多模态多目标优化Transformer模型

预测种群分布加速进化

该模型利用Transformer捕捉相邻代种群分布变化以生成有前景的后代，并通过基于差异的注意力机制同时保存全局和局部Pareto最优解集。

Dang, Qianlong · 张广辉 · 王凌 · 于杨 · Yang, Shuai · He, Xiaoyu

IEEE Computational Intelligence Magazine 2025

技术优势

种群进化更快

利用Transformer捕捉相邻代种群分布变化来繁殖有前景的后代，从而提升算法的利用能力。

能提供局部Pareto解

通过基于差异的注意力机制更新档案，同时保存全局和局部Pareto最优解，为决策者提供低成本的替代方案。

胜过主流算法

在实验中，该算法在测试问题上优于其他六种有竞争力的多模态多目标进化算法。

应用场景

• 多模态优化：处理需要同时考虑多个等效或近似等效最优解的问题，如工程设计中的多解方案。
• 深度学习辅助进化计算：用深度学习模型学习种群演化规律，减少对传统繁殖算子的依赖，提升搜索效率。
• 多目标决策：同时保存全局和局部Pareto解集，帮助决策者在不同偏好下快速选择方案。
• 代理模型：用Transformer作为代理模型，预测新种群分布，减少真实适应度评估次数。