×
朱塞佩·夸兰塔；沃尔特·拉卡波纳拉；萨米·F·马斯里。

非线性动力系统辨识的计算智能综述。 （英语） Zbl 1459.93037号

非线性动力学。 991709-1761（2020）第2期.
概要：这项工作的目的是提供一个属于人工智能领域的计算技术的广泛概述，该领域专门用于非线性动力系统的识别。同时考虑了参数和非参数辨识问题。所研究的用于参数识别的计算智能技术涉及遗传算法、粒子群优化和差分进化。特别关注一类丰富的非线性动力学模型的参数估计，包括Bouc-Wen模型、混沌系统、Jiles-Atherton模型、LuGre模型、Prandtl-Islinskii模型、Preisach模型和Wiener-Hammerstein模型。另一方面，讨论了遗传规划和人工神经网络在非参数辨识中的应用。一旦确定了识别问题，就提供了所考虑的计算智能技术的详细说明，并对结构力学和工程领域的相关应用进行了全面检查。还提出了未来研究的可能方向。

引用于4文件

MSC公司：

93B30型 系统标识
93-02 与系统和控制理论相关的研究展览（专著、调查文章）
68瓦50 进化算法、遗传算法（计算方面）

关键词：

人工神经网络；计算智能；差异演化；遗传算法；遗传程序设计；非线性系统辨识；粒子群优化

软件：

PRMLT公司；基础知识；PushGP（推送GP）；玉
PDF格式BibTeX公司 XML格式引用
\textit{G.Quaranta}等人，《非线性动力学》。99，第2期，1709---1761（2020；Zbl 1459.93037）
全文： 内政部

参考文献：

[1] Abdelmadjid，N。；Elamine，N。；Mouloud，F.，基于神经网络-DFT的磁致伸缩滞后模型，国际期刊应用。电子袋。机械。，42, 3, 343-348 (2013)
[2] 阿克利，Dh；Ge Hinton；Sejnowski，Tj，波尔兹曼机器的学习算法，Cognit。科学。，9, 1, 147-169 (1985)
[3] 洛杉矶阿奎尔：非线性系统辨识鸟瞰图。arXiv预印本。arXiv:1907.06803（2019）
[4] Aihara，K。；Takabe，T。；丰田章男，混沌神经网络，物理学。莱特。A、 144、6-7、333-340（1990）
[5] 阿贾瓦科姆，N。；Ng，C.等人。；Ma，F.，非线性降解结构的性能：识别、验证和预测，计算。结构。，86,7-8652-662（2008年）
[6] 路Al-Dabbagh；Neri，F。；Idris，N。；Baba，Ms，自适应差分进化方案中的算法设计问题：回顾和分类，Swarm Evolut。计算。，43, 284-311 (2018)
[7] Al-Duwaish，Hn，识别具有静态非线性的线性动力系统的遗传方法，国际期刊系统。科学。，31, 3, 307-313 (2000) ·Zbl 1080.93628号
[8] 阿尔梅达，拉尔；深度，Gs；利马，A。；Neff，H.，使用遗传算法建模磁致伸缩换能器，J.Magn。Magn.公司。材料。，226, 1262-1264 (2001)
[9] Antman，S.，《非线性弹性问题》（2005），纽约：Springer出版社，纽约·邮编1098.74001
[10] Arena，A。；Lacarbonara，W.，通过完全非线性连续体公式的拱桥颤振，ASCE J.Aerosp。工程，24，112-123（2011）
[11] Arena，A。；Lacarbonara，W.，气动弹性力作用下悬索桥的非线性参数建模：扭转发散和颤振，非线性动力学。，70, 2487-2510 (2012)
[12] 阿鲁特，F。；Arya，K。；巴布什，R。；培根，D。；巴丁，Jc；巴伦兹，R。；比斯瓦斯，R。；Boixo，S。；Brandao，Fg；Buell，Da，《使用可编程超导处理器的量子优势》，《自然》，5747979505-510（2019）
[13] 阿文，H。；Lacarbonara，W。；Bakhtiari-Nejad，F.，《旋转叶片整体动力学的几何精确方法》。第二部分：扑翼中的非线性简正模式，非线性动力学。，70, 2279-2301 (2012)
[14] Ashlock，W.：在遗传编程中使用非常小的种群规模。2006年IEEE进化计算国际会议，第319-326页。IEEE（2006）
[15] 阿塔拜，E。；Ozkol，I.，使用电流相关Bouc-Wen模型建模的磁流变阻尼器在有/无自由间隙的扭转前起落架中的摆振抑制应用，J.Vib。控制，20，11，1622-1644（2014）
[16] Bai，Xx；陈，P。；Qian，Lj，磁流变阻尼器修正滞回模型的原理和验证，Smart Mater。结构。，24, 8, 085014 (2015)
[17] 贝克，J.E.：减少选择算法中的偏见和效率低下。摘自：《第二届遗传算法国际会议论文集》，第14-21页（1987）
[18] 班纳吉，A。；Abu-Mahfouz，I.，《非线性动力学系统参数估计的粒子群优化和差分进化算法的比较分析》，《混沌孤子分形》，58，65-83（2014）·Zbl 1348.93081号
[19] Banks，A。；文森特·J。；Anyakoha，C.，粒子群优化综述。第一部分：背景与发展，Nat.Comput。，6, 4, 467-484 (2007) ·邮编1125.90065
[20] Barbieri，N。；Barbieri，R。；Da Silva，Ra；马纳拉，Mj；Barbieri，Lsv，线材隔离器和Stockbridge阻尼器的非线性动力学分析，非线性动力学。，86, 1, 501-512 (2016)
[21] Bartkowski，P。；扎勒夫斯基，R。；Chodkiewicz，P.，基于遗传算法的真空填充粒子Bouc-Wen模型参数识别，Arch。土木机械。工程，19，2，322-333（2019）
[22] Bebis，G。；乔治奥普洛斯，M。；Kasparis，T.，将权重消除与遗传算法耦合以减小网络规模并保持泛化，神经计算，17，3-4，167-194（1997）
[23] O.贝加姆布雷。；Laier，Je，用于结构损伤识别的混合粒子群优化-复杂算法（PSOS），高级工程软件。，40, 9, 883-891 (2009) ·兹比尔1168.74041
[24] Y.本吉奥。；Simard，P。；Frasconi，P.，学习梯度下降的长期依赖性是困难的，IEEE Trans。神经网络。，5, 2, 157-166 (1994)
[25] Bertsimas博士。；Tsitsiklis，J.，模拟退火，统计科学。，8, 1, 10-15 (1993)
[26] James C.Bezdek，《计算智能定义-由每个人定义》！，计算智能：软计算和模糊神经与应用的集成，10-37（1998），柏林，海德堡：施普林格-柏林-海德堡
[27] Bigoni，D.，非线性固体力学。分岔理论与材料不稳定性（2012），剑桥：剑桥大学出版社，剑桥·Zbl 1269.74003号
[28] Bishop，Cm，《神经网络及其应用》，科学评论。仪器。，65, 6, 1803-1832 (1994)
[29] Bishop，Cm，噪声训练相当于Tikhonov正则化，神经计算。，7, 1, 108-116 (1995)
[30] Bishop，Cm，模式识别和机器学习（2006），纽约：Springer，纽约·Zbl 1107.68072号
[31] Blickle，Tobias，《遗传编程中的进化紧凑解决方案：案例研究》，《自然中的并行问题解决——PPSN IV》，564-573（1996），柏林，海德堡：施普林格-柏林-海德堡，柏林
[32] 博洛奇，A。；Masri，Sf；Aldraihem，Oj，识别复杂非线性系统的计算智能方法的开发和应用，非线性动力学。，79, 2, 765-786 (2015)
[33] 博洛奇，A。；Masri，Sf；Aldraihem，Oj，计算智能和进化方法研究，用于滞后系统的无模型识别，计算。辅助民用基础设施。工程师，30，5，330-346（2015）
[34] 博尼亚迪，M。；Michalewicz，Z.，《单目标连续空间问题的粒子群优化：综述》，Evol。计算。，25, 1, 1-54 (2017)
[35] Bonyadi先生；Michalewicz，Z.，粒子群优化算法变体的稳定性、局部收敛性和变换敏感性分析，IEEE Trans。进化。计算。，20, 3, 370-385 (2016)
[36] Bosworth，J.，Foo，N.Y.，Zeigler，B.P.：遗传算法与共轭梯度法的比较。美国国家航空航天局（NASA CR-2093）（1972年）
[37] Boubaker，S.，使用混合整数编码粒子群优化识别非线性Hammerstein系统：在电力日峰值负荷预测中的应用，非线性动态。，90, 2, 797-814 (2017)
[38] Brameier，Mf；Banzhaf，W.，线性遗传规划（2007），纽约：Springer，纽约·Zbl 1125.68035号
[39] Bratton，D.，Kennedy，J.：定义粒子群优化的标准。2007年IEEE Swarm Intelligence研讨会，第120-127页。IEEE（2007）
[40] 布雷威克，Pt；Masri，Sf，复杂非线性动态系统数据驱动识别策略的评估，非线性动力学。，85, 2, 1297-1318 (2016)
[41] 布雷威克，Pt；Masri，Sf；卡博尼，B。；Lacarbonara，W.，NiTiNOL和钢绞线滞后的基于数据的非线性识别和本构建模，J.Eng.Mech。，142, 12, 04016107 (2016)
[42] 萨·伯顿（Sa Burton）；马克里斯，N。；康斯坦托普洛斯，I。；Antsaklis，P.，《ER阻尼器响应建模：现象学和仿真》，J.Eng.Mech。，第122页，第9页，第897-906页（1996年）
[43] Caraffini，F。；Neri，F.，《差分进化中旋转不变性的研究》，Swarm Evolut。计算。，50, 100436 (2018)
[44] 卡博尼，B。；Lacarbonara，W.，《具有收缩滞后的非线性减振器：理论和实验》，J.Eng.Mech。，142, 5, 04016023 (2016)
[45] 卡博尼，B。；Lacarbonara，W。；Auricchio，F.，《镍钛合金和钢绞线多配置组件的滞后：实验和现象学鉴定》，J.Eng.Mech。，141, 3, 04014135 (2014)
[46] Carboni，B.，Mancini，C.，Lacarbonara，W.：钢丝绳滞后识别的滞后梁模型。In:结构非线性动力学与诊断。《施普林格物理学论文集》，第168卷，第261-282页。斯普林格（2015）
[47] 卡博尼，B。；Lacarbonara，W。；布雷威克，Pt；Masri，Sf，一类非线性滞后系统的动态响应识别，J.Intell。马特。系统。结构。，29, 13, 2795-2810 (2018)
[48] Carro-Pérez，I。；Sánchez-López，C。；González-Hernández，H.，记忆神经网络的实验验证，非线性动力学。，93, 4, 1823-1840 (2018)
[49] 查伯，P。；Ławryñczuk，M.，回归神经模型的修剪：最佳脑损伤方法，非线性动力学。，92, 2, 763-780 (2018)
[50] Chang，抄送：；Roschke，P.，磁流变阻尼器的神经网络建模，J.Intell。马特。系统。结构。，9, 9, 755-764 (1998)
[51] Chang，抄送：；周，L.，磁流变阻尼器逆动力学的神经网络仿真，J.Struct。工程，128，2，231-239（2002）
[52] Chang，Wd，用进化算法识别Rossler混沌系统的参数，混沌孤子分形，29，5，1047-1053（2006）
[53] 查拉兰帕基斯，A。；Dimou，C.，使用粒子群优化识别Bouc-Wen滞后系统，计算。结构。，88, 21-22, 1197-1205 (2010)
[54] 查拉兰帕基斯，A。；Dimou，C.，Bouc-Wen滞回系统识别进化算法的比较，J.Compute。土木工程，29,304014053（2013）
[55] 查拉兰帕基斯，A。；Koumousis，V.，通过混合进化算法识别Bouc-Wen滞后系统，J.Sound Vib。，314，3-5571-585（2008年）
[56] Chassiakos，A。；Masri，S.，《利用神经网络建模未知结构系统》，Earthq。工程结构。动态。，25, 2, 117-128 (1996)
[57] 恰西亚科斯，Ag；Masri，Sf，通过神经网络识别结构系统，数学。计算。模拟。，40, 5-6, 637-656 (1996)
[58] R.Chelouah。；Siarry，P.，为多模态函数的全局优化设计的连续遗传算法，《启发式》，6，2，191-213（2000）·Zbl 0969.68641号
[59] 陈，Cm；Hsu，Yc；Fung，Rf，由压电致动器驱动的带有偏置的Scott-Ressel放大机构的系统识别，应用。数学。型号。，36, 6, 2788-2802 (2012) ·Zbl 1246.93032号
[60] 陈，F。；丁，Z。；卢，Z。；Zeng，X.，基于改进Jaya算法的混沌系统参数辨识，非线性动力学。，94, 4, 2307-2326 (2018)
[61] Chisari，C。；Amadio，C.，《TOSCA：结构和土木工程分析中的优化工具》，国际高级结构杂志。工程，10，4，401-419（2018）
[62] Chisari，C。；Francavilla，Ab；拉图尔，M。；Piluso，V。；里扎诺，G。；Amadio，C.，钢构件循环模型参数校准中的关键问题，工程结构。，132, 123-138 (2017)
[63] Chisari，C。；里扎诺，G。；阿马迪奥，C。；Galdi，V.，地震分析现象学模型的敏感性分析和校准，土壤动力学。接地。工程，109，10-22（2018）
[64] 崔，Tj；Ahn，Cw；An，J.，用于全局数值优化的自适应Cauchy差分进化算法，科学。《世界期刊》，2013，969734（2013）
[65] Z.Chungui。；Z.西农。；Shilin，X。；唐，Z。；长春，Z.，通过神经网络对钢丝绳隔振系统进行混合建模，数学。计算。模拟。，79, 10, 3160-3173 (2009) ·Zbl 1168.74028号
[66] Chwastek，K。；Szczyglowski，J.，用遗传算法识别滞后模型参数，数学。计算。模拟。，71, 3, 206-211 (2006) ·Zbl 1097.82032号
[67] Clerc，M.：群和皇后：走向确定性和自适应粒子群优化。参见：《1999年进化计算大会会议记录-CEC99》（分类号99TH8406），第3卷，第1951-1957页。IEEE（1999）
[68] 科埃略，L；格拉，法新社；Leite，Jv，用于滞后参数估计的多目标指数粒子群优化方法，IEEE Trans。马格纳。，48, 2, 283-286 (2012)
[69] Coley，Da，《科学家和工程师遗传算法导论》（1999），新加坡：新加坡世界科学出版公司
[70] 康索洛，G。；菲诺基奥，G。；Carpentieri，M。；Azzerboni，B.，使用遗传算法消除Preisach模型识别中的数值不稳定性，Physica B，372，1-2，91-96（2006）
[71] Crawford-Marks，R.，Spector，L.：通过PushGP遗传编程系统中的大小公平遗传算子进行大小控制。摘自：《第四届遗传与进化计算年会论文集》，第733-739页。摩根考夫曼出版公司（2002）
[72] Cybenko，G.，通过sigmoid函数的叠加进行逼近，数学。控制信号系统。，2, 4, 303-314 (1989) ·Zbl 0679.94019号
[73] 达斯，S。；Suganthan，Pn，《差异进化：最先进技术的调查》，IEEE Trans。进化。计算。，15, 1, 4-31 (2011)
[74] 达斯，S。；Mullick，Ss；Suganthan，Pn，差异进化的最新进展——最新调查，Swarm Evolut。计算。，27, 1-30 (2016)
[75] 德保拉，Ncg；Marques，Fd，利用时滞神经网络识别多变量Volterra核：应用于非定常气动载荷，非线性动力学。，97767-780（2019）·Zbl 1430.41021号
[76] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。进化。计算。，6, 2, 182-197 (2002)
[77] Deep，K。；Thakur，M.，实数编码遗传算法的新交叉算子，应用。数学。计算。，188, 1, 895-911 (2007) ·Zbl 1137.90726号
[78] 德尔塞尔，J。；E.大阪。；莫利纳，D。；杨，Xs；Salcedo-Sanz，S。；卡马乔，D。；达斯，S。；Suganthan，Pn；科埃罗（Cac Coello）；Herrera，F.，《生物灵感计算：我们的立场和下一步是什么》，Swarm Evolut。计算。，48220-250（2019）
[79] Derkevorkian，A。；Masri，Sf；Y.藤野。；Siringoringo，Dm，强震激励下分散结构非线性计算模型的开发和验证，Earthq。工程结构。动态。，43, 7, 1089-1105 (2014)
[80] Derkevorkian，A。；Hernandez-Garcia，M。；Yun，Hb；Masri，Sf；Li，P.，响应预测和变化检测的非线性数据驱动计算模型，结构。控制健康监测。，22, 2, 273-288 (2015)
[81] Dewhirst，O.，Simpson，D.，Angarita，N.，Allen，R.：使用差异进化的Wiener-Hammerstein参数估计：肢体反射动力学的应用。摘自：生物激励系统和信号处理国际会议，第271-276页（2010年）
[82] Do，T。；Tjahjowiddo，T。；Lau，Mws；Phee，Sj，肌腱鞘驱动手术系统摩擦模型的一种新方法：非线性建模和参数识别，机械。机器。理论，85，14-24（2015）
[83] Dos Santos，Cl，带混沌突变算子的量子粒子群优化器，混沌孤子分形，37，5，1409-1418（2008）
[84] 多斯桑托斯，Cl；Herrera，Bm，基于混沌粒子群优化方法的模糊识别，应用于非线性yo-Y运动系统，IEEE Trans。Ind.Electron公司。，54, 6, 3234-3245 (2007)
[85] 多斯桑托斯，Cl；Pessóa，Mw，使用B样条神经网络和混沌免疫方法进行非线性识别，Mech。系统。信号处理。，23, 8, 2418-2434 (2009)
[86] 多斯桑托斯，Cl；Pessóa，Mw，使用遗传编程方法对实验球管系统进行非线性模型识别，Mech。系统。信号处理。，1434-1446年5月23日（2009年）
[87] 多斯桑托斯，Cl；Mariani，Vc；Leite，Jv，用改进的微分进化方法估计Jiles-Atherton矢量滞后参数的解，专家系统。申请。，39, 2, 2021-2025 (2012)
[88] Doglioni，A。；Mancarella，D。；西蒙，V。；Giustolisi，O.，《从水文时间序列数据推断地下水系统动力学》，Hydrol。科学。科学杂志。水文。，55, 4, 593-608 (2010)
[89] Dokeroglu，T。；塞文克，E。；Kucukyilmaz，T。；Cosar，A.，新一代元启发式算法调查，计算。工业工程，137106040（2019）
[90] 多里戈，M。；Gambardella，Lm，《蚁群系统：旅行推销员问题的合作学习方法》，IEEE Trans。进化。计算。，1, 1, 53-66 (1997)
[91] Dotoli，M.，Maione，G.，Naso，D.，Turchiano，B.：具有静态非线性的动力系统的遗传识别。收件人：SMCa/01。2001年IEEE工业应用软件计算山区研讨会论文集（目录号01EX504），第65-70页。IEEE（2001）
[92] 道尔，呃；Epurenu，Bi，导论，非线性动力学。，39, 1, 1-1 (2005)
[93] 杜，W。；苗，Q。；Tong，L。；Tang，Y.，初值和结构未知的分数阶系统的识别，Phys。莱特。A、 381、23、1943-1949（2017）·Zbl 1374.93095号
[94] 杜，W。；Tong，L。；Tang，Y.，稳定分布噪声下基于元启发式优化的分数阶系统辨识，Phys。莱特。A、 382、34、2313-2320（2018）·Zbl 1404.90111号
[95] Eberhart，R.C.，Shi，Y.：比较粒子群优化中的惯性权重和收缩因子。摘自：2000年进化计算大会会议记录。CEC00（目录号00TH8512），第1卷，第84-88页。IEEE（2000）
[96] 艾卡特，A。；Nemeth，Sz，基于pareto非支配准则的选择，用于控制遗传编程中的代码增长，Genet。程序。进化。机器。，2, 1, 61-73 (2001) ·Zbl 1035.68593号
[97] Elman，Jl，《发现时间中的结构》，Cognit。科学。，14, 2, 179-211 (1990)
[98] Engelbrecht，Ap，《计算智能：导论》（2007），纽约：威利出版社，纽约
[99] Erdbrink，Cd；Krzhizhanovskaya，Vv，自激振动系统识别的微分进化，J.Compute。科学。，10, 360-369 (2015)
[100] Eshelman，L.J.、Schaffer，J.D.：实数编码遗传算法和区间模式。参见：《遗传算法基础》，第2卷，第187-202页。爱思唯尔（1993）
[101] Fiore，A。；Mollaioli，F。；Quaranta，G。；Marano，Gc，通过强度措施的非线性组合预测钢筋混凝土建筑的地震响应，Bull。接地。工程师，16、12、6047-6076（2018）
[102] Foliente，Gc，《木材接缝和结构系统的磁滞建模》，结构学杂志。工程，121，6，1013-1022（1995）
[103] Formica，G.，Milicchio，F.：无约束数值优化的基于Kinship的差分进化算法。非线性动力学。（2019）。10.1007/s11071-019-05358-y·Zbl 1231.74469号
[104] 福米卡，G。；塔洛，M。；Lanzara，G。；Lacarbonara，W.，碳纳米管纳米复合材料本构响应的参数识别，J.Appl。机械。，86, 4, 041007 (2019)
[105] Fu，J。；廖，G。；Yu，M。；李，P。；Lai，J.，NARX神经网络建模和磁流变弹性体隔离器的鲁棒性分析，Smart Mater。结构。，25, 12, 125019 (2016)
[106] 富尔吉尼，Fr；Salvini，A.，识别Jiles-Atherton模型参数的软计算，IEEE Trans。马格纳。，41, 3, 1100-1108 (2005)
[107] Fulginei，F.R.，Salvini，A.：椋鸟群优化：拓扑规则对群体智能集体行为的影响。《电气设备创新设计的计算方法》，第129-145页。施普林格（2010）
[108] 富尔吉尼，Fr；Salvini，A.，在畸变激励下模拟滞后磁性材料的神经网络方法，IEEE Trans。马格纳。，48, 2, 307-310 (2012)
[109] Fung，Rf；Lin，Wc，新型六自由度精密定位工作台的系统识别，Sens.Actuator。A、 150,2286-295（2009）
[110] Fung，Rf；Hsu，Yl；黄女士，双级XY精密定位台的系统识别，Precis。工程师，33，1，71-80（2009）
[111] 甘杰法尔，S。；Tofighi，M.，使用模因算法优化量子激励神经网络用于函数逼近和混沌时间序列预测，神经计算，291，175-186（2018）
[112] 高，F。；Lee，Jj；李，Z。；Tong，H。；Lü，X.，用粒子群优化方法估计初始随机噪声混沌系统的参数，混沌孤子分形，42，2，1286-1291（2009）·Zbl 1198.93016号
[113] 高，F。；Xj，L。；Fx，F。；Hq、T。；Yb，Q。；Yf，D。；巴拉辛厄姆，I。；Hl，Z.，Van der Pol-Duffing振子的参数识别，采用微分进化算子的新型人工蜂群算法，Appl。数学。计算。，222, 132-144 (2013) ·Zbl 1329.34076号
[114] 高，F。；费，Fx；Lee，Xj；唐，Hq；邓，Yf；Zhao，Hl，通过微分进化识别非公度和超分数混沌的函数极值模型反演机制，专家系统。申请。，41, 4, 1915-1927 (2014)
[115] 高，F。；Xj，L。；Fx，F。；Hq、T。；Yf，D。；Hl，Z.，通过微分进化用函数极值模型识别时滞分数阶混沌，专家系统。申请。，41, 4, 1601-1608 (2014)
[116] 吉罗西，F。；琼斯，M。；Poggio，T.，正则化理论和神经网络架构，神经计算。，71219-269（1995年）
[117] Giustolisi，O。；Savic，D.，《使用EPR-MOGA进行数据驱动分析和建模的进展》，J.Hydroinform。，11, 3-4, 225-236 (2009)
[118] Giustolisi，O。；Savic，Da，基于进化多项式回归的符号数据驱动技术，J.Hydroinform。，8, 3, 207-222 (2006)
[119] Goldberg，De，Real-coded遗传算法，虚拟字母和分块，复杂系统。，5, 2, 139-167 (1991) ·Zbl 0764.68143号
[120] 古德费罗，I。；Y.本吉奥。；Courville，A.，《深度学习》（2016），剑桥：麻省理工学院出版社，剑桥·Zbl 1373.68009号
[121] 格雷，Gj；李毅。；Murray-Smith，D。；Sharman，K.，使用遗传编程和面向框图的模拟工具进行结构系统识别，Electron。莱特。，1422-1424（1996年）
[122] 格雷，Gj；Murray-Smith，Dj；李毅。；沙尔曼，Kc；Weinbrenner，T.，使用遗传规划进行非线性模型结构识别，控制工程实践。，6, 11, 1341-1352 (1998)
[123] 顾，Gy；Li，Cx；Zhu，Lm；Su，Cy，线性动力学下压电驱动级级联滞后非线性的建模和识别，IEEE/ASME Trans。机电一体化。，1792-1797年3月21日（2016年）
[124] 顾伟（Gu，W.）。；Yu，Y。；胡伟，结合微分进化的混合人工蜂群算法对未知分数阶记忆电阻混沌系统的参数估计，非线性动力学。，84, 2, 779-795 (2016)
[125] 格拉，法新社；Coelho，Ls，使用带聚类学习和粒子群优化的径向基神经网络对Lorenz混沌系统进行多步超前非线性识别，混沌孤子分形，35，5，967-979（2008）·Zbl 1141.37018号
[126] Gurney，K.，《神经网络导论》（1997），伦敦：伦敦大学学院出版社，伦敦
[127] 古铁雷斯，G。；Sanchis，A。；Isasi，P。；莫利纳，Jm；Galván，Im，基于细胞自动机的非直接编码方法，用于设计神经网络架构，计算。通知。，24, 3, 225-247 (2012) ·Zbl 1109.68072号
[128] 哈，Jl；Kung，Ys；Fung，Rf；Hsien，Sc，基于实数编码遗传算法的压电滞回致动器识别的适应度函数比较，Sens.actuator。A、 1322643-650（2006年）
[129] 哈根，Mt；Menhaj，Mb，用Marquardt算法训练前馈网络，IEEE Trans。神经网络。，5, 6, 989-993 (1994)
[130] 哈里克，Gr；Lobo，Fg；Goldberg，De，紧凑型遗传算法，IEEE Trans。进化。计算。，3, 4, 287-297 (1999)
[131] 运输，Rl；Haupt，Se，实用遗传算法（2004），纽约：威利，纽约·Zbl 1072.68089号
[132] Haykin，S.，《神经网络：综合基础》（1999），上鞍河：Prentice Hall，上鞍河·Zbl 0934.68076号
[133] 何，Q。；Wang，L。；Liu，B.，用粒子群优化方法估计混沌系统的参数，混沌孤子分形，34，2，654-661（2007）·Zbl 1152.93504号
[134] He，S。；吴琼。；Wen，J。；桑德斯，J。；Paton，R.，《被动聚集的粒子群优化器》，生物系统，78，1-3，135-147（2004）
[135] Hergli，K。；Marouani，H。；Zidi，M。；福阿德，Y。；Elshazly，M.，使用遗传算法识别Preisach滞后模型参数，J.King Saud Univ.Sci。，31, 4, 746-752 (2017)
[136] Hergli，K。；Marouani，H。；Zidi，M.，《Jiles-Atherton磁滞参数的数值测定：机械变形下的磁性行为》，Physica B，549，74-81（2018）
[137] Herrera，F。；Lozano，M。；Verdegay，Jl，《处理实数编码的遗传算法：行为分析的操作符和工具》，Artif。智力。修订版，第12、4、265-319页（1998年）·Zbl 0905.68116号
[138] Hilgert，T。；Vandevelde，L。；Melkebeek，J.，正弦感应下电工钢磁致伸缩动态滞后的神经网络模型，IEEE Trans。马格纳。，43, 8, 3462-3466 (2007)
[139] Ho，Wh；周，Jh；Guo，Cy，用改进的微分进化算法辨识混沌系统的参数，非线性动力学。，61, 1-2, 29-41 (2010) ·Zbl 1204.93034号
[140] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，1735-1780年9月8日（1997年）
[141] Holland，Jh，《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》（1975年），密歇根：密歇根大学出版社·Zbl 0317.68006号
[142] Hopfield，Jj，具有突发集体计算能力的神经网络和物理系统，Proc。美国国家科学院。科学。，79, 8, 2554-2558 (1982) ·Zbl 1369.92007号
[143] 霍尼克，K。；Stinchcombe，M。；White，H.，多层前馈网络是通用逼近器，神经网络。，2, 5, 359-366 (1989) ·Zbl 1383.92015年
[144] 胡，W。；Yu，Y。；Gu，W.，通过混合自适应人工蜂群算法和模拟退火算法对分数阶任意维超混沌系统的参数估计，工程应用。Artif公司。智力。，68, 172-191 (2018)
[145] 胡，W。；文，G。；Rahmani，A。；Yu，Y.，具有未知先导的异质不确定非线性时滞分数阶多智能体系统基于微分进化的参数估计与同步，非线性动力学。，97, 2, 1087-1105 (2019) ·Zbl 1430.93012号
[146] 黄，抄送；Loh，Ch，使用神经网络的动态系统非线性识别，计算。辅助民用基础设施。工程，16，1，28-41（2001）
[147] 黄，T。；Mohan，As，用于解决高维优化问题的微粒群优化算法（（mu）PSO用于高维优化），应用。数学。计算。，181, 2, 1148-1154 (2006) ·兹比尔1105.65068
[148] Huang，V.，Qin，A.，Suganthan，P.：约束实参数优化的自适应差分进化算法。摘自：IEEE进化计算大会，第17-24页（2006）
[149] 洪，Sl；黄，C。；温，C。；Hsu，Y.，利用小波神经网络从实验数据中识别建筑结构的非参数，计算。辅助民用基础设施。工程，18，5，356-368（2003）
[150] 艾卡，G。；Caraffini，F。；Neri，F.，《紧凑型差分进化灯：尽管内存需求有限且计算开销适中，但仍具有高性能》，J.Compute。科学。技术。，27, 5, 1056-1076 (2012) ·兹比尔1279.68031
[151] Ilonen，J。；Kamarainen，Jk；Lampinen，J.，前馈神经网络的差分进化训练算法，神经过程。莱特。，17, 1, 93-105 (2003)
[152] Irakoze，R.，Yakoub，K.，Kaddouri，A.：基于粒子群优化和实数编码遗传算法的压电LuGre模型识别。2015年IEEE第28届加拿大电气与计算机工程会议（CCECE），第1451-1457页。IEEE（2015）
[153] 伊斯兰教，Sm；达斯，S。；Ghosh，S。；罗伊，S。；Suganthan，Pn，用于全局数值优化的具有新颖变异和交叉策略的自适应差分进化算法，IEEE Trans。系统。人类网络。B部分（控制论），42，2，482-500（2012）
[154] 贾法里，S。；Smrh Golpayagani；Daliri，A.，评论“用量子粒子群优化方法识别混沌系统的参数”【国际计算数学杂志86（12）（2009），第2225-2235页】，国际计算杂志。数学。，90, 5, 903-905 (2013) ·Zbl 1280.65072号
[155] 贾法里，S。；Golpayagani，Srh；Darabad，Mr，评论“分数阶混沌系统的参数识别和同步”[Commun.非线性科学数值模拟，2012；17:305-16]，Commun。非线性科学。数字。模拟。，1811-814年3月18日（2013年）·Zbl 1277.93030号
[156] 贾法里，S。；斯普洛特，Jc；Pham，Vt；Smrh Golpayagani；Jafari，Ah，使用返回映射作为指纹的混沌系统参数估计的新成本函数，国际期刊Bifurc。《混沌》，24，10，1450134（2014）·Zbl 1302.34027号
[157] 贾，Zy；刘，Hf；Wang，Fj；Ge，Cy，基于超磁致伸缩材料及其模型的新型力传感器研究，J.合金公司。，509, 5, 1760-1767 (2011)
[158] 蒋，X。；Adeli，H.，用于高层建筑非线性识别的动态小波神经网络，计算机。辅助民用基础设施。工程师，20，5316-330（2005）
[159] 姜瑜。；Lau，Fc；王，S。；Tse，Ck，通过新型双粒子群优化对混沌系统进行参数识别，国际期刊Bifurc。《混沌》，26，2，1650024（2016）·Zbl 1334.93052号
[160] 金，X。；邵，J。；张，X。；安·W。；Malekian，R.，基于深度学习框架的非线性系统建模，非线性动力学。，84, 3, 1327-1340 (2016)
[161] 卡迪尔卡马纳桑，V。；Selvarajah，K。；弗莱明，Pj，粒子群优化器中粒子动力学的稳定性分析，IEEE Trans。进化。计算。，10, 3, 245-255 (2006)
[162] Kao，抄送；Fung，Rf，使用改进的PSO方法识别由压电元件Mech驱动的Scott-Roussell机构。系统。信号处理。，23, 5, 1652-1661 (2009)
[163] 卡拉博加，D。；Basturk，B.，关于人工蜂群（ABC）算法的性能，应用。软计算。，8, 1, 687-697 (2008)
[164] Kaveh，A。；Talatahari，S.，使用Big Bang-Big Crunch算法进行空间桁架尺寸优化，计算。结构。，87, 17-18, 1129-1140 (2009)
[165] 肯尼迪，J。；Eberhart，R.，粒子群优化，Proc。IEEE国际协调神经网络。，4, 1942-1948 (1995)
[166] 克申，G。；Worden，K。；瓦卡基斯，阿富汗；Golinval，Jc，结构动力学非线性系统识别的过去、现在和未来，机械。系统。信号处理。，20, 3, 505-592 (2006)
[167] 哈立德，M。；尤索夫，R。；Joshani，M。；Selamat，H。；Joshani，M.，基于动态神经网络的磁流变阻尼器非线性识别，计算。辅助民用基础设施。工程，29，3，221-233（2014）
[168] Ko，年；黄，Y。；Chae，M。；Kim，Th，不对称滞后补偿广义Prandtl-Ishlinskii模型反演的直接识别，ISA Trans。，70, 209-218 (2017)
[169] Kosmatopoulos，E。；Smyth，A。；马斯里，S。；Chassiakos，A.，非线性结构恢复力的鲁棒自适应神经估计，J.Appl。机械。，68, 6, 880-893 (2001) ·兹比尔1110.74514
[170] 库穆西斯，Vk；Katsaras，Cp，一种结合了可变种群大小和重新初始化的影响以提高性能的锯切遗传算法，IEEE Trans。进化。计算。，10, 1, 19-28 (2006)
[171] 小科扎（Koza，Jr），《遗传编程：通过自然选择实现计算机编程》（1992），剑桥：麻省理工学院出版社，剑桥·Zbl 0850.68161号
[172] Krishnakumar，K.，平稳和非平稳函数优化的微遗传算法，Intell。控制适配。系统。国际社会选择。光子。，1196, 289-297 (1990)
[173] 郭，N。；哈，Q。；Nguyen，M。；Li，J.等人。；Samali，B.，Bouc-Wen模型参数识别，MR流体阻尼器，使用计算效率GA，ISA Trans。，46, 2, 167-179 (2007)
[174] 基普里亚努，A。；Worden，K。；Panet，M.，使用差分进化算法识别滞后系统，J.Sound Vib。，248, 2, 289-314 (2001)
[175] La Cava，W.、Helmuth，T.、Spector，L.、Danai，K.：表观遗传局部搜索的遗传编程。摘自：《2015年遗传和进化计算年会论文集》，第1055-1062页，ACM（2015）
[176] 西拉卡瓦。；达奈，K。；Spector，L。；弗莱明，P。；Wright，A。；Lackner，M.，使用进化多目标优化自动识别风力涡轮机模型，更新。能源，87892-902（2016）
[177] Lacarbonara，W.，非线性结构动力学。《理论、建模与动力学现象》（2013），纽约：施普林格出版社，纽约·Zbl 1263.74001号
[178] 威廉·兰登（William B.Langdon）。；波利、里卡多；尼古拉斯·麦克菲。；约翰·R·科扎（John R.Koza），《遗传编程：导论和教程》（Genetic Programming:a Introduction and Tutorial，with a Survey of Techniques and Applications），计算智能研究，927-1028（2008），柏林，海德堡：施普林格-柏林-海德堡，柏林
[179] 劳拉·兰扎里尼；维多利亚州莱扎；De Giusti，Armando，《具有可变人口规模的粒子群优化、人工智能和软计算——ICAISC 2008，438-449（2008）》，柏林，海德堡：施普林格-柏林-海德堡
[180] Laudani，A。；富尔吉尼，Fr；Salvini，A.，对称激励下Bouc-Wen和Jiles-Atherton模型的比较分析，Physica B，435134-137（2014）
[181] Laudani，A。；富尔吉尼，Fr；Salvini，A.，《通过度量拓扑进化优化识别Bouc-Wen滞后模型》，IEEE Trans。马格纳。，50, 2, 621-624 (2014)
[182] 乐村，Y。；杰克尔，Ld；Boser，B。；Denker，Js；格拉芙，血红蛋白；盖恩，I。；亨德森·D·。；Howard，Re；Hubbard，W.，手写数字识别：神经网络芯片和自动学习的应用，IEEE Commun。Mag.，27，11，41-46（1989）
[183] Leboucher，C。；Shin，Hs；Siarry，P。；Le Ménec，S。；R.Chelouah。；Tsourdos，A.，集成进化博弈论的增强粒子群优化方法的收敛证明，《信息科学》。，346, 389-411 (2016) ·Zbl 1398.68496号
[184] Leite，J。；阿维拉，S。；北卡罗来纳州巴蒂斯特拉。；鲤鱼，W。；Sadowski，N。；郭鹏，P。；Bastos，J.，Jiles-Atherton模型参数识别的实数编码遗传算法，IEEE Trans。马格纳。，40, 2, 888-891 (2004)
[185] Leng博士。；Xu，K。；马云（Ma，Y.）。；刘，G。；Sun，L.，利用模糊算法优化的人工神经网络（ANNOFA）对磁流变弹性体隔离器在剪切-压缩混合模式下的行为进行建模，Smart Mater。结构。，27, 11, 115026 (2018)
[186] 李，C。；周，J。；肖，J。；Xiao，H.，利用混沌引力搜索算法识别混沌系统参数，混沌孤子分形，45，4，539-547（2012）
[187] Li，Hx，使用遗传算法识别Hammerstein模型，IEE Proc。控制理论应用。，146, 6, 499-504 (1999)
[188] 李凯。；寇，J。；张伟，跨多马赫数非定常气动和气动弹性建模的深度神经网络，非线性动力学。，96, 3, 2157-2177 (2019)
[189] 李，L。；Wang，L。；Liu，L.，一种有效的混合PSOSA优化策略及其在参数估计中的应用，应用。数学。计算。，179, 1, 135-146 (2006) ·Zbl 1100.65052号
[190] 李，P。；Xiao，H。；尚，F。；汤，X。；李，X。；Cao，M.，《带有序列输入的混合量子激励神经网络》，神经计算，117，81-90（2013）
[191] 李，X。；Yin，M.，用混合微分进化算法和人工蜂群算法估计混沌系统的参数，非线性动力学。，77, 1-2, 61-71 (2014)
[192] 李，X。；Fc，L。；刘，X。；郭毅，一类分数阶时滞混沌系统的参数辨识与优化，国际J模型。标识。控制，29，2，153-162（2018）
[193] 梁，Y。；冯，D。；Cooper，J.，《使用模糊自适应神经网络识别非线性振动系统中的恢复力》，J.Sound Vib。，242, 1, 47-58 (2001) ·Zbl 1237.93106号
[194] 梁，Yc；周，Cg；Wang，Zs，基于神经网络的非线性振动系统恢复力识别，J.Sound Vib。，206, 103-108 (1997)
[195] Lin，Cj；Yau，Ht；Lee，Cy；Tung，Kh，挤压式磁流变阻尼器的系统识别和半主动控制，IEEE/ASME Trans。机电一体化。，18, 6, 1691-1701 (2013)
[196] Lin，Cj；Lin，铬；Yu，Sk；Chen，Ct，使用Prandtl-Ishlinskii模型的双气动人工肌肉系统的滞后建模和跟踪控制，机电一体化，28，35-45（2015）
[197] Lin，J.，超混沌系统参数辨识的反向回溯搜索优化算法，非线性动力学。，80, 1-2, 209-219 (2015)
[198] 凌，Sh；Leung，Ff，一种具有平均界交叉和小波变异操作的改进遗传算法，Soft。计算。，11, 1, 7-31 (2007) ·Zbl 1141.90584号
[199] 刘，F。；李，X。；刘，X。；唐寅，基于多选择微分进化的分数阶时滞混沌系统参数辨识，系统。科学。控制工程师，5，1，42-48（2017）
[200] Liu，J.：关于设置差分进化方法的控制参数。摘自：第八届国际软计算会议记录，第11-18页（2002）
[201] Liu，J.，Xu，W.，Sun，J.：带变异算子的量子粒子群优化。摘自：第17届IEEE人工智能工具国际会议（ICTAI’05），第4页。IEEE（2005）
[202] Liu，J.，Xu，W.，Sun，J.：使用群智能对Hammerstien和Wiener模型进行非线性系统识别。在：2006年IEEE国际信息获取会议，第1219-1223页。IEEE（2006）
[203] 刘，Y。；Yang，S。；Liao，Y.，确定磁流变阻尼器模型受控阻尼参数的量化方法，J.Intell。马特。系统。结构。，22, 18, 2127-2136 (2011)
[204] 刘，Y。；高，X。；Li，Y.，超磁致伸缩致动器非线性动态Jiles-Atherton模型，Sens.actuator。A、 250，7-14（2016）
[205] 长，Z。；王，R。；方，J。；戴，X。；Li，Z.，压电致动器Prandtl-Ishlinskii模型的滞后补偿，使用带混沌映射的改进粒子群优化，Rev.Sci。仪器。，88, 7, 075003 (2017)
[206] Lu，H.等人。；文，X。；兰，L。；安，Y。；Li，X.，考虑小回路的自适应遗传算法估计JA模型参数，J.Magn。Magn.公司。材料。，374，502-507（2015）
[207] Luke，S.，遗传编程的两种快速树创建算法，IEEE Trans。进化。计算。，4, 3, 274-283 (2000)
[208] Luke，S.、Balan，G.C.、Panait，L.：遗传编程中的人口内爆。摘自：《遗传和进化计算会议》，第1729-1739页。斯普林格（2003）·Zbl 1038.68781号
[209] 马，F。；Ng，C.等人。；Ajavakom，N.，《关于降解结构的系统识别和响应预测》，结构。控制健康监测。，13, 1, 347-364 (2006)
[210] 马，J。；Tang，J.，神经元网络集体行为动力学综述，科学。中国科技。科学。，58, 12, 2038-2045 (2015)
[211] 马，J。；唐杰，神经元和神经元网络动力学综述，非线性动力学。，89, 3, 1569-1578 (2017)
[212] 马，J。；Zq，Y。；Lj，Y。；Tang，J.，《计算神经动力学的物理观点》，浙江理工大学学报。A、 20,9639-659（2019）
[213] 马，L。；Khorasani，K.，构造性神经网络的新训练策略及其在回归问题中的应用，神经网络。，17, 4, 589-609 (2004)
[214] Mannarino，A。；Mantegazza，P.，用递归神经网络进行非线性气动弹性降阶建模，J.流体结构。，48, 103-121 (2014)
[215] 马拉诺，Gc；Quaranta，G.，基于模糊的稳健结构优化，国际固体结构杂志。，45, 11-12, 3544-3557 (2008) ·Zbl 1169.74523号
[216] 马拉诺，Gc；Quaranta，G。；Greco，R.，随机振动下结构系统的遗传算法多目标优化，结构。多学科。最佳。，39, 4, 385-399 (2009)
[217] 马拉诺，Gc；Quaranta，G。；蒙蒂，G。；顶部，B。；Tsompanakis，Y.，《机械系统识别中的遗传算法：最新综述》，土木和结构工程中的软计算，43-72（2009），斯特林郡：萨克斯-科堡出版社，斯特林县
[218] 马拉诺，Gc；Quaranta，G。；Monti，G.，使用不完全测量动态识别结构系统的改进遗传算法，计算。辅助民用基础设施。工程师，26，2，92-110（2011）
[219] Marion，R。；Scorretti，R。；西奥夫，N。；Raulet，Ma；Krahenbuhl，L.，使用粒子群优化识别Jiles-Atherton模型参数，IEEE Trans。马格纳。，44, 6, 894-897 (2008)
[220] 马鲁塔，I。；Kim，Th；宋，D。；Sugie，T.，使用具有循环邻域拓扑的约束粒子群优化器的固定结构鲁棒控制器的合成，专家系统。申请。，40, 9, 3595-3605 (2013)
[221] 马斯里，S。；Bekey，G。；Safford，F.，使用自适应随机搜索的全局优化算法，应用。数学。计算。，7, 4, 353-375 (1980) ·Zbl 0451.90096号
[222] 马斯里，S。；Chassiakos，A。；Caughey，T.，《结构未知非线性动态系统：通过神经网络识别》，Smart Mater。结构。，1, 1, 45 (1992)
[223] 马斯里，S。；Chassiakos，A。；Caughey，T.，《使用神经网络识别非线性动态系统》，J.Appl。机械。，60, 1, 123-133 (1993)
[224] 马斯里，S。；Smyth，A。；Chassiakos，A。；中村，M。；Caughey，T.，《利用自适应随机搜索技术训练神经网络》，J.Eng.Mech。，1252123-132（1999年）
[225] 马斯里，S。；Smyth，A。；Chassiakos，A。；考基，T。；Hunter，N.，《神经网络在非线性系统变化检测中的应用》，J.Eng.Mech。，126, 7, 666-676 (2000)
[226] 威斯康星州麦卡洛赫；Pitts，W.，《神经活动内在思想的逻辑演算》，布尔。数学。生物物理学。，5, 4, 115-133 (1943) ·Zbl 0063.03860号
[227] Mehmood，A。；Aslam女士；Ni Chaudhary；Zameer，A。；Raja，Maz，使用微分进化的hammerstein控制自回归系统的参数估计，SIViP，12，8，1603-1610（2018）
[228] Mehmood，A。；Ni Chaudhary；Zameer，A。；Raja，Maz，Hammerstein控制的自回归自回归滑动平均系统中参数估计的新型计算范式，应用。软计算。，80, 263-284 (2019)
[229] Mininno，E。；库比蒂诺，F。；Naso，D.，嵌入式微控制器优化的实值紧凑遗传算法，IEEE Trans。进化。计算。，12, 2, 203-219 (2008)
[230] Mininno，E。；Neri，F。；库比蒂诺，F。；Naso，D.，《紧凑微分进化》，IEEE Trans。进化。计算。，15, 1, 32-54 (2010)
[231] 米尔贾利利，S。；哈希姆（Szm Hashim）；Sardoudi，Hm，使用混合粒子群优化和引力搜索算法训练前馈神经网络，应用。数学。计算。，218、22、11125-11137（2012年）·Zbl 1282.90248号
[232] Mitchell，M.：遗传算法导论。麻省理工学院出版社（1998）·Zbl 0906.68113号
[233] 莫达雷斯，H。；阿尔菲。；Fateh，Mm，通过改进的粒子群优化对混沌动力系统进行参数识别，专家系统。申请。，37, 5, 3714-3720 (2010)
[234] Montana，D.J.，Davis，L.：使用遗传算法训练前馈神经网络。摘自：《第十一届国际人工智能联合会议记录》，第1卷，第762-767页（1989年）·Zbl 0709.68060号
[235] 蒙蒂，G。；Quaranta，G。；Marano，Gc，基于遗传算法的非线性系统动态识别策略，噪声破坏响应，J.Compute。土木工程，2473-187（2009）
[236] Muller，Sd；Marchetto，J。；艾拉吉，S。；Kournoutsakos，P.，基于细菌趋化性的优化，IEEE Trans。进化。计算。，6, 1, 16-29 (2002)
[237] 墨累，阿富汗人；Edwards，Pj，训练期间突触重量噪声导致的增强MLP性能和容错，IEEE Trans。神经网络。，5, 5, 792-802 (1994)
[238] 机械系统和信号处理。MSSP中机器学习论文的文档指南。https://www.journals.elsevier.com/mechanical-systems-and-signal-processing（https://www.journals.elsevier.com/mechanical-systems-and-signal-processing） (2019). 2019年7月28日访问
[239] 奈塔利，A。；Giri，F.，Wiener-Hammerstein系统识别——进化方法，国际期刊系统。科学。，47, 1, 45-61 (2016) ·Zbl 1333.93087号
[240] Nam，Dnc；Ahn，Kk，使用Preisach型模糊NARX模型和粒子群优化识别离子聚合物金属复合致动器，Sens.actuator。A、 183105-114（2012）
[241] 纳伦德拉，Ks；Parthasarathy，K.，《使用神经网络识别和控制动态系统》，IEEE Trans。神经网络。，1, 1, 4-27 (1990)
[242] 不，啊；Pai，F.，线性和非线性结构力学（2004），纽约：威利，纽约·Zbl 1092.74001号
[243] Neri，F。；Cotta，C.，模因算法和模因计算优化：文献综述，Swarm Evolut。计算。，2012年1月2日至14日
[244] Neri，F。；Tirronen，V.，《差异进化的最新进展：调查和实验分析》，Artif。智力。版本：33、1-2、61-106（2010）
[245] Neri，F。；Mininno，E。；Iacca，G.，紧凑粒子群优化，信息科学。，239, 96-121 (2013)
[246] 否，Jp；Kerschen，G.，《结构动力学中的非线性系统识别：10多年的进展》，《机械工程》。系统。信号处理。，83, 2-35 (2017)
[247] Ojha，Vk；亚伯拉罕。；Snášel，V.，《前馈神经网络的元启发式设计：二十年研究回顾》，《工程应用》。Artif公司。智力。，第60页，97-116页（2017）
[248] Ong，P。；Zainuddin，使用改进的杜鹃搜索优化小波神经网络，用于多步超前混沌时间序列预测，应用。软计算。，80, 374-386 (2019)
[249] Opara，Kr；Arabas，J.，《差异进化：理论分析综述》，Swarm Evolut。计算。，44, 546-558 (2019)
[250] 佐治亚州奥尔蒂斯；阿尔瓦雷斯（Da Alvarez）；Bedoya-Ruíz，D.，使用多目标优化算法识别Bouc-Wen型模型，计算。结构。，114, 121-132 (2013)
[251] 帕纳希，S。；贾法里，S。；Pham，Vt；金尼街；扎赫迪，A。；Sedighy，Sh，使用Krill羊群优化法识别具有隐藏吸引子的混沌电路的参数，国际期刊分卷。《混沌》，26，13，1650221（2016）·Zbl 1354.93040号
[252] Pang，H.，Zhang，X.，Xu，Z.：具有参数不确定性和安全约束的非线性主动悬架系统基于自适应反推的跟踪控制设计。ISA事务。(2018)
[253] 巴夸利，M。；Lacarbonara，W.，《多层复合材料薄板的几何精确公式：理论和实验》，合成。结构。，93, 1649-1663 (2011)
[254] 裴，Js；Smyth，Aw，设计用于非线性恢复力建模的多层前馈神经网络架构的新方法。一： 配方，J.工程机械。，132, 12, 1290-1300 (2006)
[255] 裴，Js；Smyth，Aw，设计用于非线性恢复力建模的多层前馈神经网络架构的新方法。二： 应用，J.Eng.Mech。，132, 12, 1301-1312 (2006)
[256] 裴，Js；Smyth，A。；Kosmatopoulos，E.，非线性滞后动力系统自适应识别的volterra/wiener神经网络分析和修改，J.Sound Vib。，275, 3-5, 693-718 (2004)
[257] 裴，Js；Jp赖特；Smyth，Aw，将多项式拟合映射到前馈神经网络中，用于建模非线性动态系统及其他，计算。方法应用。机械。工程，194，42-44，4481-4505（2005）·Zbl 1093.65008号
[258] Pei，J.S.，Carboni，B.，Lacarbonara，W.：作为滞回系统模拟和识别的构建块的Mem模型。收录于：《第一届国际非线性动力学会议摘要》，第325-327页（2019年）
[259] 佩利西亚里，M。；马拉诺，Gc；Cuoghi，T。；布里塞格拉，B。；拉沃拉托，D。；Tarantino，Am，使用改进的Bouc-Wen模型识别退化和收缩滞回系统的参数，Struct。基础设施。工程师，14，12，1573-1585（2018）
[260] 彭，B。；刘，B。；张，Fy；Wang，L.，混沌系统基于差分进化算法的参数估计，混沌孤子分形，39，5，2110-2118（2009）
[261] Perisic，N.，Green，P.L.，Worden，K.，Kirkegaard，P.H.：使用微分进化算法识别时变非线性系统。在：模态分析主题，第7卷，第575-583页。施普林格（2014）
[262] 佩里，M。；Koh，C。；Choo，Y.，结构识别的改进遗传算法策略，计算。结构。，84, 8-9, 529-540 (2006)
[263] Pham，Dt；Liu，X.，使用递归神经网络识别线性和非线性动态系统，Artif。智力。工程师，8，1，67-75（1993）
[264] Piotrowski，Ap，应用于神经网络训练的差分进化算法出现停滞，应用。软计算。，21, 382-406 (2014)
[265] 皮特斯，W。；Mcculloch，Ws，《我们如何认识听觉和视觉形式的感知》，布尔。数学。生物学。，9, 3, 127-147 (1947)
[266] Poli，R.，《优化新理念》。并行分布式遗传编程，403-432（1999），梅登黑德：麦格劳-希尔有限公司，梅登海德
[267] Poli，Riccardo，《遗传程序设计中控制Bloat的一种简单但理论上有动机的方法》，计算机科学讲义，204-217（2003），柏林，海德堡：施普林格-柏林-海德堡，柏林，海德堡·Zbl 1033.68646号
[268] 波利·R。；Vanneschi，L。；兰登，Wb；Mcphee，Nf，《遗传编程的理论结果：未来十年？》？，遗传学。程序。进化。机器。，11, 3-4, 285-320 (2010)
[269] Prawin，J。；Rao，手臂；Lakshmi，K.，结合反向路径和混合动态量子粒子群优化的非线性参数识别策略，非线性动力学。，84, 2, 797-815 (2016)
[270] Prechelt，L.，《使用交叉验证自动提前停止：量化标准》，神经网络。，11，4761-767（1998年）
[271] 秦，H.，布，N.，陈，W.，尹，Z.：压电驱动器的非对称滞后模型和参数识别方法。马塞姆。问题。工程（2014）
[272] Quaranta，G。；蒙蒂，G。；Marano，Gc，通过粒子群优化和差分进化识别Van der Pol-Duffing振荡器的参数，机械。系统。信号处理。，24, 7, 2076-2095 (2010)
[273] Quaranta，G。；Fiore，A。；Marano，Gc，使用约束差分进化算法进行预应力混凝土梁的优化设计，结构。多学科。最佳。，49, 3, 441-453 (2014)
[274] Quaranta，G。；马拉诺，Gc；格雷科，R。；Monti，G.，《使用差分进化和粒子群优化对地震隔离器进行参数识别》，应用。软计算。，22, 458-464 (2014)
[275] 马·拉赫曼（Ma Rahman）；马蒙，Aa；姚，K.，高精度双级伺服系统中PZT微执行器迟滞的分析与补偿，国际机械工程师协会。自动。，5, 1, 58-68 (2015)
[276] Maz Raja；沙阿（Shah，Aa）；Mehmood，A。；Ni Chaudhary；Aslam，Ms，用于非线性hammerstein控制自回归系统参数估计的仿生计算启发式，神经计算。申请。，29, 12, 1455-1474 (2018)
[277] Rao，R.，Jaya:解决约束和无约束优化问题的一种简单且新的优化算法，国际J工业工程计算。，7，1，19-34（2016）
[278] Ratnaweera，A。；苏格兰哈尔加穆格；Watson，Hc，具有时变加速系数的自组织分层粒子群优化算法，IEEE Trans。进化。计算。，8, 3, 240-255 (2004)
[279] Rodríguez-Vázquez，K。；弗莱明，Pj，基于多目标遗传规划的混沌系统数学模型的演化，Knowl。信息系统。，8, 2, 235-256 (2005)
[280] 罗德里格斯-巴斯克斯，K。；丰塞卡，Cm；弗莱明，Pj，使用多目标遗传规划识别非线性动态系统的结构，IEEE Trans。系统。人类网络。A部分系统。哼哼，34，4531-545（2004）
[281] 罗哈斯，I。；Pomares，H。；伯尼尔，Jl；奥尔特加，J。；比诺，B。；佩莱奥，Fj；Prieto，A.，使用带回归权重的标准化PG-RBF网络进行时间序列分析，神经计算，42，1-4，267-285（2002）·Zbl 1002.68708号
[282] Rojas，R.，《神经网络：系统介绍》（1996），柏林：施普林格出版社，柏林·Zbl 0861.68072号
[283] Rubio-Solis，A。；梅林，P。；马丁内斯·赫南德斯（Martinez-Hernandez），美国。；Panoutsos，G.，通用2型径向基函数神经网络：数据驱动的模糊模型，IEEE Trans。模糊系统。，27333-347（2018）
[284] Ruder，S.：梯度下降优化算法概述。arXiv预印arXiv:1609.04747（2016）
[285] Rumelhart，De；Ge Hintonf，《通过反向传播错误学习表征》，《自然》，323，9（1986）·Zbl 1369.68284号
[286] Russell，Sj；Norvig，P.，《人工智能：现代方法》（2016），马来西亚：培生教育有限公司，马来西亚
[287] Salehinejad，H。；Rahnamayan，S。；Tizhoosh，Hr，《微差异进化：多样性增强和比较研究》，应用。软计算。，52, 812-833 (2017)
[288] Saliah，H。；Lowther，D。；Forghani，B.，用于计算磁学的磁滞神经网络模型，IEEE Trans。马格纳。，33, 5, 4146-4148 (1997)
[289] Sarban，R.、Oubaek，J.、Kristjánsdóttir，G.R.、Jones，R.W.：无芯EAP管式致动器的滞后建模。在：国际光学和光子学会关于电活性聚合物致动器和器件（EAPAD），第7287卷，第728717页（2009）
[290] Schmidhuber，J.，《神经网络中的深度学习：概述》，神经网络。，61, 85-117 (2015)
[291] Michael Schmidt；Hod Lipson，《适龄帕累托优化，遗传编程理论与实践VIII》，129-146（2010），纽约州纽约市：纽约州纽约州斯普林格
[292] Schmitt，Lm，遗传算法理论，Theoret。计算。科学。，259, 1-2, 1-61 (2001) ·Zbl 0972.68133号
[293] Schmitt，Lm，《遗传算法理论II：种群字符串张量表示上的遗传算子模型以及在缩放下任意适应度函数收敛到全局最优解》，Theoret。计算。科学。，310, 1-3, 181-231 (2004) ·Zbl 1071.68100号
[294] Scodeggio，A。；Quaranta，G。；马拉诺，Gc；蒙蒂，G。；Fleischman，Rb，连接结构子系统的限力地震装置的优化，计算机。结构。，162, 16-27 (2016)
[295] 森古普塔，P。；Li，B.，有限横向钢筋混凝土梁柱节点滞回性能的修正Bouc-Wen模型，工程结构。，46, 392-406 (2013)
[296] Sengupta，S。；巴萨克，S。；Peters，R.，《粒子群优化：用杂交观点对历史和近期发展的调查》，马赫。学习。知识。摘录。，1, 1, 157-191 (2018)
[297] 塞尔皮科，C。；Visone，C.，通过前馈神经网络进行磁滞建模，IEEE Trans。马格纳。，34623-628（1998年）
[298] 塞克斯顿，卢比；多尔西，Re；Johnson，Jd，《超越反向传播：使用模拟退火训练神经网络》，J.Organ。最终用户计算。，11, 3, 3-10 (1999)
[299] Shi，Y.，Eberhart，R.：一种改进的粒子群优化算法。1998年IEEE进化计算程序国际会议。IEEE计算智能世界大会（分类号98TH8360），第69-73页。IEEE（1998）
[300] Shi，Y.，Eberhart，R.C.：粒子群优化的实证研究。参见：《1999年进化计算大会会议记录-CEC99》（分类号99TH8406），第3卷，第1945-1950页。IEEE（1999）
[301] 舒·G。；Li，Z.，用改进的遗传算法对Bouc-Wen模型进行参数识别：应用于金属阻尼器的评估，Earthq。结构。，13, 4, 397-407 (2017)
[302] 西迪克，北。；Adeli，H.，《计算智能：模糊逻辑、神经网络和进化计算的协同作用》（2013），纽约：威利，纽约
[303] Sireteanu，T。；朱格拉，M。；Mitu，A.，通过滞回装置应用于抗震保护的扩展Bouc-Wen模型的识别，计算。机械。，45, 5, 431-441 (2010) ·Zbl 1398.74155号
[304] Sivanandam，S。；Deepa，S.，《遗传算法导论》（2007），纽约：Springer，纽约·Zbl 1129.90001号
[305] Sivaselvan，马里兰州；Reinhorn，Am，退化非弹性结构的滞回模型，J.Eng.Mech。，126, 6, 633-640 (2000)
[306] 詹姆斯·史密斯。；Nguyen，Thanhvu H.，使用模糊规则指导基于遗传程序的数据挖掘，智能数据工程和自动学习-IDEAL 2006，1337-1345（2006），柏林，海德堡：斯普林格-柏林-海德堡
[307] Song，G。；乔杜里，V。；Batur，C.，形状记忆合金丝致动器的神经网络逆模型，J.Intell。马特。系统。结构。，14, 6, 371-377 (2003)
[308] Sörensen，K.，《元启发式——暴露的隐喻》，国际翻译。操作。第22、1、3-18号决议（2015年）·Zbl 1309.90127号
[309] 斯特瓦诺维奇，N。；绿色，Pl；Worden，K。；Kirkegaard，Ph，风力涡轮机叶片轴承的摩擦估计，结构。控制健康监测。，23, 1, 103-122 (2016)
[310] 斯托恩，R。；Price，K.，《差分进化——连续空间上全局优化的一种简单有效的启发式算法》，J.global Optim。，11, 4, 341-359 (1997) ·Zbl 0888.90135号
[311] Sun，J。；Liu，X.，一种新的APSO辅助Hammerstein系统最大似然辨识方法，非线性动力学。，73, 1-2, 449-462 (2013) ·Zbl 1281.93035号
[312] Sun，J。；赵，J。；吴，X。；方，W。；蔡，Y。；Xu，W.，用漂移粒子群优化方法估计混沌系统的参数，Phys。莱特。A、 374、28、2816-2822（2010）·Zbl 1237.34091号
[313] 萨博，Z。；Füzi，J.，带封闭形式Everett函数的Preisach型滞后模型的实现和识别，J.Magn。Magn.公司。材料。，406, 251-258 (2016)
[314] Talatahari，S。；拉巴里，Nm；Kaveh，A.，用于识别滞后非线性系统的新型混合优化算法，KSCE J.Civil Eng.，17，5，1099-1108（2013）
[315] 唐，Y。；张，X。；华，C。；李，L。；Yang，Y.，通过微分进化识别相称分数阶混沌系统的参数，Phys。莱特。A、 376、4、457-464（2012）·Zbl 1255.34061号
[316] 托马斯，M。；Stumberger，G。；Dolinar，D.，使用微分进化法识别Jiles-Atherton滞后模型的参数，IEEE Trans。马格纳。，44, 6, 1098-1101 (2008)
[317] Trelea，Ic，《粒子群优化算法：收敛分析和参数选择》，Inf.Process。莱特。，85, 6, 317-325 (2003) ·Zbl 1156.90463号
[318] Truong，Bnm；Nam，Dnc；Ahn，Kk，使用基于APSO的非线性Preisach NARX模糊模型Smart Mater对介电电活性聚合物致动器进行滞后建模和识别。结构。，22, 9, 095004 (2013)
[319] 蔡，Jt；周，Jh；Liu，Tk，使用混合田口遗传算法调整神经网络的结构和参数，IEEE Trans。神经网络。，17, 1, 69-80 (2006)
[320] Tudón-Martínez，J。；Lozoya-Santos，Jj；莫拉莱斯·梅内德斯，R。；Ramirez-Mendoza，R.，基于人工神经网络的磁流变液阻尼器实验建模，Smart Mater。结构。，21, 8, 085007 (2012)
[321] 弗拉查斯，Pr；再见，W。；Wan，Zy；Sapsis，Tp；Koumoutsakos，P.，具有长短期记忆网络的高维混沌系统的数据驱动预测，Proc。R.Soc.A数学。物理学。工程科学。，474, 2213, 20170844 (2018) ·Zbl 1402.92030
[322] 王，C。；熊，L。；Sun，J。；Yao，W.，基于忆阻器的神经网络与权值同步扰动训练，非线性动力学。，95, 4, 2893-2906 (2019)
[323] 王，D。；Liao，W.，使用神经网络对磁流变液阻尼器进行建模和控制，Smart Mater。结构。，14, 1, 111 (2004)
[324] 王，G。；陈，G。；Bai，F.，通过一种新型差分进化算法Sens.Actuate对压电执行器的不对称Bouc-Wen滞后进行建模和识别。A、 235、105-118（2015）
[325] Wang，H.，Rahnamayan，S.，Wu，Z.：用于解决高维问题的可变人口规模自适应差分进化。2011年IEEE进化计算大会（CEC），第2626-2632页。IEEE（2011年a）
[326] Wang，L。；Xu，Y。；Li，L.，用混合Nelder-Mead单纯形搜索和差分进化算法辨识混沌系统的参数，专家系统。申请。，38, 4, 3238-3245 (2011)
[327] 王，Q。；郑毅。；Ma，J.，神经元网络中的合作动力学，混沌孤子分形，56，19-27（2013）
[328] 王锐；尤金妮娅·卡尔内；Balachandran，Balakumar，混沌动力学的神经机器预测，非线性动力学，98，4，2903-2917（2019）·兹比尔1430.37043
[329] 王，Y。；蔡，Z。；Zhang，Q.，带复合试验向量生成策略和控制参数的差分进化，IEEE Trans。进化。计算。，15, 1, 55-66 (2011)
[330] Wei，J。；Yu，Y。；Cai，D.，使用改进的量子粒子群优化算法识别不确定的非公度分数阶混沌系统，J.Compute。非线性动力学。，13, 5, 051004 (2018)
[331] Z.文静：基于改进粒子群优化算法的伺服系统LuGre摩擦模型参数识别。2007年中国控制会议，第135-139页。IEEE（2007）
[332] Whittle，P.，人工神经元的随机模型，Adv.Appl。可能性。，23, 4, 809-822 (1991) ·Zbl 0732.60120号
[333] Wilson，Pr；罗斯，Jn；Brown，Ad，用遗传算法优化Jiles-Atherton滞后模型，IEEE Trans。马格纳。，37, 2, 989-993 (2001)
[334] Worden，K。；Manson，G.，《关于滞后系统的识别》。第一部分：健身景观和进化识别，机械。系统。信号处理。，29, 201-212 (2012)
[335] Worden，K。；Tomlinson，G.，使用神经网络对非线性系统进行建模和分类-I，Simul。机械。系统。信号处理。，8, 3, 319-356 (1994)
[336] Worden，K。；斯塔泽夫斯基，Wj；Jj Hensman，《机械系统研究的自然计算：教程概述》，《机械》。系统。信号处理。，25, 1, 4-111 (2011)
[337] Worden，K。；Barthorpe，R。；克罗斯，E。；北卡罗来纳州德维利斯。；霍姆斯，G。；Manson，G。；Rogers，T.，《进化系统识别与非线性基准应用》，Mech。系统。信号处理。，112, 194-232 (2018)
[338] 吴，G。；沈，X。；李，H。；陈，H。；Lin，A。；Suganthan，Pn，差异进化变异体的集合，信息科学。，423, 172-186 (2018)
[339] Wu，T。；Kareem，A.，通过细胞自动机嵌套神经网络模拟桥梁空气动力学的滞后非线性行为，J.Wind Eng.Ind.Aerodyn。，99, 4, 378-388 (2011)
[340] 肖敏，X。；清，S。；Ling，Z。；Bin，Z.，使用改进遗传算法的MR阻尼器磁滞模型的参数估计及其灵敏度分析，J.Intell。马特。系统。结构。，20, 17, 2089-2100 (2009)
[341] 谢毅。；傅，Jl；Chen，By，基于改进粒子群优化方法的压电定位系统滞后非线性动力学模型参数辨识，Adv.Mech。工程师，9，6，1687814017702813（2017）
[342] 徐，G。；Yu，G.，《粒子群优化算法的收敛性分析》，J.Compute。申请。数学。，333, 65-73 (2018) ·Zbl 1388.90129号
[343] Yam，Jy；Chow，Tw，通过优化突触系数初始化提高前馈网络训练速度，IEEE Trans。神经网络。，12, 2, 430-434 (2001)
[344] Yang，K。；马吉努，K。；Nomura，H.，用量子粒子群优化方法识别混沌系统的参数，国际计算杂志。数学。，86, 12, 2225-2235 (2009) ·Zbl 1181.65103号
[345] Mj Yang；顾，Gy；Zhu，Lm，使用改进粒子群优化的压电致动器广义Prandtl-Ishlinskii模型的参数识别，Sens.Actuator。A、 189254-265（2013）
[346] 杨，Xs；He，Xs，《自然启发算法的数学基础》（2019），纽约：Springer，纽约·兹比尔1426.90004
[347] 杨，Y。；杨，B。；牛，M.，基于初步滞后补偿和进一步自适应滤波控制器的磁致伸缩致动器自适应轨迹跟踪，非线性动力学。，2011年11月3日至118日（2018）
[348] Ye，M。；Wang，X.，使用粒子群优化的Bouc-Wen滞后模型参数估计，Smart Mater。结构。，16, 6, 2341 (2007)
[349] Yildiz，Ye；Topal，Ao，基于微差分进化和局部定向搜索的大规模连续全局优化，Inf.Sci。，477, 533-544 (2019) ·Zbl 1442.90157号
[350] Yousri，D。；Abdelaty，美国；赛义德，拉；Elwakil，A。；Maundy，B。；Radwan，Ag，使用不同的元神经优化算法识别分数阶混沌系统的参数，非线性动力学。，95, 3, 2491-2542 (2019)
[351] Yu，Y。；李毅。；Li，J.，基于蚁群算法优化的人工神经网络的磁流变弹性体基础隔离器非参数建模，J.Intell。马特。系统。结构。，26, 14, 1789-1798 (2015)
[352] Yu，Y。；李毅。；Li，J.，利用增强粒子群优化的磁流变弹性体基础隔震器新型应变强化模型的参数识别，J.Intell。马特。系统。结构。，26, 18, 2446-2462 (2015)
[353] 袁，L。；杨琼。；曾，C.，分数阶时滞混沌系统中的混沌检测与参数识别，非线性动力学。，73, 1-2, 439-448 (2013) ·Zbl 1281.93037号
[354] 袁，Lg；Yang，Qg，分数阶混沌系统的参数识别和同步，Commun。非线性科学。数字。模拟。，17, 1, 305-316 (2012) ·Zbl 1245.93039号
[355] 袁，X。；张，T。；戴，X。；Wu，L.，基于主从模型的参数辨识并行混沌优化算法，非线性动力学。，83, 3, 1727-1741 (2016)
[356] Yun，Hb；Tasbighoo，F。；Masri，Sf；Caffrey，Jp；沃尔夫，Rw；马克里斯，N。；Black，C.，全尺寸非线性粘滞阻尼器建模方法的比较，J.Vib。控制，14，1-2，51-76（2008）·Zbl 1229.70071号
[357] 扎卡里亚，Mz；贾马卢丁，H。；艾哈迈德·R。；Loghmanian，Sm，动态系统建模多目标和单目标优化的比较，Proc。仪器机械。工程第一部分J.系统。控制工程，226，7，994-1005（2012）
[358] 马扎曼；Sikder，U.，Bouc-Wen滞后模型识别，使用改进的萤火虫算法，J.Magn。Magn.公司。材料。，395, 229-233 (2015)
[359] 张，D。；Fletcher，Je，利用差分进化识别Mn-Zn铁氧体动态Jiles-Atherton模型参数的双频方法，IEEE Trans。仪器。测量。，62, 2, 460-466 (2013)
[360] 张，H。；李，B。；张杰。；秦，Y。；X·冯。；Liu，B.，用改进的TLBO策略估计非线性混沌系统的参数，Soft。计算。，20, 12, 4965-4980 (2016)
[361] 张杰。；Sanderson，Ac，JADE:具有可选外部存档的自适应差分进化，IEEE Trans。进化。计算。，13, 5, 945-958 (2009)
[362] 张，L。；Yang，Y.，基于周期间歇控制的分数阶记忆神经网络的滞后同步，非线性动力学。，89, 1, 367-381 (2017) ·Zbl 1374.34216号
[363] Zhang，Y。；Yan，P.，压电纳米操作器滞后非线性的建模、识别和补偿，J.Intell。马特。系统。结构。，28, 7, 907-922 (2017)
[364] Zhang，Y。；王，S。；Ji，G.，《粒子群优化算法及其应用的综合综述》，数学。问题。工程，2015，931256（2015）·Zbl 1394.90588号
[365] 郑洁。；曹，S。；王，H。；Huang，W.，磁致伸缩致动器磁滞模型参数识别的混合遗传算法，神经计算，70，4-6，749-761（2007）
[366] 郑洁。；曹，S。；Wang，H.，超磁致伸缩器件在压缩应力下的磁机械效应行为建模，Sens.Actuate。A、 1432204-214（2008年）
[367] Zheng，Y.l.，Ma，l.H.，Zhang，l.Y.，Qian，J.X.：惯性权重增加的粒子群优化算法的实证研究。2003年进化计算大会，CEC’03，第1卷，第221-226页。IEEE（2003）
[368] Zhong，J.，Hu，X.，Zhang，J，Gu，M.：简单遗传算法上不同选择策略的性能比较。收录于：建模、控制和自动化计算智能国际会议和智能代理、网络技术和互联网商务国际会议（CIMCA-IAWTIC’06），第2卷，第1115-1121页。IEEE（2005）
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。