快昂贵多目标优化问题的求解。在一系列的测试问题以及神经网络架构搜索问题上进行了综合实验验证了所提方法的有效性。

IEEE Transactions on Evolutionary Computation是演化计算顶级期刊之一、中科院SCI期刊大类一区期刊。

论文链接：

https://ieeexplore.ieee.org/abstract/document/10490148