学习辅助进化算法
截止约束下能耗最小
将双向LSTM自编码器嵌入进化算法，在低维特征空间高效搜索，解决任务调度中处理器分配、排序和频率缩放的三重耦合问题。
曹政才 · HaoRan, Zhou · Lin, Chengran
IEEE Transactions on Automation Science and Engineering 2025
技术优势
耦合子问题联合求解
自编码器提取三个子问题的关联，使进化算法在低维特征空间协同搜索，避免了对各子问题独立优化导致的全局次优。
算子智能动态选择
深度强化学习根据反馈奖励为每个子种群动态选择搜索算子，平衡探索与开发，使算法在不同阶段选用适宜的搜索策略。
双种群并行搜索
一个子种群在低维特征空间利用自编码器搜索，另一个在原空间常规评估，并行协同提升搜索效率。
应用场景
- 人机融合系统调度：人机融合系统场景下任务调度需同时优化处理器分配、排序和频率，LEA提供满足截止期且总能耗更低的方案。
- 工业机器人任务规划：工业机器人任务规划常面临多资源耦合调度，LEA将子问题映射到低维空间，可快速生成节能且满足节拍要求的任务执行方案。
- 制造系统能效优化：制造系统能耗优化需要降低加工设备总能耗，LEA通过联合决策任务分配和处理器频率，减少空闲和低效运行功耗。
- 物联网任务调度：物联网任务调度对时延和能耗敏感，LEA在满足截止时间约束下，降低处理器的整体能耗，延长设备运行周期。
- 具身智能系统资源管理：具身智能系统资源管理需要协调多类资源满足任务实时性，LEA可调度处理器频率和任务顺序，在保证响应速度的同时节省能量。