托马斯·韦斯;雷蒙德·乔恩;唐、柯 进化优化：陷阱和陷阱。 （英语） Zbl 1279.68281号 J.计算。科学。Technol公司。 27，第5期，907-936（2012）. 摘要：进化计算（EC）是一系列元启发式黑盒优化算法的统称，是计算机科学中发展最快的领域之一。许多关于使用不同EC方法的手册和“操作指南”以及各种免费或商业软件库现在都可以广泛使用。然而，当将其中一种方法应用于实际任务时，可能会存在许多陷阱和陷阱——优化问题的某些方面可能会导致不满意的结果，即使算法似乎得到了正确的实现和执行。这些包括融合问题、坚固性、欺骗性和健身环境中的中立性、上位性、不可分离性、导致健壮性需求的噪音，以及维度和可伸缩性问题等。在本文中，我们系统地讨论了这些相关的障碍，并提出了一些可能的补救措施。目标是让从业者和研究人员都能清楚地了解什么样的问题会导致EC申请失败，以及如何从一开始就避免这些问题。 引用于5文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68-02 与计算机科学有关的研究展览会（专著、调查文章） 关键词：进化计算;问题难度;优化;启发式算法 软件：MSOPS-II型;基因科普;CIXL2号机组;西戈亚;分布式电源 PDF格式BibTeX公司 XML格式引用 \textit{T.Weise}等人，《计算杂志》。科学。Technol公司。27，第5号，907--936（2012；Zbl 1279.68281） 全文： DOI程序 参考文献： [1] Blum C、Chiong R、Clerc M、De Jong K A、Michalewicz Z、Neri F、Weise T。进化优化。在现实世界应用的进化算法变体中，Chiong R，Weise T，Michalwicz Z（编辑），柏林/海德堡：施普林格出版社，2011年，第1-29页。 [2] Weise T.全局优化算法——理论与应用。德国：it-weise.de（自行出版），2009年。http://www.it-wise.de/projects/book.pdf . [3] EibenáE，Smith J E.进化计算导论（自然计算系列）。美国纽约：Springer New York，2003年·Zbl 1028.68022号 [4] Chiong R，Weise T，Michalewicz Z（编辑）。现实世界应用的进化算法变体。柏林/海德堡：Springer-Verlag，2011年。 [5] Whitley L D.遗传算法教程。统计与计算，1994，4（2）：65–85·doi:10.1007/BF00175354 [6] Michalewicz Z.遗传算法+数据结构=进化程序。德国柏林：Springer-Verlag GmbH，1996年·Zbl 0841.68047号 [7] Coello Coello C A.进化多目标优化的简短教程。程序中。第一届进化多准则优化国际会议（EMO2001），瑞士苏黎世，2001年3月7日至9日，第21-40页。 [8] Coello Coello C A.与进化算法一起使用的理论和数值约束处理技术：最新技术综述。应用力学与工程中的计算机方法，2002，191（11-12）：1245-1287·Zbl 1026.74056号 ·doi:10.1016/S0045-7825（01）00323-1 [9] Trojanowski K，Michalewicz Z。进化算法和特定问题知识。程序中。第二届进化计算和全局优化全国会议，1997年9月16-19日，波兰Rytro，第281-292页。 [10] Chiong R，Dhakal S（编辑）。调度、规划和打包问题的自然智能。柏林/海德堡：Springer-Verlag，2009年。 [11] Chiong R（编辑）。《智能应用和知识发现的自然启发信息学：商业、科学和工程的启示》，宾夕法尼亚州赫尔希市，美国：信息科学参考，2009年。 [12] Chiong R（编辑）。自然激励优化算法。柏林/海德堡：Springer-Verlag，2009年。 [13] Chen T，Tang K，Chen G，Yao X.简单分布估计算法的计算时间分析。IEEE进化计算汇刊，2010，14（1）：1–22·doi:10.1109/TEVC.2009.2040019 [14] Chen T，He J，Chen G，Yao X.针对大差距问题选择选择压力。理论计算机科学，2010411（6）：926-934·Zbl 1191.68303号 ·doi:10.1016/j.tcs.2009.12.014 [15] 何J，姚X。进化算法计算时间分析框架。人工智能，2003145（1-2）：59–97·兹比尔1082.68802 ·doi:10.1016/S0004-3702（02）00381-8 [16] He J，Reeves C R，Witt C，Yao X。关于黑盒优化中问题难度度量的注释：分类、实现和可预测性。进化计算，2007，15（4）：435–443·doi:10.1162/evco.2007.15.4.435 [17] Lochtefeld D F，Ciarallo F W。遗传算法的多样性分类方案。程序中。2011年5月21日至25日在美国内华达州雷诺市举行的第61届国际教育学会年会和博览会（IERC2011）。 [18] Devert A，Weise T，Tang K。地面结构进化优化的可扩展表示研究。进化计算，2012，20（3）：453-472·doi:10.1162/EVCO_a_00054 [19] De Jong K A.一类遗传适应系统的行为分析[博士论文]。密歇根大学，1975年。 [20] Wright A H.实参数优化的遗传算法。程序中。第一届遗传算法基础研讨会（FOGA1990），美国印第安纳州布卢明顿，1990年7月15日至18日，第2005-218页。 [21] Schraudolph N N，Belew R K。遗传算法的动态参数编码。机器学习，1992，9（1）：9–21。 [22] Goldberg D E.搜索、优化和机器学习中的遗传算法。美国马萨诸塞州波士顿：Addison-Wesley Longman Publishing Co.，Inc.，1989年·Zbl 0721.68056号 [23] 遗传和进化算法的Rothlauf F.表示。德国海德堡：Physica-Verlag GmbH&；Co.，2002年·Zbl 1030.68083号 [24] Grefenstette J J.欺骗被认为是有害的。程序中。第二届遗传算法基础研讨会（FOGA1992），美国科罗拉多州维尔，1992年7月26-29日，第75-91页。 [25] Leblanc B，Lutton E.位正则性和GA-harrdness。程序中。1998年IEEE进化计算国际会议（CEC1998），安克雷奇，AK，美国，1998年5月4-9日，第517-522页。 [26] Naudts B，Kallel L.关于所谓GA-hardenss测度的一些事实。国际关系（R.I.）379，APpliquées数学中心（CMAP），1998年。 [27] Borenstein Y，Poli R.健身分布和GA硬度。程序中。2008年9月18日至22日，英国伯明翰举行的第八届国际平行问题解决大会，第11-20页。 [28] 郭浩、徐文浩再次回顾了GA-hardeness。程序中。遗传与进化计算会议（GECCO2003），第一部分，美国伊利诺伊州芝加哥，2003年7月12日至16日，第1584–1585页。 [29] Oliveto P S，He J，Yao X.组合优化进化算法的时间复杂性：十年的结果。国际自动化与计算杂志，2007，4（3）：281-293·doi:10.1007/s11633-007-0281-3 [30] Oliveto P S，He J，Yao X.用（1+1）-ea分析顶点覆盖问题的近似解。IEEE传输。进化计算，2009，13（5）：1006–1029·doi:10.1010/TEVC.2009.2014362文件 [31] Horn J，Goldberg D E.遗传算法的难度和适应度景观的模式。程序中。第三次遗传算法基础研讨会，美国科罗拉多州埃斯特斯公园，1994年7月31日至8月2日，第243–269页。 [32] Singh G，Deb K。基于进化算法的多模态优化算法比较。程序中。第八届遗传和进化计算年会，美国华盛顿州西雅图，2006年7月8日至12日，第1305-1312页。 [33] Weise T、Zapf M、Chiong R、Nebro Urbaneja A J.为什么优化很困难？《优化的自然激励算法，计算智能研究193/2009》，Chiong R（编辑），柏林/海德堡：Springer-Verlag，2009年，第1-50页。 [34] Rudnick W M.遗传算法和适应度方差及其在人工神经网络自动设计中的应用[博士论文]。俄勒冈州科学研究生院；技术，1992年。 [35] Thierens D、Goldberg D E、Pereira G。多米诺收敛、漂移和问题的时间显著性结构。程序中。1998年IEEE进化计算国际会议，安克雷奇，美国阿拉斯加州，1998年5月4-9日，第535-540页。 [36] Mitchell M，Forrest S，Holland J H。遗传算法的皇家之路：适应环境和遗传算法性能。程序中。第一届欧洲人工生命会议（ECAL1991），法国巴黎，1991年12月11-13日，第245-254页。 [37] Paenke I，Branke J，Jin Y.关于表型可塑性对基因型多样性的影响。程序中。第一届IEEE计算智能基础研讨会（FOCI2007），美国夏威夷州火奴鲁鲁，2007年4月1日至5日，第33-40页。 [38] Holland J H.遗传算法——以类似自然选择的方式“进化”的计算机程序可以解决复杂的问题，即使其创造者并不完全理解。《科学美国人》，1992，267（1）：44-50·doi:10.1038/科学美国人0792-66 [39] Holland J H.《自然和人工系统的适应：生物学、控制和人工智能应用的介绍性分析》。美国密歇根州安阿伯：密歇根大学出版社，1975年·Zbl 0317.68006号 [40] EibenáE，Schippers C A.关于进化探索和开发。《信息学基础》，1998，35（1-4）：35-50·Zbl 0942.68548号 [41] Glover F.Tabu搜索–第二部分。ORSA计算机杂志，1990，2（1）：190–206·Zbl 0771.90084号 ·doi:10.1287/ijoc.2.1.4 [42] Nolte A，Schrader R.关于模拟退火有限时间行为的注记。运筹学数学，2000，25（3）：476–484·Zbl 1073.90579号 ·doi:10.1287/门25.3.476.12211 [43] Ingber L.模拟退火：实践与理论。数学与计算机建模，1993，18（11）：29-57·Zbl 0819.90080号 ·doi:10.1016/0895-7177（93）90204-C [44] Lehre P K，Yao X。关于变异选择平衡对进化算法运行时的影响。IEEE进化计算汇刊，2012，16（2）：225-241·Zbl 1369.68318号 ·doi:10.1109/TEVC.2011.2112665 [45] Oliveto P S，Lehre P K，Neumann F.基于秩的突变的理论分析——结合探索和开发。程序中。第十届IEEE进化计算大会，挪威特隆赫姆，2009年5月18日至21日，第1455-1462页。 [46] Muttil N，Liong S.在混乱的复杂演化中实现了卓越的勘探开发平衡。《水利工程杂志》，2004，130（12）：1202-1205·doi:10.1061/（ASCE）0733-9429（2004）130:12（1202） [47] Amor H B，Retinger A.遗传算法的智能探索：在进化计算中使用自组织映射。程序中。遗传与进化计算会议（GECCO2005），美国华盛顿特区，2005年6月25-27日，第1531-1538页。 [48] Nguyen Q H，Ong Y，Lim M H，Krasnogor N.自适应细胞模因算法。进化计算，2009，17（2）：231-256·doi:10.1162/evco.2009.17.2.231 [49] Ortiz-Boyer D、Hervás-Martínez C、García C a R.Cixl2:基于种群特征的进化算法的交叉算子。《人工智能研究杂志》，2005年，24:1-48·Zbl 1123.62053号 ·doi:10.1007/s10462-005-3854-y [50] Lee C，Yao X.使用基于Lévy概率分布的突变进行进化规划。IEEE进化计算汇刊，2004，8（1）：1-13·doi:10.1109/TEVC.2003.816583 [51] 姚X.遗传算法中遗传算子的实证研究。微处理和微编程，1993，38（1-5）：707-714·doi:10.1016/0165-6074（93）90215-7 [52] Feo T A，Resende M G.贪婪的随机自适应搜索程序。《全球优化杂志》，1995年，6（2）：109–133·Zbl 0822.90110号 ·doi:10.1007/BF01096763 [53] van Nimwegen E，Crutchfield J P.优化划时代进化搜索：人口规模依赖理论。机器学习，2001，45（1）：77–114·Zbl 1020.68030号 ·doi:10.1023/A:1010928206141 [54] Chen T，Tang K，Chen G，Yao X。较大的种群规模对进化算法可能没有帮助。理论计算机科学，2012，436，6月：54-70·Zbl 1242.68286号 [55] 何J，姚X。从个体到种群：基于种群的进化算法首次命中时间分析。IEEE进化计算汇刊，2002，6（5）：495–511·doi:10.1109/TEVC.2002.800886 [56] Ronald S、Asenstorfer J、Vincent M。进化算法中的代表性冗余。程序中。第二届IEEE进化计算国际会议（CEC1995），澳大利亚西澳大利亚州珀斯，1995年11月29日至12月1日，第631-637页。 [57] Goldberg D E，Richardson J T.多峰函数优化的共享遗传算法。程序中。第二届遗传算法及其应用国际会议，1987年7月28日至31日，美国马萨诸塞州坎布里奇，第41-49页。 [58] Deb K，Goldberg D E.遗传功能优化中的生态位和物种形成研究。程序中。第三届国际遗传算法大会（ICGA 1989），美国弗吉尼亚州费尔法克斯，1989年6月4日至7日，第42-50页。 [59] Goldberg D E，Deb K，Horn J.大规模多模态、欺骗和遗传算法。程序中。《自然2》第二期平行问题解决，比利时布鲁塞尔，1992年9月28日至30日，第37-48页。 [60] Zitzler E，Thiele L.多目标优化的进化算法：强度帕累托方法。TIK-报告43，计算机工程和网络实验室（TIK），电气工程系，德国苏黎世Eidgenössische Technische Hochschule（ETH），1998年。 [61] Zitzler E，Laumanns M，Thiele L.Spea 2：改进强度帕累托进化算法。TIK-Report 101，计算机工程和网络实验室（TIK），电气工程系，德国苏黎世Eidgen al-ossische Technische Hochschule（ETH），2001年。 [62] Weise T，Podlich A，Gorldt C.使用进化算法解决现实世界中的车辆路径问题。《调度、规划和包装问题的自然智能》（计算智能研究250），Chiong R，Dhakal S（编辑），柏林/海德堡：Springer-Verlag，2009年，第29-53页。 [63] Weise T、Podlich A、Reinhard K、Gorldt C、Geihs K。演进货运规划。《计算机科学讲义5484》，Giacobini M，Brabazon A，Cagnonj S等人（编辑），Springer-Verlag，2009年，第768-777页。 [64] Pétrowski A.作为遗传算法小生境方法的清理过程。程序中。IEEE进化计算国际会议（CEC1996），日本名古屋，1996年5月，第798–803页。 [65] Darwen P J，Yao X。每种生态位方法都有其生态位：健身分享和隐性分享相比较。程序中。第四届并行问题解决国际会议，1996年9月22日至24日，德国柏林，第398-407页。 [66] Weise T，Niemczyk S，Chiong R，Wan M.具有模型重组的多模型edas框架。程序中。EvoApplications 2011，第1部分，意大利都灵，2011年4月27日至29日，第304-313页。 [67] Lu Q，Yao X.连续优化的聚类和学习高斯分布。IEEE系统、人与控制论汇刊——C部分：应用与评论，2005，35（2）：195-204·doi:10.1109/TSMCC.2004.841914 [68] 曹A，陈毅，魏杰，李杰。一种基于edas和聚类分析的混合进化算法。程序中。第26届中国控制会议（CCC2007），中国湖南省张家界，2007年7月26日至31日，第754-758页。 [69] Pelikan M、Sastry K、Goldberg D E.多目标HBOA、集群和可扩展性。程序中。遗传与进化计算会议（GECCO2005），美国华盛顿特区，2005年6月25-27日，第663-670页。 [70] 鲁道夫·G·自我适应和全球收敛：一个反例。程序中。IEEE进化计算大会（CEC1999），美国华盛顿特区，1999年7月6日至9日，第646–651页。 [71] 鲁道夫G。自适应突变可能导致过早收敛。IEEE进化计算汇刊，2001，5（4）：410-414·doi:10.1109/4235.942534 [72] Lochtefeld D F，Ciarallo F W。车间调度问题的帮助目标优化策略。应用软计算，2011，11（6）：4161–4174·doi:10.1016/j.asoc.2011.03.007 [73] Knowles J D，Watson R A，Corne D W。通过多目标化减少单目标问题中的局部最优。程序中。第一届进化多准则优化国际会议（EMO2001），瑞士苏黎世，2001年3月7-9日，第269-283页。 [74] Jensen M T.Helper目标：使用多目标进化算法进行单目标优化。数学建模与算法杂志，2004，3（4）：323–347·Zbl 1073.68079号 ·doi:10.1023/B:JMMA.00000049378.57591.c6 [75] Jähne M，Li X，Branke J.旅行推销员问题的进化算法和多对象化。程序中。第11届遗传与进化计算年会，加拿大蒙特利尔，2009年7月8日至12日，第595-602页。 [76] Lochtefeld D F，Ciarallo F W。确定性辅助目标序列应用于车间调度问题。程序中。遗传与进化计算会议，俄勒冈州波特兰，美国，2010年7月7日至11日，第431-438页。 [77] Lochtefeld D F，Ciarallo F W。通过具有可调目标的帮助目标问题实现多目标化。IEEE进化计算汇刊，2011，16（3）：373–390·doi:10.1109/TEVC.2011.2136345 [78] Handl J，Lovell S C，Knowles J D.通过分解标量成本函数实现多目标化。程序中。2008年9月13日至17日，德国北莱茵-威斯特伐利亚州多特蒙德举行的第十届国际平行问题解决大会，第31-40页。 [79] Rechenberg I.进化策略：优化技术系统和生物进化原理[博士论文]。德国斯图加特柏林理工大学，1971年。 [80] Rechenberg I.1994年的进化战略。巴德·坎施塔特，斯图加特，巴登-符腾堡，德国：Frommann-Holzboog Verlag，1994年。 [81] Kolarov K.进化算法中的景观坚固性。程序中。IEEE进化计算国际会议，印第安纳波利斯，印第安纳州，美国，1997年4月13-16日，第19-24页。 [82] Whitley L D、Gordon V S、Mathias K E.Lamarckian进化论、鲍德温效应和函数优化。程序中。《自然》杂志第三届平行问题解决大会，1994年10月9日至14日，以色列耶路撒冷，第6-15页。 [83] Hinton G E，Nowlan S J.学习如何引导进化。复杂系统，1987，1（3）：495–502·Zbl 0651.92015号 [84] Holstein D，Moscato P.使用引导局部搜索的Memetic算法：案例研究。《优化的新理念》，Corne D W、Dorigo M、Glover F、Dasgupta D、Moscato P、Poli R、Price K V（eds.），英国梅登黑德：麦格劳-希尔有限公司，1999年，第235-244页。 [85] Moscato P，Cotta C.模因算法简介。《元启发式手册》，Glover F，Kochenberger G A（编辑），美国马萨诸塞州诺维尔：Kluwer学术出版社和Springer荷兰出版社，2003年，第105–144页·Zbl 1107.90459号 [86] Radcliffe N J，Surry P D.形式模因算法。《计算机科学865讲义》，Fogarty T C（编辑），Springer-Verlag，1994年，第1-16页。 [87] Mühlenbein H.遗传算法的真正工作原理——I.突变和山丘边缘化。《自然2的并行问题解决》（PPSN II），比利时布鲁塞尔，1992年9月28日至30日，第15-26页。 [88] Davis L（编辑）。遗传算法手册。美国康涅狄格州斯坦福德：汤姆森出版集团，1991年。 [89] Gruau F，Whitley L D。将学习添加到神经网络的细胞发展中：进化和鲍德温效应。进化计算，1993，1（3）：213-233·doi:10.1162/evco.1993.1.3.213 [90] Liang K，Yao X，Newton C S.近似n维景观的进化搜索。基于知识和智能工程系统国际期刊，2000，4（3）：172-183。 [91] 王毅，李斌，魏斯T。电力系统大规模经济负荷调度优化的分布估计和差分进化合作。信息科学——信息学和计算机科学——智能系统应用，2010，180（12）：2405–2420·doi:10.1016/j.ins.2010.02.015 [92] Weise T，Tang K.利用遗传规划进化分布式算法。IEEE进化计算汇刊，2011，16（2）：242-265·doi:10.1109/TEVC.2011.2112666 [93] Weise T.用遗传编程进化分布式算法[博士论文]。分布式系统集团，卡塞尔大学，2009年。 [94] Goldberg D E.遗传算法和沃尔什函数：第一部分，简单介绍。复杂系统，1989，3（2）：129-152·Zbl 0748.68050号 [95] Goldberg D E.遗传算法和沃尔什函数：第二部分，欺骗及其分析。复杂系统，1989，3（2）：153-171·Zbl 0748.68051号 [96] Liepins G E，Vose M D。欺骗和遗传算法动力学。程序中。第一届遗传算法基础研讨会（FOGA1990），美国印第安纳州布卢明顿，1990年7月15日至18日，第36-50页。 [97] Weise T、Niemczyk S、Skubch H、Reichle R、Geihs K。多目标、上位、崎岖和中性健身景观的可调模型。程序中。遗传与进化计算会议（GECCO2008），美国佐治亚州亚特兰大，2008年7月12-16日，第795-802页。 [98] Schnier T，Yao X.在进化算法中使用多重表示。程序中。IEEE进化计算大会，美国加利福尼亚州拉荷亚，2000年7月16-19日，第479-486页。 [99] Li X.无小生境参数的小生境：使用环形拓扑的粒子群优化。IEEE进化计算汇刊，2010，14（1）：150–169·doi:10.1109/TEVC.2010.2050024 [100] Hutter M.保持遗传多样性的健身统一选择。程序中。IEEE进化计算大会，美国夏威夷州火奴鲁鲁，2002年5月12-17日，第783-788页。 [101] Hutter M，Legg S.健身制服优化。IEEE传输。进化计算，2006，10（5）：568–589·doi:10.1109/TEVC.2005.863127 [102] Lehman J，Stanley K O。利用开放性通过寻求新颖性来解决问题。程序中。第十一届人工生命国际会议，英国汉普郡温彻斯特，2008年8月5-8日，第329-336页。 [103] Lehman J，Stanley K O。《放弃目标：仅通过寻找新奇事物的进化》。进化计算，2011，19（2）：189-223·doi:10.1162/EVCO_a_00025 [104] Lehman J，Stanley K O。通过新奇搜索和本地竞争进化出多样化的虚拟生物。程序中。2011年7月12日至16日在爱尔兰都柏林举行的遗传和进化计算会议，第211-218页。 [105] Wan M，Weise T，Tang K。新型循环结构和数学算法的进化。程序中。第十四届欧洲遗传规划会议（EuroGP2011），2011年4月27日至29日，意大利都灵，第49-60页。 [106] Weise T.使用遗传编程进化分布式算法。程序中。2009年6月12日至14日，中国上海，第一届ACM/SIGEVO基因和进化计算太阳报，第577-584页。 [107] Reidys C M，Stadler P F.健身领域的中立性。应用数学与计算杂志，2001，117（2-3）：321–350·兹比尔1113.92314 ·doi:10.1016/S0096-3003（99）00166-6 [108] 巴内特·L·耐用性和中立性——NKP健身景观家族。程序中。第六届人工生命国际会议，美国加利福尼亚州洛杉矶，1998年6月27日至29日，第18-27页。 [109] Hu T，Banzhaf W.根据生物学的最新发展，进化算法的进化性和速度。《艺术发展与应用杂志》，2010年1月，第1篇。 [110] Wagner A.健壮性、进化性和中立性。FEBS Letters，2005，579（8）：1772-1778·doi:10.1016/j.febslet.2005.01.063 [111] Kirschner M，Gerhart J.进化论。程序。美国国家科学院（PNAS），1998，95（15）：8420–8427·doi:10.1073/pnas.95.15.8420 [112] 拜尔·H·迈向进化策略理论：（{\（\mu\）}，{\（lambda）}）理论。进化计算，1994，2（4）：381-407·doi:10.1162/evco.1994.2.4.381 [113] Altenberg L.适应度距离相关分析：一个有益的反例。程序中。第七届遗传算法国际会议（ICGA1997），美国密歇根州东兰辛，1997年7月19-23日，第57-64页。 [114] Altenberg L.图式定理和普赖斯定理。程序中。第三届遗传算法基础研讨会，美国科罗拉多州埃斯特斯公园，1994年7月31日至8月2日，第23-49页。 [115] Yu G T。环境变化和中立性下的程序进化性。程序中。第九届欧洲人工生命进展会议（ECAL2007），葡萄牙里斯本，2007年9月10日至14日，第835-844页。 [116] Beaudoin W、Vérel S、Collard P、Escalzut C.欺骗和中立——ND健身景观家族。程序中。第八届遗传与进化计算年会，美国西雅图，2006年7月8日至12日，第507–514页。 [117] Kimura M.分子进化的中性理论。英国剑桥：剑桥大学出版社，1985年。 [118] Toussant M，Igel C.中性：自我适应的必要性。程序中。IEEE进化计算大会，美国檀香山，2002年5月12-17日，第1354-1359页。 [119] 古尔德·S·J，埃尔德雷奇·N。标点平衡已经成熟。《自然》，1993，366（6452）：223-227·数字对象标识代码：10.1038/366223a0 [120] van Nimwegen E，Crutchfield J P，Mitchell M。皇家道路遗传算法的统计动力学。理论计算机科学，1999,229（1-2）：41-102·Zbl 0938.68082号 ·doi:10.1016/S0304-3975（99）00119-X [121] Cohoon J P，Hegde S U，MartinWN，Richards D.标点平衡：一种并行遗传算法。程序中。第二届遗传算法及其应用国际会议，1987年7月28日至31日，美国剑桥，第148–154页。 [122] Martin W N，Lienig J，Cohoon J P.Island（迁移）模型：基于间断平衡的进化算法。《进化计算手册》，Bäck T，Fogel D B，Michalwicz Z（编辑），美国纽约：牛津大学出版社，有限公司，物理出版有限公司（IOP）和CRC出版社，1997年，第448-463页。 [123] Edelman G M，Gally J A.生物系统中的退化与复杂性。程序。美国国家科学院，2001，98（24）：13763–13768·doi:10.1073/pnas.231499798 [124] Whitacre J M，Rohlfshagen P，Bender A，Yao X。退化鲁棒性在动态环境中多智能体系统演化中的作用。程序中。2010年9月11日至15日，波兰克拉科夫，第11届国际自然并行问题解决大会，第1部分，第284-293页。 [125] Smith T、Husbands P、Layzell P、O'Shea M。健身景观和进化性。进化计算，2002，10（1）：1-34·doi:10.1162/106365602317301754 [126] PreußM，Schönemann L，Emmerich M T.多峰适应度景观中（{\（\mu\）}+，{\（lambda\）}-ea的反遗传漂移和破坏性重组。程序中。遗传与进化计算会议（GECCO2005），华盛顿特区，美国，2005年6月25-27日，第865-872页。 [127] Weicker K、Weicker N.冗余的负担和好处。程序中。第六届遗传算法基础研讨会，美国夏洛茨维尔，2001年7月21日至23日，第313–333页·Zbl 1001.68972号 [128] Shipman R、Shackleton M、Ebner M、Watson R A。人工进化的中性搜索空间：生命的教训。程序中。第七届国际人工生命会议，俄勒冈州波特兰，美国，2000年8月1-2日，第162-167页。 [129] Shackleton M，Shipman R，Ebner M。冗余基因型-表型映射及其在进化搜索中的作用的研究。程序中。IEEE进化计算大会，美国拉荷亚，2000年7月16-19日，第493-500页。 [130] 考夫曼S A.《秩序的起源：进化中的自我组织和选择》。美国纽约：牛津大学出版社，1993年。 [131] Vassilev V K，Miller J F.数字电路演进中横向中性的优势。程序中。第三届进化系统国际会议——从生物学到硬件，2000年4月17日至19日，英国苏格兰爱丁堡，第252-263页。 [132] Yu G T，Miller J F。中立不难在干草堆中找到针。程序中。第五届欧洲遗传规划会议，2002年4月3日至5日，爱尔兰金赛尔，第46-54页·Zbl 1077.68601号 [133] Goldberg D.E.让遗传算法飞起来：莱特兄弟的教训。《开发人员的先进技术》，1993年，2:1-8。 [134] Tschudin C F.Fraglets–通信协议的代谢执行模型。程序中。第二届自治智能网络和系统年度研讨会（AINS2003），美国加利福尼亚州门罗公园，2003年6月30日至7月1日。 [135] Weise T，Zapf M.用遗传编程进化分布式算法：选择。程序中。第一届ACM/SIGEVO遗传与进化计算峰会，中国上海，2009年6月12日至14日，第577–584页。 [136] Ronald S.遗传算法中的稳健编码：编码问题调查。程序中。IEEE进化计算国际会议（CEC1997），印第安纳波利斯，印第安纳州，美国，1997年4月13-16日，第43-48页。 [137] 菲利普斯·P·C。基因相互作用的语言。遗传学，1998，149（3）：1167–1171。 [138] Lush J L.后代测试和个体表现作为动物繁殖价值的指标。《乳品科学杂志》，1935，18（1）：1-19·doi:10.3168/jds。S0022-0302（35）93109-5 [139] Davidor Y.上位变异：GA硬度的一个观点。程序中。第一届遗传算法基础研讨会，美国印第安纳州布卢明顿，1990年7月15日至18日，第23-35页。 [140] Altenberg L.Nk健身景观。《进化计算手册》，Bäck T、Fogel D B、Michalewicz Z（eds.），美国纽约：牛津大学出版社、物理研究所出版有限公司（IOP）和CRC出版社，1997年，第B2.7.2章。 [141] Naudts B，Verschoren A.有限和无限空间上的扩张。程序中。第八届系统研究、信息学和控制论国际会议，德国巴登-巴登-符腾堡，1996年8月14日至18日，第19-23页。 [142] Tang K、Yao X、Suganthan P N、MacNish C、Chen Y、Chen C、Yang Z。2008年CEC特别会议和大型全局优化竞赛的基准函数。中国科技大学计算机科学与技术学院自然启发计算与应用实验室技术报告，2007年。 [143] Tang K，Li X，Suganthan P N，Yang Z，Weise T。2010年CEC特别会议和大型全局优化竞赛的基准函数。中国科技大学计算机科学与技术学院自然启发计算与应用实验室技术报告，2010年。 [144] Auger A、Hansen N、Mauny N、Ros R、Schoenauer M。生物灵感持续优化：时代的到来。程序中。IEEE进化计算大会（CEC2007），新加坡，2007年9月25-28日。 [145] Sutton A M，Lunacek M，Whitley L D。差异进化和不可分割性：使用选择性压力集中搜索。程序中。第九届遗传与进化计算会议，英国伦敦，2007年7月7日至11日，第1428-1435页。 [146] Bowers C P.用胚胎发生的计算模型模拟进化：从进化个体获得稳健性。程序中。第八届欧洲人工生命进展会议，英国肯特郡坎特伯雷，2005年9月5-9日，第149-158页。 [147] Weise T、Zapf M、Geihs K。基于规则的遗传编程。程序中。第二届网络、信息和计算系统生物灵感模型国际会议，匈牙利布达佩斯，2007年12月10日至13日，第8-15页。 [148] Shinkai M、Aguirre A H、Tanaka K。突变策略提高了气体在上位性问题上的性能。程序中。IEEE进化计算大会（CEC2002），美国夏威夷州火奴鲁鲁，2002年5月12-17日，第968-973页。 [149] 温特·P·C、希基·G·I、弗莱彻·H·L·遗传学即时笔记（第1版）。英国牛津：BIOS Scientific Publishers Ltd.，Taylor and Francis LLC，科学出版社，1998年。 [150] Munetomo M，Goldberg D E.通过重叠函数的非单调性检测进行连锁识别。进化计算，1999，7（4）：377-398·doi:10.1162/evco.1999.7.4.377 [151] Harik G R.使用遗传算法学习基因连锁以有效解决有界困难的问题[博士论文]。密歇根大学，1997年。 [152] Deb K、Sinha A、Kukkonen S.多目标测试问题、关联和进化方法。程序中。第八届遗传和进化计算年会，美国华盛顿州西雅图，2006年7月8日至12日，第1141-1148页。 [153] Goldberg D E，Deb K，Korb B.Messy遗传算法：动机、分析和第一个结果。复杂系统，1989，3（5）：493–530·Zbl 0727.68097号 [154] Cantü-Paz E、Pelikan M、Goldberg D E。连锁问题、分布估计和贝叶斯网络。进化计算，2000，8（3）：311-340·数字对象标识代码：10.1162/106365600750078808 [155] Angeline P J，Pollack J B.进化模块获取。程序中。第二届年度Conf.Evolutionary Programming，La Jolla，CA，USA，1993年2月25-26日，第154-163页。 [156] Chen W，Weise T，Yang Z，Tang K.利用变量交互学习的协同协同进化进行大规模全局优化。程序中。2010年9月11日至15日，波兰克拉科夫，第11届国际自然并行问题解决大会，第2部分，第300-309页。 [157] Potter M A，De Jong K A。合作协同进化：一种用于进化协同适应子组件的架构。进化计算，2000，8（1）：1–29·doi:10.1162/10636560056086 [158] Jin Y，Branke J.不确定环境中的进化优化——一项调查。IEEE进化计算汇刊，2005，9（3）：303–317·doi:10.1109/TEVC.2005.846356 [159] Yang S、Ong Y、Jin Y（编辑）。动态和不确定环境中的进化计算。柏林/海德堡：Springer-Verlag，2007年·Zbl 1139.68048号 [160] Miller B L、Goldberg D E。遗传算法、选择方案和噪声的不同影响。进化计算，1996，4（2）：113–131·doi:10.1162/evco.1996.4.2.113 [161] Lee J Y，Wong P C.功能噪声对GP效率的影响。《计算机科学956讲义》，Goos G，Hartmanis J，van Leeuwen（编辑），1993年，第1-16页。 [162] Fitzpatrick J M，Grefenstette J J。噪声环境中的遗传算法。机器学习，1998，3（2-3）：101-120。 [163] Sano Y，Kita H.通过使用估计测试搜索历史的遗传算法优化噪声适应度函数。程序中。IEEE进化计算大会，美国檀香山，2002年5月12-17日，第360–365页。 [164] Bäck T，Hammel U。应用于扰动目标函数的进化策略。程序中。第1届IEEE进化计算会议，美国奥兰多，1994年6月27日至29日，第40-45页。 [165] Hammel U，Bäck T.噪声函数的进化策略：如何改善收敛特性。程序中。第三届自然并行问题解决大会，以色列耶路撒冷，1994年10月9日至14日，第159-168页。 [166] 潘华，王磊，刘斌。噪声环境下函数优化的粒子群算法。应用数学与计算杂志，2006，181（2）：908–919·Zbl 1105.65069号 ·doi:10.1016/j.amc.2006.01.066 [167] Branke J.通过进化算法创建稳健的解决方案。程序中。1998年9月27日至30日，荷兰阿姆斯特丹举行的第五届国际平行问题解决大会，第119-128页。 [168] 田口G.质量工程导论：将质量设计到产品和过程中。日本东京千代田区：亚洲生产力组织（APO）和克劳斯国际出版公司，1986年。 [169] Greiner H.采用进化策略的稳健光学涂层设计。应用光学，1996，35（28）：5477–5483·doi:10.1364/AO.35.005477 [170] Wiesmann D，Hammel U，Bäck T.采用进化算法对多层光学涂层进行稳健设计。IEEE传输。进化计算，1998，2（4）：162-167·doi:10.1009/4235.738986 [171] Zitzler E，Deb K，Thiele L.多目标进化算法的比较：经验结果。进化计算，2000，8（2）：173–195·数字对象标识代码：10.1162/106365600568202 [172] Coello Coello C A.进化多目标优化。威利跨学科评论：数据挖掘和知识发现，2011，1（5）：444–447·Zbl 1232.68007号 ·doi:10.1002/widm.43 [173] Rudolph G.关于多目标进化算法及其对pareto集的收敛性。程序中。1998年IEEE进化计算国际会议，安克雷奇，美国阿拉斯加州，1998年5月4-9日，第511-515页。 [174] Khare V，Yao X，Deb K。多目标进化算法的性能缩放。程序中。第二届进化多准则优化国际会议，葡萄牙法罗，2003年4月8日至11日，第367–390页·Zbl 1036.90541号 [175] Coello Coello C A，Lamont G B，van Veldhuizen D A.解决多目标问题的进化算法。美国马萨诸塞州波士顿：Springer US和Kluwer Academic Publishers，2002年·Zbl 1130.90002号 [176] Khare V.多目标进化算法的性能缩放[硕士论文]。伯明翰大学计算机科学学院，2002年·Zbl 1036.90541号 [177] López Jaimes A，Santana-Quintro L V，Coello Coello C A。多目标进化算法中的排名方法。《优化的自然激励算法，计算智能研究193/2009》，Chiong R（编辑），柏林/海德堡：Springer-Verlag，2009年，第413-434页。 [178] Purshouse R C.关于多个目标的进化优化[博士论文]。佘山大学自动控制与系统工程系{\（\pm\）}eld，2003年。 [179] Farina M，Amato P.关于多准则优化问题的最优解定义。程序中。北美模糊信息处理协会年会，美国新奥尔良，2002年6月27-29日，第233-238页。 [180] Deb K，Pratab A，Agrawal S，Meyarivan T。一种快速的精英多目标遗传算法：Nsga-ii。IEEE进化计算汇刊，2002，6（2）：182-197·数字对象标识代码：10.1109/4235.996017 [181] Corne D W，Knowles J D，Oates M J。基于帕累托包络的多目标优化选择算法。程序中。2000年9月18日至20日在法国巴黎举行的第六届国际平行问题解决大会，第839–848页。 [182] 休斯·E·J·进化多目标优化：多次还是多次？程序中。IEEE进化计算大会（CEC2005），英国苏格兰爱丁堡，2005年9月2-5日，第222-227页。 [183] Kang Z，Kang L，Zou X，Liu M，Li C，Yang M，Liy Y，Chen Y，Zeng S.多目标优化问题的新进化决策理论。程序中。第二届国际计算与智能进展研讨会，中国湖北武汉，2007年9月21日至23日，第1-11页。 [184] Ishibuchi H，Nojima Y，Doi T.单目标和多目标遗传算法的比较：性能比较和性能度量。程序中。IEEE进化计算大会（CEC2006），加拿大不列颠哥伦比亚省温哥华，2006年7月16-21日，第3959-3966页。 [185] 池田K，Kita H，Kobayashi S。基于帕累托模型的失败：非支配真的意味着接近最优吗？程序中。IEEE进化计算大会，韩国首尔江南谷，2001年5月27日至30日，第957-962页。 [186] Deb K，Thiele L，Laumanns M，Zitzler E.可扩展多目标优化测试问题。程序中。IEEE进化计算大会（CEC2002），美国夏威夷火奴鲁鲁，2002年5月12-17日，第825–830页。 [187] Bouyssou D.建筑标准：MCDA的先决条件。在第三届国际暑期学校关于多准则决策辅助的选读：方法、应用和软件（MCDA1990）中，Monte Estoril，葡萄牙里斯本，1990年7月23-27日，第58-80页。 [188] 米勒·G·A。神奇的数字7，加或减2：对我们处理信息的能力有一些限制。《心理评论》，1956，63（2）：81–97·doi:10.1037/h0043158 [189] Ishibuchi H，Tsukamoto N，Nojima Y。进化多目标优化：简短回顾。程序中。IEEE进化计算大会（CEC2008），中国香港，2008年6月1-6日，第2424-2431页。 [190] Deb K.使用进化算法的多目标优化。美国纽约：John Wiley&；Sons有限公司，2001年·Zbl 0970.90091号 [191] López Jaimes A，Coello Coello C A。处理许多客观问题的一些技巧。程序中。2009年7月8日至12日，加拿大魁北克省蒙特利尔市，第十一届遗传和进化计算年会（GECCO2009），第2693–2696页。 [192] Praditwong K，Yao X.一种新的多目标进化优化算法：双存档算法。程序中。2006年国际计算智能与安全会议（CIS2006），中国广州，2006年11月3-6日，第286-291页。 [193] Praditwong K，Harman M，Yao X.软件模块聚类是一个多目标搜索问题。IEEE软件工程学报，2011，37（2）：264–282·doi:10.1109/TSE.2010.26 [194] Sato H、Aguirre A H、Tanaka K。溶液的控制优势区域及其对moeas性能的影响。程序中。第四届进化多准则优化国际会议（EMO2007），松岛，日本仙台，2007年3月5-8日，第5-20页。 [195] Drechsler N，Drechsle R，Becker B.基于关系偏好的多目标优化。程序中。第一届进化多准则优化国际会议（EMO2001），瑞士苏黎世，2001年3月7-9日，第154-166页。 [196] Köppen M，Yoshida K。用NSGA-II中的距离分配来处理多目标优化问题。程序中。第四届进化多准则优化国际会议（EMO2007），松岛，日本仙台，2007年3月5-8日，第727-741页。 [197] Corne D W，Knowles J D。高度多目标优化技术：一些非支配点优于其他点。程序中。第九届遗传与进化计算会议，英国伦敦，2007年7月7日至11日，第773-780页。 [198] Kukkonen S，Lampinen J A.排名优势和多目标优化。程序中。IEEE进化计算大会（CEC2007），新加坡，2007年9月25-28日，第3983–3990页。 [199] Wagner T、Beume N、Naujoks B.Pareto、聚合和基于指标的多目标优化方法。程序中。第四届进化多准则优化国际会议（EMO2007），松岛，日本仙台，2007年3月5-8日，第742-756页。 [200] Ishibuchi H，Tsukamoto N，Nojima Y。基于指标的多目标优化迭代方法。IEEE进化计算大会（CEC2007），新加坡，2007年9月25-28日，第3967-3974页。 [201] Bringmann K，Friedrich T。最大超体积集产生近最优近似。程序中。遗传与进化计算会议（GECCO2010），美国俄勒冈州波特兰，2010年7月7日至11日，第511-518页。 [202] Ishibuchi H，Doi T，Nojima Y。将尺度化适应度函数纳入进化多目标优化算法。程序中。第九届自然并行问题解决国际会议，冰岛雷克雅未克，2006年9月9日至13日，第493-502页。 [203] 休斯·E·J·MSOPS-II：通用多目标优化者。程序中。IEEE进化计算大会，新加坡，2007年9月25-28日，第3944-3951页。 [204] Fleming P J，Purshouse R C，Lygoe R J。多目标优化：工程设计视角。程序中。第三届进化多准则优化国际会议，墨西哥瓜纳华托，2005年3月9日至11日，第14-32页·兹比尔1109.68596 [205] Deb K，Sundar J.使用进化算法的基于参考点的多目标优化。程序中。第八届遗传与进化计算年会，美国华盛顿州西雅图，2006年7月8日至12日，第635-642页。 [206] Brockhoff D，Zitzler E。所有目标都是必要的吗？进化多目标优化中的降维问题。程序中。第九届自然并行问题解决国际会议，冰岛雷克雅未克，2006年9月9日至13日，第533–542页。 [207] Saxena D K，Deb K。多目标优化问题中目标和约束的降维：系统设计观点。程序中。IEEE进化计算大会（CEC2008），中国香港，2008年6月1-6日，第3204-3211页。 [208] Brockhoff D，Zitzler E.使用目标约简方法改进基于超体积的多目标进化算法。程序中。IEEE进化计算大会（CEC2007），新加坡，2007年9月25-28日，第2086-2093页。 [209] Furuhashi T，Yoshikawa T。溶液挖掘的可视化技术。程序中。第八届先进智能系统国际研讨会（ISIS2007），韩国Sokcho，2007年9月5-8日，第68-71页。 [210] Köppen M，Yoshida K。进化多目标优化中pareto集的可视化。程序中。第七届混合智能系统国际会议，德国凯泽斯劳滕，2007年9月17-19日，第156-161页。 [211] Bellman R E.动态编程。美国新泽西州普林斯顿：普林斯顿大学出版社，1957年。 [212] Bellman R E.自适应控制过程：导览。美国新泽西州普林斯顿：普林斯顿大学出版社，1961年·Zbl 0103.12901号 [213] Sabharwal A.组合问题i：寻找解决方案。2008年3月3日至14日，中国北京，第二届亚太统计物理与跨学科应用学院。 [214] Amdahl G M.实现大规模计算能力的单处理器方法的有效性。程序中。春季联合计算机会议（AFIPS），美国新泽西州大西洋城，1967年4月18日至20日，第483–485页。 [215] Liu P，Lau F C M，Lewis M J，Wang C.一种新的用于函数优化的异步并行进化算法。程序中。《自然》杂志第七届平行问题解决国际会议，2002年9月7日至11日，西班牙格拉纳达，第401-410页。 [216] Cantü-Paz E.并行遗传算法综述。计算器帕拉莱斯，Réseaux et Systèmes Répartis，1998，10（2）：141-171。 [217] Alba Torres E，Troya J M.并行分布式遗传算法综述。复杂性，1999，4（4）：31–52。 [218] Alba Torres E，Tomassini M.并行性和进化算法。IEEE进化计算汇刊，2002，6（5）：443-462·doi:10.1109/TEVC.2002.800880 [219] Weise T，Geihs K.DGPF–适用于传感器网络遗传编程的分布式多目标搜索算法的适应性框架。程序中。第二届生物启发优化方法及其应用国际会议（BIOMA2006），斯洛文尼亚卢布尔雅那，2006年10月9日至10日，第157-166页。 [220] Hauser R，Männer R.标准遗传算法在mimd机器上的实现。程序中。第三届平行问题解决大会，1994年10月9日至14日，以色列耶路撒冷，Natur，pp.504–513。 [221] Langdon W B，Banzhaf W.用于GPU图形卡上遗传编程的SIMD解释器。程序中。2008年3月26日至28日在意大利那不勒斯举行的第11届欧洲基因规划会议，第73页至第85页。 [222] Zhu W.在图形硬件上使用大规模并行进化策略的非线性优化模式搜索算法。应用软计算，2011，11（2）：1770-1781·doi:10.1016/j.asoc.2010.05.020 [223] Dubreuil M，GagnéC，Parizeau M。分布式进化计算主从体系结构分析。IEEE系统、人与控制论汇刊——B部分：控制论，2006，36（1）：229-235·Zbl 1038.68699号 ·doi:10.1109/TSMCB.2005.856724 [224] Tongchim S，Yao X.并行进化编程。程序中。IEEE进化计算大会，美国俄勒冈州波特兰，2004年6月20日至23日，第1362-1367页。 [225] O'Neill M，Ryan C.《语法进化：任意语言中的进化自动编程》。美国纽约：Springer Science+Business Media，Inc.，2003年。 [226] Devert A.构建过程优化：走向基于人工个体发生的方法[博士论文]。Saclay研究中心–法国，巴黎大学国家信息与自动化研究所，巴黎大学，2009年。 [227] 丈夫P、Mill F.模拟共同进化作为应急计划和调度的机制。程序中。第四届遗传算法国际会议（ICGA 1991），1991年7月13日至16日，美国加利福尼亚州圣地亚哥，第264–270页。 [228] 杨忠，汤坤，姚霞。基于协同进化的大规模进化优化。信息科学-信息学和计算机科学智能系统应用，2008，178（15）·Zbl 1283.65064号 [229] LaTorre A、PeñA J M、Muelas S、Zaforas M。大规模连续问题的混合进化算法。程序中。第十一届遗传和进化计算年会（GECCO2009），加拿大魁北克省蒙特勒，2009年7月8日至12日，第1863–1864页。 [230] Peng F，Tang K，Chen G，Yao X.基于种群的数值优化算法组合。IEEE进化计算汇刊，2010，14（5）：782-800·doi:10.1109/TEVC.2010.2040183 [231] Wolpert D H，Macready W G。最优化没有免费午餐定理。IEEE进化计算汇刊，1997，1（1）：67-82·doi:10.1109/4235.585893 [232] Auger A、Teytaud O。连续午餐免费，并设计优化算法。《算法》，2010，57（1）：121–146·Zbl 1206.90133号 ·doi:10.1007/s00453-008-9244-5 [233] Radcliffe N J.遗传算法代数。数学与艺术智能年鉴，1994，10（4）：339–384·Zbl 0855.68034号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。