Loading... ---------- ## 2025-01-01   今天是2025阳历的第一天~ ### 科研 无 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 放假! ### 总结   昨天约好了中午在李老师家包饺子,早上十点多和他一起去永辉超市买了食材,中午大家一起在包饺子,期间学会了擀饺子皮与一种朴素的包饺子方法,但是还是很不熟练,下午在老师家呆了一下午,没感觉到很快乐,只感觉到很疲惫,似乎有一种想走却不能走的感觉,所以晚上要一起去逛街的时候我果断跑路没去。   总的来说,新年新气象,但我对2025似乎也提不起什么兴趣,反而内驱力在逐日下降,大概是需要回家休息了吧。 ---------- ## 2025-01-02   虽然是工作日,但我今天也不打算给自己安排任务,总体而言感觉很累很疲倦,再放逐一天吧。 ### 科研 无 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 放假! ### 总结   感觉还是很疲惫,想回家了。 ---------- ## 2025-01-03   开始工作 ### 科研 * [X] 基于EDOLAB实现多种群PSO算法,为预测工作做准备 * [X] 准备小组组会汇报 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 吃烧烤 * [X] 打球 ### 总结   完成使用EDOLAB实现多种群PSO算法,统计了预测训练的误差曲线,如下图所示,越是看得远,其训练误差越来越大,就像天气预报一样,越是往前看得远,确实是越不准确的。 ![训练loss][1] ![训练loss][2] ---------- ## 2025-01-04 ### 科研 * [X] 校验PSO算法的参数与行为与OFEC代码中的一致性。 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 休息 ### 总结   感觉这一周的状态都不太对,丧失了一种斗志,希望能够快速调整回来吧。 ---------- ## 2025-01-05 ### 科研 * [X] 在算法中添加生成演化特征矩阵的方法,并生成演化时空张量 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 休息 ### 总结   在MATLAB中添加生成演化特征矩阵的方法,并生成演化时空张量输入预测模型进行调用,检查了存在的许多问题,确保演化时空张量与OFEC中所输出的一致。 ---------- ## 2025-01-06 ### 科研 * [X] 在算法中接入预测功能 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   在MATLAB中接入了预测功能,调用/predict接口,统一了模型的输入(其实是输入多个种群的演化时空张量$\mathbb{H}$[m(种群数量) x pre_seq_length(输入的帧长度) x gsize(种群的大小) x gsize(种群的大小)],其中决策空间的距离进行归一化,其他的特征保留原样,输出为[m(种群数量) x aft_seq_length(输出的帧长度) x 3(通道数量) x gsize(种群的大小) x gsize(种群的大小)],从而预测出多个种群的未来适应值),在算法中输入aft_seq_length的值(1/3/5/10)便可以直接预测出对应代数的适应值,从而得到改进量。 ---------- ## 2025-01-07 ### 科研 * [X] 在算法中开展资源分配实验 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   简单开展了资源分配的实验,但是还没有拿出实验结果 ---------- 2025年1月8日 - 2025年1月11日因故停更 ---------- ## 2025-01-12 ### 科研 无 ### 工作 * [X] 大组总结会 ### 兴趣 无 ### 生活 * [X] 大组聚餐 ### 总结   今天一天是这个学期的最后一天,开了总结大会,进行了小组聚餐,玩的挺开心。 ---------- ## 2025-01-13 ### 科研 * [X] 资源分配的实验结果拿出来。 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   资源分配的总体结果已经出来了,能看出来有一些效果,但是细致往里看,发现了测试问题参数不一致的问题,所以这个实验结果还需要再斟酌。 ---------- ## 2025-01-14 ### 科研 * [X] 解决实验中存在的问题,并设计多线程试验任务。 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   利用MATLAB实现了多线程实验,每个任务独立运行30次,减少实验所耗费的时间。 ``` % 清理工作环境 clc; clear; close all; % 检查并启动并行池(如果尚未启动) if isempty(gcp('nocreate')) parpool; % 启动默认的并行池 end % 设置运行次数 num_runs = 30; % 定义要测试的维度和 aft_seq_length dimensions = [2, 5, 10, 15]; % 根据需要修改,例如 [5, 10, 20] aft_seq_lengths = [0, 1, 3, 5, 10]; % 需要测试的 aft_seq_length 值 % 循环不同的维度 for dim = dimensions % 初始化问题实例 Problem = BenchmarkGenerator_FPs(5, 1000, dim, 0.1, 1, 'FPs'); % 循环不同的 aft_seq_length for aft = aft_seq_lengths fprintf('正在运行维度:%d,aft_seq_length:%d\n', dim, aft); % 提取峰的高度和函数选择(假设这些字段存在于 Problem 结构体中) subspace_peaks_height = Problem.PeaksHeight; subspace_peaks_function = Problem.FunctionSelect; % 预先分配存储结果的单元数组 subspace_best_positions = cell(num_runs, 1); subspace_best_values = cell(num_runs, 1); evolution_counts_each_run = cell(num_runs, 1); record_count_each_run = cell(num_runs, 1); find_global_eval_each_run = zeros(num_runs,1); % 使用 parfor 进行并行运行 parfor run = 1:num_runs % 运行 PSO 算法 [best_positions, best_values, evolution_counts_every_20, record_count, find_global_eval] = PSO_FPs_Subspaces(Problem, aft); % 存储结果 subspace_best_positions{run} = best_positions; subspace_best_values{run} = best_values; evolution_counts_each_run{run} = evolution_counts_every_20; record_count_each_run{run} = record_count; find_global_eval_each_run(run) = find_global_eval; end % 构造文件名,例如 'PSO_Results_D_5_Aft_0.mat' filename = sprintf('PSO_Results_D_%d_Aft_%d.mat', dim, aft); % 保存结果到 MAT 文件以便后续分析 save(filename, ... 'dim', ... 'aft', ... 'subspace_peaks_function', ... 'subspace_peaks_height', ... 'subspace_best_positions', ... 'subspace_best_values', ... 'evolution_counts_each_run', ... 'record_count_each_run', ... 'find_global_eval_each_run'); fprintf('已保存结果到文件:%s\n', filename); end end ``` ---------- ## 2025-01-15 ### 科研 * [X] 强化实验任务的设置 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   为了验证模型在预测种群未来适应值改进量方面的效果,我们根据模型预测的改进量对多个种群进行资源分配。本文采用FreePeaks生成测试案例,将解空间划分为五个子空间,并在每个子空间内部署部署一个子问题,我们在其中一个子空间内部署形状为尖峰状的问题,靠近峰顶的区域非常陡峭,而远离峰顶的区域非常平缓;一个子空间内部署形状为平顶状的问题,靠近峰顶的区域较为平滑,而远离峰顶的区域较为陡峭;其余三个子空间内部署峰度适中的圆锥峰。这三类峰的函数表达式如下: $$ f({x}) = h \cdot \exp\left( -\frac{\left\| {x} - {X} \right\|^2}{2\cdot\sigma^2} \right) $$ $$ \sigma = \frac{\sum_{i=1}^{D} (u_i^{sv}-l_i^{sv})}{5\cdot D} $$ $$ f({x}) = h - \left\| {x} - {X} \right\| $$ $$ f({x}) = h - \exp\left( 2 \sqrt{\frac{\left\| {x} - {X} \right\|}{\sqrt{D}}} \right) + 1 $$ 这五个峰的高度分别为:[70, 55, 60, 50, 40],虽然高度为70的峰高度最高,但是其非常陡峭,追踪该峰的种群不容易在演化初期获得更高的适应值,而高度为55的峰虽然高度适中,但其相对平坦,追踪该峰的种群容易在演化初期获得更有的适应值。通过上述问题的设置,能够验证基于种群未来的适应值进行资源分配是否有助于克服基于当前适应值进行资源分配中所存在的短视效应。此外,为了验证预测模型的泛化能力,实验分别在不同维度[2, 5, 10, 15]的测试问题上进行。 在测试过程中,算法首先在每个子空间下随机生成一个种群。然后,使用与生成训练数据相同的PSO算法对这些种群进行演化。在演化过程中,分别采用种群当前适应值($n=0)和预测适应值($n=1,3,5,10$)进行资源分配。所有种群的评估总次数为1000次,记录算法找到全局最优解所需的评价次数,同时监控资源分配的情况。每个测试案例独立运行30次,最终汇总并输出统计结果。 ---------- ## 2025-01-16 ### 科研 无 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 灵隐寺祈福 ### 总结   前往杭州参加CCF-AI演化计算学组成立大会,得空前往灵隐寺祈福。 ---------- ## 2025-01-17 ### 科研 * [X] 听取CCF-AI演化计算学组成立大会汇报 ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   有所收获,会通过文章的形式写出来。 ---------- ## 2025-01-18 ### 科研 无 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 西湖泛舟 ### 总结   上午去西湖走了走,并在湖中泛舟游玩;下午回家!回家!回家! ---------- ## 2025-01-19 ### 科研 * [X] 做了一些实验,把画图的拿出来了,但是还发现了一些问题 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 回了趟老家 ### 总结   做了一些实验,把画图的拿出来了,但是还发现了一些问题:API的调用会无故断连,不太明白什么问题,但实验有了新的进展,发现资源分配确实有作用。 ---------- ## 2025-01-20 ### 科研 * [X] 拿出D=2的实验结果 ### 工作 无 ### 兴趣 无 ### 生活 * [X] 回了趟老家 ### 总结   拿出D=2的实验结果已经拿出来了,并反复经过了检验 ---------- ## 2025-01-21 ~ 2025-02-16 ### 科研 * [X] 做完CEC2025的相关工作; * [X] 完成一些TEVC的二轮意见回复工作; ### 工作 无 ### 兴趣 无 ### 生活 * [X] 寒假!过年! ### 总结   关于寒假的计划与总结我就不在这每天列出来了。寒假的前半段,几乎没有休息,除夕夜和大年初一都在写CEC2025的文章,不过寒假的后半段到学校之后就比较松懈了,两天打鱼三天筛网,也意识到这一点了,尽快调整好状态,调整好生物钟,加油往前冲! ---------- ## 2025-02-17   从今天开始恢复正常的学习生活,每天做好计划。 ### 科研 * [X] TEVC第二轮审稿意见的回复,写完关于Reviewer 3关于实验部分的审稿意见的回复; * [ ] TEVC第二轮审稿意见的回复,写完关于算法时间复杂度方面的内容; ### 工作 无 ### 兴趣 无 ### 生活 无 ### 总结   整理了TEVC的相关实验,期间发现在EDOLAB中实现的问题的代码怎么找也找不到了,索性重写了一遍,浪费了一些时间,下次要注意版本的管理。相关实验已经整理完成了,审稿人3的意见也回复的差不多了。但是算法时间复杂度方面的内容还没有搞。 ----------   争取在2月20日之前把意见全部整理出来,二月底之前把修改稿提交上去。 ## 2025-02-18 ### 科研 * [ ] TEVC第二轮审稿意见的回复,写完关于算法时间复杂度方面的内容; * [ ] TEVC第二轮审稿意见的回复,整理完审稿人4的一些其他的小意见; * [ ] TEVC第二轮审稿意见的回复,整理完审稿人5的一些其他的小意见; ### 工作 * [ ] 杭州会议的相关的心得体会上传系统。 ### 兴趣 无 ### 生活 无 ### 总结    [1]: https://www.maisblog.cn/usr/uploads/2025/01/2422825080.png [2]: https://www.maisblog.cn/usr/uploads/2025/01/3403874529.png 最后修改:2025 年 02 月 18 日 © 允许规范转载 打赏 赞赏作者 支付宝微信 赞 如果觉得我的文章对你有用,请随意赞赏