Separando caminhos e realocando recursos no multitarefa evolutivo

O multitarefa evolutivo visa explorar a sinergia implícita entre várias tarefas de otimização. Através do efeito de carona, o multitarefa evolutivo é capaz de melhorar o desempenho dos algoritmos evolutivos tanto na exploração quanto na exploração. O algoritmo evolutivo multifatorial (MFEA) apresentou uma implementação eficaz do multitarefa evolutivo, que simultaneamente busca as soluções para múltiplos problemas de otimização ao unificar seus espaços de busca. O MFEA permite o compartilhamento de informações entre tarefas durante a evolução. Esse mecanismo pode melhorar a eficiência evolutiva na fase inicial; no entanto, ele prejudicará a exploração e consumirá recursos extras mais adiante, devido à diferença essencial entre as paisagens de aptidão dos problemas de otimização. Este estudo propõe detectar a ocorrência de separação de caminhos, na qual o compartilhamento de informações começa a falhar. Além disso, desenvolvemos o mecanismo de alocação de recursos para realocar as avaliações de aptidão em diferentes tipos de descendentes ao cessar o compartilhamento de informações ao se separar. Experimentos foram conduzidos para avaliar os métodos propostos. Os resultados experimentais mostram que aplicar a detecção de separação de caminhos e realocação de recursos para o MFEA pode alcançar uma melhor qualidade de solução na maioria dos casos de teste, especialmente quando as tarefas compartilham baixa similaridade de paisagens.