摘要
A.Bucci和J.Pollack。 协同进化中全局最优解的确定。 在Hans-Georg Beyer等人{4}中,第539-544页。 谷歌学者 数字图书馆 L.公牛。 多智能体环境中的进化计算:合作伙伴。 《第七届国际遗传算法会议论文集》编辑T.Back,第370-377页。 Morgan Kaufmann,1997年。 谷歌学者 数字图书馆 公牛队。 多智能体环境中的进化计算:操作员。 在D.W.V.W.Porto、N.Saravanan和A.E.Eiben编辑的《第七届进化编程年会会议记录》中,第43-52页。 Springer Verlag,1998年。 谷歌学者 数字图书馆 Hans-Georg Beyer等人,编辑。 2005年遗传与进化计算会议(GECCO)论文集。 ACM,2005年。 谷歌学者 P.丈夫和F.Mill。 模拟协同进化作为应急计划和调度的机制。 编辑R.Belew和L.Booker,《第四届国际遗传算法会议论文集》,第264-270页。 摩根·考夫曼,1991年。 谷歌学者 T.Jansen和R.P.Wiegand。 合作共同进化(1+1)ea。 进化计算,12(4):405-4342004。 谷歌学者 数字图书馆 E.莱曼。 非参数:基于等级的统计方法。 McGraw-Hill,1975年。 谷歌学者 S.卢克。 ECJ 13:Java EC研究系统。 可在 http://cs.gmu.edu/ ~ eclab/projects/ecj/,2005年。 谷歌学者 D.E.莫里亚蒂。 顺序决策任务中神经网络的共生进化。 得克萨斯大学奥斯汀分校计算机科学系博士论文,1997年。 谷歌学者 数字图书馆 L.Panait和S.Luke。 协同进化算法的时间相关协作方案。 2005年AAAI秋季共同进化和共同适应系统研讨会论文集,2005年。 谷歌学者 L.Panait、R.P.Wiegand和S.Luke。 改进多智能体行为的协同进化搜索。 《第十八届国际人工智能联合会议(IJCAI)会议记录》,第653-658页,墨西哥阿卡普尔科,2003年。 摩根·考夫曼。 谷歌学者 数字图书馆 L.Panait、R.P.Wiegand和S.Luke。 一种有利于优化的协同进化算法的灵敏度分析。 Kalyanmoy Deb等人,编辑,《2004年遗传和进化计算会议论文集》,第页(待出版)。 施普林格,2004年。 谷歌学者 数字图书馆 L.Panait、R.P.Wiegand和S.Luke。 合作共同进化收敛特性的可视化演示。 自然并行问题解决-PPSN-2004。 施普林格,2004年。 谷歌学者 交叉引用 E.波波维奇和K.D.Jong。 通过简单的健身景观了解合作共同进化动力学。 在Hans-Georg-Beyer等人{4}中,第507-514页。 谷歌学者 数字图书馆 M·波特。 协同进化计算模型的设计与分析。 乔治·梅森大学博士论文,弗吉尼亚州费尔法克斯,1997年。 谷歌学者 数字图书馆 R.P.威根。 协同进化算法分析。 乔治·梅森大学计算机科学系博士论文,2003年。 谷歌学者 数字图书馆 R.P.Wiegand、W.Liles和K.De Jong。 合作协同进化算法中协作方法的实证分析。 L.Spector、E.D.Goodman、A.Wu、W.Langdon、H.-M.Voigt、M.Gen、S.Sen、M.Dorigo、S.Pezeshk、M.H.Garzon和E.Burke编辑,《2001年遗传与进化计算会议论文集》,第1235-1242页。 Morgan Kaufmann,2001年。 谷歌学者 R.P.Wiegand和J.Sarma。 协同进化算法中的空间嵌入和梯度损失。 编辑X.Yao、E.Burke、J.A.Lozano、J.Smith、J.J.Merelo Guervós、J.A Bullinaria、J.Rowe、P.Tino、A.Kaban和H.P.Schwefel,《第七届国际自然并行问题解决会议论文集》(PPSN VIII),第912-922页。 Springer-Verlag,2004年。 谷歌学者 交叉引用
建议
基于参考共享协作的Pareto协同进化遗传算法 GECCO’09:第11届遗传和进化计算年会会议记录 进化,特别是协同进化,解决了进化论中的进化论难题。 对于具有上位性的优化问题,标准协同进化的性能通常不如标准进化。 在…中。。。 用于函数优化的协同进化算法中的引导变异 GECCO’07:第九届遗传和进化计算年会论文集 本研究提出了一种称为“引导突变”的突变方法。 在引导变异中,每个个体保持两个变异控制参数:变异方向和变异步长。 基因突变的指导是通过不断更新。。。 基于协同进化生物地理学的优化算法 基于生物地理学的优化算法(BBO)以其独特的迁移算子和变异算子,模拟了自然生物地理学中物种的迁移,不同于现有的进化算法,但它存在着一些不足,如算法效率低、计算量大、计算量小等。。。