一种多任务贝叶斯优化的自适应知识迁移方法

本发明公开了一种多任务贝叶斯优化的自适应知识迁移方法，包括以下步骤：利用内核化自动编码机制来捕捉数据集之间的非线性关系，以度量任务之间的相似性；通过启发式规则动态调整辅助任务选择的优先级，确保任务间的选择性协作并减少干扰。运用贝叶斯优化建模和优化黑盒函数，实现对任务真实评估次数的减少。本发明引入显式知识迁移机制，运用非线性映射矩阵转化辅助任务的最优解，实现多个相关任务之间高效的知识迁移与协同优化，显著提高了优化效率和资源利用率。