｛“状态”：“好”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,6,5]]，“日期时间”：“2024-06-05T11:03:24Z”，“时间戳”：1717585404966｝，“引用计数”：54，“发布者”：“爱思唯尔BV”，“许可证”：[｛“开始”：｛“日期部分”：[[2017,8,1]]，“日期时间”：“2017-08-01T00:00:00Z”，“时间戳”：1501545600000｝，“内容版本”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金”，“DOI-asserted-by”：“crossref”，“award”：[“61105068”，“61473233”]}，{“DOI”：中国中央大学”，“doi-asserted-by”：“crossref”，“adward”：[“3102016ZY007”]}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”Swarm and Evolutionary Computation“]，”published-print“：{”date-parts“：[[2017,8]]}，”doi“：”10.1016\/j.swevo.2017.03.01“，”type“：”journ al-article“，”created“：{”date-parts“：[[2017,3,16]]，“日期-时间”：“2017-03-16T22:53:18Z”，“时间戳”：1489704798000}，“页面”：“65-77”，“更新策略”：“http://\/dx.doi.org\/10.10016\/elsevier_cm_policy”，“源”：“Crossref”、“is-referenced-by-count”：31，“标题”：[“使用基于小生境的多模态优化和自适应快速聚类的大规模协同进化”]，“前缀”：“10.1016”，“卷”：“35”，“作者”：[{“给定”：“星光”，“家庭”：“彭”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“亚培”，“家族”：“吴”，“顺序”：“附加”，“隶属关系”：[]}]，“成员”：“78”，“引用”：[}“问题”：“15”，“关键字”：“10.1016\/j.swevo.2017.03.01_bib1”，“doi-asserted-by”：“crossref”，“first”页码“：”2985“，”doi“：”10.1016\/j.ins.2008.02.017“，“article-title”：“使用合作协同进化的大规模进化优化”，“volume”：“178”，“author”：“Yang”，“year”：“2008”，“journal-title:”Inf.Sci.“}，{“key”：”10.1016\/j.swevo.2017.03.001_bib2“，”doi-asserted-by“：”crossref“，”unstructured“：”M.N.Omidvar，X.Li，Z.Yang，X。姚，通过更频繁的随机分组实现大规模优化的协同协同进化，载于：IEEE进化计算大会论文集（CEC 10），2010年，第1\u20138页。“，“DOI”：“10.1109\/CEC.2010.5586127”}，{“key”：“101016\/j.swevo.2017.03.001_bib3”，“非结构化”：“Z.Yang，K.Tang，X。姚，用于大规模优化的多级协同进化，收录于：IEEE进化计算大会论文集（CEC 08），2008，第1663\u20131670页。“}，{”问题“：”2“，”关键“：”10.1016\/j.swevo.2017.03.001_bib4“，”doi-asserted-by“：”crossref“，”首页“：”210“，”doi“：”101109\/TEVC.2011.2112662“，“article-title”：“合作共同进化粒子群以实现大规模优化”，“数量”：“16”，“作者”：“李”，“年份”：“2012年”，“期刊标题”：“IEEE Trans。进化。计算。“}，{”issue“：”2“，”key“：”10.1016\/j.swevo.2017.03.001_bib5“，”doi-asserted-by“：”crossref“，”first page“：“255”，”doi“：”101162\/EVCO__00150“，”article-title“：”Toward大规模连续eda“，”volume“：\/j.swevo.2017.03.001_bib6“，”doi-asserted-by“：”crossref“，”非结构化”：“M.N.Omidvar，X.Li，X.Yao，针对大规模不可分离函数优化的delta分组协同协同进化，in：IEEE进化计算大会（CEC 10），2010，pp.1\u20138.”，“DOI”：“10.1109\/CEC.2010.5585979”}，{“key”：“101016\/j.swevo.2017.03.001_bib7”，“DOI-asserted-by”：“crossref”，“非结构化”：“J.Liu，K.Tang，使用合作协同进化扩大协方差矩阵适应进化策略，in：智能数据工程和自动学习（IDEAL 13），Springer，2013，pp.350\u2013357.”，“DOI”：“10.1007\/978-3642-41278-3_43”}，{“key”：“101016\/J.swevo.2017.03.001_bib8”，“DOI-asserted-by”：“crossref”，“非结构化”：“W.Chen，T.Weise，Z.Yang，K.Tang，使用合作协同进化和变量交互学习的大规模全局优化，in：《自然并行问题解决程序》（PPSN XI），Springer，2010，pp.300\u2013309.”，“DOI”：“10.1007\/978-3642-15871-1_31”}，{“问题”：“3”，“关键”：“101016\/j.swevo.2017.03.01_bib9”，“doi-asserted-by“：”crossref“，”first page“：”378“，”doi“：”10.1109\/TEVC.2013.2281543“，”article-title“：”大型优化的差异分组合作协同进化“，”volume“：“18”，”author“：”Omidvar“，“year”：“2014”，”journal-title”：“IEEE Trans。进化。计算。“}，{”issue“：”2“，”key“：”10.1016\/j.swevo.2017.03.001_bib10“，”doi-asserted-by“：”crossref“，”doi“：”101145\/2791291“，”article-title“：”无约束大规模黑盒优化的竞争分治算法“，”volume“：10.1016\/j.swevo.2017.03.001_bib11“，“非结构化”：“R.P.Wiegand，合作协同进化算法分析，（博士论文），乔治梅森大学，弗吉尼亚州费尔法克斯，美国，2004。”}，{“问题”：“4”，“关键”：“10.1016\/j.swevo.2017.01_bib12”，“doi-asserted-by”：“crossref”，“首页”：“581”，“doi”：“101162\/EVCO_0004”，”，“文章标题”：“合作共同进化算法的理论收敛保证”，“卷”：“18”，“作者”：“Panait”，“年份”：“2010”，“期刊标题”：“Evolut”。计算。“｝，｛”key“：”10.1016\/j.svevo.2017.03.001_bib13“，”doi断言“：”crossref“，”非结构化“：”L.Panait，S.Luke，选择信息性行动可以改善多智能体合作学习，见：\u00a0第五届自主智能体和多智能体系统国际联席会议论文集，ACM，2006，第760\u2013766页。“，”doi“：”10.1145\/1160633.1160767“}，{”key“：”10.1016\/j.swevo.2017.03.001_bib14“，”doi-asserted-by“：”crossref“，”first page“：“174”，”doi“：”101016\/j.knosys.2016.07.001“，”article-title“协同进化算法设计的动态优化方法”，“volume”：“109”，“author”：“Peng”，“year”：“2016”，“journal-title”：“Knowl.-Based Syst.”}，{“issue“：”6191“，”key“：”10.1016\/j.swevo.2017.03.001_bib15“，”doi-asserted-by“：”crossref“，”first page“：“1492”，“doi”：“10.1126\/science.1242072”，“article-title”：“通过快速搜索和密度峰值发现聚类”，“volume”：“344”，“author”：“Rodriguez”，“year”：“2014”，“journal-title“：”science“}，{“key”：”10.116\/j.swevo。2017.03.001_bib16“，”非结构化“：”S。Wang，D.Wang，C.Li，Y.Li，评论通过快速搜索和发现密度峰值进行聚类。http://\/arXiv:1501.04267arXiv:1501.04267.“}，{”key“：”10.1016\/j.swevo.2017.03.001_bib17“，”doi-asserted-by“：”crossref“，”first page“：“1593”，“doi”：“10.1214\/00911790600000791”，“article-title”：“高斯多胞体的中心极限定理”，“author”：“Barany”，“year”：“2007”，“journal-title“：”Ann.Probab.“}”，{“key”：“10.1016\/j.swevo.2017.03.001_bib18”，“非结构化”：“K.A.De Jong，一类遗传适应系统的行为分析，（博士论文），密歇根大学，密歇比州安阿伯，美国密歇根州，1975年。”}，{“关键”：“10.1016\/j.swevo.2017.03.001_bb19”，“非结构”：“S.W。Mahfoud，遗传算法的小生境方法，《IlliGAL技术报告》，第95001号，伊利诺伊大学厄本那-香槟分校伊利诺伊遗传算法实验室，伊利诺依州厄本那，美国，1995年。“}，{“key”：“10.1016\/j.swevo.2017.03.01_bib20”，“非结构化”：“O.j.Mengshoel，D.E。Goldberg，《概率拥挤：确定性拥挤与概率替换》，载于：《遗传与进化计算会议论文集》（GECCO 99），1999年，第409\u2013416页。“}，{”关键“：”10.1016\/j.swevo.2017.03.001_bb21“，”非结构化“：”D.E。Golberg，搜索、优化和机器学习中的遗传算法，Addion wesley，1989。“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib22”，“doi-asserted-by”：“crossref”，“unstructured”：“X.Yin，N。Germay，在多峰函数优化中使用聚类分析方法的共享方案的快速遗传算法，收录于：《人工神经网络和遗传算法国际会议论文集》，Springer，1993年，第450\u2013457页。“，“DOI”：“10.1007\/978-3-7091-7533-0_65”}，{“issue”：“8”，“key”：“10.1016\/j.swevo.2017.03.001_bib23“，”doi-asserted-by“：”crossref“，”first page“：”1314“，”doi“：”10.1109\/TCYB.2013.2282491“，”article-title“：”基于聚类的差分进化与自适应策略用于多峰优化“，”volume“：“44”，“author”：“Gao”，“year”：“2014”，“journal-title”：“IEEE Trans。赛博。“}，{”key“：”10.1016\/j.swevo.2017.03.001_bib24“，”unstructured“：”G.R.Harik，《使用受限锦标赛选择寻找多峰解》，收录于：《国际遗传算法会议论文集》（ICGA 95），1995年，第24\u201331页。“}”，{“key”：“10.1016\/j.swevo.2017.3.001_bib25”，“doi-asserted-by”：“crossref”，“unstructure”：“R。Roy，I.C.Parmee，识别多模态函数中多个子最优值的自适应限制锦标赛选择，摘自：AISB进化计算研讨会论文集，Springer，1996，第236\u2013256页。“，”DOI“：”10.1007\/BFb0032787“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib26”，“DOI-asserted-by”：“crossref”，“unstructured”：“A.P\u00e9trowski，作为遗传算法小生境方法的清除过程，摘自：IEEE进化计算会议论文集（CEC 96），1996，第798\u2013803页10.1162\/106635602760234081”，“文章标题”：“一种用于多模态函数优化的物种保护遗传算法”，“卷”：“10”，“作者”：“Li”，“年份”：“2002”，“期刊标题”：“Evolut。计算。“}，{”issue“：”5“，”key“：”10.1016\/j.swevo.2017.03.001_bib28“，”doi-asserted-by“：”crossref“，”first page“：“601”，”doi“：”101109\/TEVC.2011.2161873“，”article-title“：”Differential evolution with neighborhood mutation for multimal optimization“，”volume“：“3”，“键”：“10.1016\/j.swevo.2017.03.001_bib29“，”doi-asserted-by“：”crossref“，”first page“：”387“，”doi“：”10.1109\/TEVC.2012.2203138“，“article-title”：“用于多峰优化的基于距离的局部知情粒子群模型”，“volume”：“17”，“author”：“Qu”，“year”：“2013”，“journal-title“：”IEEE Trans。进化。计算。“}，{”issue“：”3“，”key“：”10.1016\/j.swevo.2017.03.001_bib30“，”doi-asserted-by“：”crossref“，”first page“：“683”，”doi“：”101007\/s11047-009-9170-8“，“article-title”：“一种基于广泛向量运算的新型粒子群小生境技术”，“volume”：“9”，“author”：“Schoeman”，“year”：“2010”，“journal-title“：”Nat.Comput.“}”，{“issue”：“5”，“键”：“10.1016\/j.swevo.2017.03.001_bib31“，”doi-asserted-by“：”crossref“，”first page“：”666“，”doi“：”10.1109\/TEVC.2012.2231685“，”article-title“：”使用基于平均距离的选择增强的生物对象差分进化算法的多模态优化“，”volume“：“17”，”author“：”Basak“，”year“：”2013“，”journal-title”：“IEEE Trans。进化。计算。“}，{”issue“：”10“，”key“：”10.1016\/j.swevo.2017.03.001_bib32“，”doi-asserted-by“：”crossref“，”first-page“：”1726“，”doi“：”101109\/TCYB.2013.2292971“，”article-title“：”一种改进的以规范化邻域为中心的突变，用于在差异进化中诱导小生境行为“，”volume“：“44”，“author”：“Biswas”，“year”：“2014”，“journal-title”：“”IEEE传输。赛博。“}，{”key“：”10.1016\/j.swevo.2017.03.001_bib33“，”unstructured“：”A.Ahrari，K.Deb，M.Preuss，带排斥子种群的协方差矩阵自适应进化策略的多模优化，进化计算“}。Zhang，分布算法的多模态估计，被IEEE控制论汇刊接受。“}，{”issue“：”2“，”key“：”10.1016\/j.swevo.2017.03.001_bib35“，”doi-asserted-by“：”crossref“，”first page“：“71”，”doi“：”101016\/j.swevo.2011.05.005“，”article-title“：”Real-parameter Evolutional Multimal optimization \u2013a surview of the artifient“，”volume“：1”，“author”：“Das”，“year”：“2011”，“journal-title”：“Swarm Evolut.Comput.”}，{“键”：“10.1016\/j.swevo.2017.03.001_bib36“，“doi-asserted-by”：“crossref”，“unstructured”：“j.E.Fieldsend，Running up these hills:Multi-modal search with the niching migration Multi-warm optimizer，in：IEEE Congress on Evolutionary Computation（CEC 14），2014年，第2593\u20132600页。”，“doi”：“10.1109\/CEC.2014.6900309”}，{“key”：“10.1016\/j.swevo.2017.03.001_bib37“，“非结构化”：“X.Li，A.Engelbrecht，M.Epitropakis，2013年ieee-cec多模态优化小生境方法竞赛结果，in：2013年ieee多模态最优化小生境方法进化计算竞赛大会报告。”}，{“key”：“10.1016\/j.swevo.2017.03.001_bib38“，”doi-asserted-by“：”crossref“，”unstructured“：”N.Hansen，A.Ostermeier，《进化策略中的任意正态变异分布自适应：协方差矩阵自适应》，摘自：《IEEE进化计算国际会议论文集1996》，第312\u2013317页。“，”doi“：”10.1109\/ICEC.1996.542881“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib39”，“unstructured”：“N.Hansen，CMA Evolution Strategy:a Tutorial，CoRR arXiv:1604.00772 URL\u3008http://\/arXiv.org\/abs\/1604.00772\u3009.”}，}，“key“：”10.1016\\j.swevol.2017.03.01_bb40“，”doi-asserted-by“：”crossref“，”unstructure“L.”南帕奈特。Luke，协作协同进化算法的时间依赖协作方案，摘自：2005年AAAI秋季协同进化与协同适应系统研讨会论文集，2005年。”，“DOI”：“10.1145”，{“key”：“101016”，j.swevo.2017.03.001_bb41”，“unstructured”：“K.Tang，X.Li，P.N.Suganthan，Z.Yang，T。Weise，cec 2010年特别会议和大型全局优化竞赛的基准函数，技术代表，自然启发计算和应用实验室，2009年。“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib42”，“doi-asserted-by”：“crossref”，“first page”：”419“，“doi”：“101016\/j.ins.2014.12.062”，“article-title”：“为大规模连续优化设计基准问题“，”卷“：”316“，”作者“：”Omidvar“，“年份”：“2015”，“期刊标题”：“Inf.Sci。“}，{”key“：”10.1016\/j.swevo.2017.03.001_bib43“，”unstructured“：”Z.Yang，K.Tang，X.Yao，带邻域搜索的自适应差分进化，收录于：IEEE进化计算大会（CEC 08），2008年，第1110\u20131116页。姚，基于对协同进化算法贡献的计算资源的智能使用，载于：《第十三届遗传与进化计算年会论文集》，爱思唯尔，2015年，第1115\u20131122页。“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib45”，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Wang，B。李，基于两阶段的大规模全局优化集成优化，收录于：IEEE进化计算大会论文集（CEC 10），2010年，第1\u20138页。“，“DOI”：“10.1109\/CEC.2010.5586466”}，{“key”：“101016\/j.swevo.2017.03.001_bib46”，“DOI-asserted-by”：“crossref”，“unstructured”：“j.Brest，A.Zamuda，I.Fister，M.S。Mau\u010dec，et al.，具有较小且可变人口规模的自适应差分进化算法，in：IEEE进化计算大会（CEC 12），2012，pp.1\u20138.“，”DOI“：”10.1109\/CEC.2012.6252909“}，{“key”：“10.1016\/j.swevo.2017.03.001_bb47”，“DOI-asserted-by”：“crossref”，“unstructured”：“D.Molina，M。Lozano，F.Herrera，Ma-sw-chains:基于局部搜索链的Memetic算法用于大规模连续全局优化，收录于：IEEE进化计算大会论文集（CEC 10），\u00a02010，pp.1\u20138.“，”DOI“：”10.1109\/CEC.2010.5586034“}，{“issue”：“1”，“key”：“10.1016\/j.swevo.2017.3.001_bib48”，“DOI-asserted-by”：“crossref“，”first page“：”19“，”DOI“：”10.1287\/moor.6.1.19“，“article-title”：”通过随机搜索技术最小化“，”volume“：“6”，”author“：”Solis“，”year“：”1981“，”journal-title“：”Math“。操作。研究“}，{“key”：“10.1016\/j.swevo.2017.03.001_bib49”，“doi-asserted-by”：“crossref”，“unstructured”：“A.LaTorre，S.Muelas，j.-M.Pena，大规模全局优化中的多子代采样，摘自：IEEE进化计算大会（CEC 12），2012，pp.1\u20138.”，“doi”：“101109\/CEC.2012.6256611”}10.1016\/j.swevo.2017.03.001_bib50“，“doi-asserted-by”：“crossref”，“unstructured”：“L.-Y.Tseng，C.Chen，大规模全局优化的多轨迹搜索，收录于：IEEE进化计算大会会议记录（CEC 08），2008，pp.3052\u20133059.”，“doi”：“10.1109\/CEC.2008.4631210”}，{“key”：“1016\/j.swevo.2017.03.001_bib51”，“doi断言：“：”crossref“，”非结构化“：”A.LaTorre，S.Muelas，J.-M.Pena，《大规模全局优化：基于mos的混合算法的实验结果》，载于：《IEEE进化计算大会论文集》（CEC 13），2013，第2742\u20132749页doi-asserted-by“：”crossref“，”unstructured“：”R.Tanabe，A.Fukunaga，《差分进化基于连续历史的参数自适应》，收录于：IEEE进化计算大会（CEC 13），2013年，第71\u201378页。“，”doi“：”10.1109\/CEC.2013.6557555“}，{“key”：“10.1016\/j.swevo.2017.03.001_b53”，“doi-assert-by”：“crossref.”，“非结构化“：”R.Tanabe，A.S.Fukunaga，《使用线性种群规模缩减改进阴影搜索性能》，载于：IEEE进化计算大会（CEC 14），2014年，第1658\u20131665页。“，DOI”：“10.1109\/CEC.2014.6900380”}，{“key”：“101016\/j.swevo.2017.03.001_bb54”，“非结构化”：“X.Li，K.Tang，M.N。Omidvar，Z.Yang，K.Qin，H.China，2013年cec特别会议和大规模全球优化竞赛的基准函数，基因7（33），2013，8.“}]，“容器-时间”：[“Swarm and Evolutionary Computation”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S2210650216304837？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S2210650216304837？httpAccept1=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-epplication”：“text-mining”}]，“存放”：{“date-parts”：[[2020年5月17日]]，“date-time“：”2020-05-17T18:11:49Z“，”timestamp“：1589739109000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S2210650216304837”}}，“副标题”：[]，“短标题”：[]，“已发布”:{“date-parts”：[[2017,8]]}、“references-count”：54，“alternative-id”：[“S22106502163048]37“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.swevo.2017.03.001“，”关系“：{}，”ISSN“：[”2210-6502“]，”ISSN-type“：[{”value“：”2210-6502“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2017,8]]}，“assertion”:[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}维护，{“值”：“使用基于小生境的多模式优化和自适应快速聚类的大规模协同进化”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Swarm and Evolutionary Computation”，“name”：“journaltitle”、“label“：”Journal Title“}，“valueCrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2017 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}