显式进化框架与多任务功能融合,用于优化电解过程中的操作参数
IEEE transactions on cybernetics
|September 17, 2024
概括
本研究介绍了进化多任务功能融合 (EMFF) 框架,以优化电解电池 (AEC). 通过有效地将不同优化任务之间的知识转移,EMFF提高了能源的减少.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 计算智能是一种计算智能.
背景情况:
- 电解电池 (AEC) 需要优化操作参数以减少能源消耗.
- AEC的动态异质性对传统的优化方法提出了挑战.
- 现有的显式进化多任务处理 (EMT) 算法缺乏AEC的理论依据,并且经常忽视任务间的相关性.
研究的目的:
- 为优化 AEC 操作参数提出一个具有多任务功能融合 (EMFF) 的明确进化框架.
- 通过考虑跨任务特征信息相关性来解决现有的EMT算法的局限性.
- 增强AEC多任务优化的知识转移和协同效应.
主要方法:
- 开发明确的进化框架与多任务功能融合 (EMFF).
- 引入一个多任务功能融合机制,以实现有效的知识转移.
- 实施转移个人导出 (TID) 战略,以快速发展关键知识.
主要成果:
- 欧洲风险基金在基准测试中表现优异.
- 该框架在现实世界AEC参数优化方面显示出了卓越的结果.
- 通过拟议的机制,实现了有效的知识转移和协同效应.
结论:
- 拟议的EMFF框架有效优化了AEC的操作参数,从而降低了能源消耗.
- 欧洲货币基金组织通过结合任务间特征相关性来克服现有的EMT算法的局限性.
- 该框架为在工业过程中协作优化提供了一个有前途的方法.
