Constrained Hybrid Metaheuristic: A Universal Framework for Continuous Optimisation
AGH University of Krakow（克拉科夫AGH科技大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）；Warsaw University of Technology（华沙理工大学）
本文提出了一种约束混合元启发式算法，适用于各种连续优化问题，通过模块化结构和两阶段操作提高收敛性和鲁棒性，实验表明其在解质量和收敛速度上优于传统算法。
2026-03-18 cs.NE
A Novel Metaheuristics To Solve Mixed Shop Scheduling Problems
本文提出了求解一类车间调度问题的元算法。细菌觅食优化算法结合蚁群算法的特点，提出了一种求解混合车间调度问题的自然启发式算法。混合车间调度问题是Job Shop、Flow Shop和Open Shop调度问题的结合。所有提到的车间问题的样本实例被用作测试数据，混合车间生存其计算复杂性，以最小化最大完工时间。计算结果表明，该算法比现有算法具有更好的求解性能。
2013-04-12 cs.NE
A Generalized Evolutionary Metaheuristic (GEM) Algorithm for Engineering Optimization
工程和工业设计应用中的许多优化问题可以表述为具有高度非线性目标的优化问题，受到多个复杂约束。解决这样的优化问题需要复杂的算法和优化技术。近年来的一个主要趋势是使用自然启发的MetaHeustic算法（NIMA）。尽管受自然启发的元启发式算法很受欢迎，但仍有一些具有挑战性的问题和开放的问题需要解决。目前的NIMAs的两个主要问题是：文献中有超过540种算法，没有统一的框架来理解不同算法的搜索机制。因此，本文试图分析不同的算法之间的一些异同，然后提出了一个广义进化元启发式（GEM），试图统一现有的一些算法。在简要讨论了一些见解自然启发式算法和一些开放的问题，我们提出了一个广义的进化元启发式算法，以统一20多个不同的算法，以了解他们的主要步骤和搜索机制。然后，我们使用15个测试基准测试的统一GEM，以验证其性能。最后，对进一步的研究课题进行了简要的讨论。
2024-07-02 cs.NE
Metaheuristic Optimization: Algorithm Analysis and Open Problems
元启发式算法正在成为现代优化的重要组成部分。在过去的二十年里，出现了各种各样的元启发式算法，许多元启发式算法，如粒子群优化，正变得越来越受欢迎。尽管它们很受欢迎，但对这些算法的数学分析却缺乏落后。收敛性分析仍然是未解决的大多数元启发式算法，而效率分析同样具有挑战性。本文对元分析学的收敛性和效率性研究进行了综述，并试图为元分析学的收敛性和效率性研究提供一个框架。这可以形成分析其他算法的基础。我们还列出了一些开放的问题作为进一步的研究课题。
2012-12-02 cs.NE math.OC
A novel metaheuristic method for solving constrained engineering optimization problems: Drone Squadron Optimization
几个约束优化问题已经得到充分解决，多年来由于在metabolistics领域的进步。在本文中，我们评估了一种新的自适应和自动建设性的元启发式称为无人机中队优化（DSO）在解决约束工程设计问题。本文评估DSO与死刑三个广泛测试的工程设计问题。结果表明，该方法是有竞争力的一些非常流行的元分析。
2017-08-04 cs.NE math.OC
Multi-objectivization Inspired Metaheuristics for the Sum-of-the-Parts Combinatorial Optimization Problems
多目标化是一个术语，用于描述通过多目标算法优化单目标问题的策略。本文主要研究了部分和组合优化问题的多目标化问题，包括旅行商问题、无约束二次规划问题和其他著名的组合优化问题。针对部分和组合优化问题，提出将原目标分解为两个相关性可控的子目标。在此基础上，分别提出了两种新的多目标启发式单目标优化方法：非支配搜索法和非支配利用法。非优势搜索与两个元启发式算法相结合，即迭代局部搜索和迭代禁忌搜索，而非优势利用嵌入在迭代Lin-Kernighan元启发式算法中。由此产生的元分析分别称为ILS+NDS、ITS+NDS和ILK+NDE。对TSP和UBQP问题的实证研究表明，在子目标之间具有适当的相关性的情况下，从分解后的子目标定义的非支配解中选择新的初始解时，有更多的机会跳出局部最优解。实验结果还表明，ILS+NDS，ITS+NDS和ILK+NDE在大多数测试实例上都显着优于其对应的。
2021-02-03 cs.NE
A proposed method to extract maximum possible power in the shortest time on solar PV arrays under partial shadings using metaheuristic algorithms
越来越多地使用化石燃料来生产能源正在导致环境问题。因此，它导致人类社会走向使用可再生能源，包括太阳能。近年来，最流行的获取能量的方法之一是使用光伏阵列产生太阳能。摩天大楼和不同的天气条件导致这些光伏阵列上的阴影，这导致发电量减少。各种方法，如TCT和数独模式已被提出，以提高发电的部分遮光光伏阵列，但这些方法有一些问题，如不能产生最大功率，并被设计为特定尺寸的光伏阵列。因此，我们提出了一种基于元启发式算法的方法，在尽可能短的时间内提取最大可能的功率。本文从不同的元启发式算法组中选取了五种在大多数搜索问题中具有较好结果的算法。此外，四种不同的标准着色图案用于更真实的分析。结果表明，该方法在最大发电量方面取得了比TCT排列（18.53%）和数独排列（4.93%）更好的结果。结果表明，GWO算法是在部分遮光条件下，最快达到光伏阵列最大输出功率的元启发式算法。因此，作者认为，采用元启发式算法，可以得到一个有效的，可靠的，快速的解决方案，以解决部分遮光光伏阵列问题
2019-03-15 cs.NE
An island-parallel ensemble metaheuristic algorithm for large graph coloring problems
提出岛并行集成元启发式算法PEM-Color，结合HHO、ABC和TLBO，在DIMACS大规模图实例上实现近线性加速，优于13种先进算法。
2025-04-21 cs.NE
Metaheuristic optimization of power and energy systems: underlying principles and main issues of the 'rush to heuristics'
Politecnico di Torino（都灵理工大学）
在电力和能源系统领域，包含应用元启发式算法的文献贡献逐渐增加。在许多情况下，这些应用程序的目的仅仅是提出一个现有的元启发式算法对一个特定的问题进行测试，声称所提出的方法是优于其他方法的基础上弱比较。这种“急于求成”的现象并不发生在演化计算领域，因为在进化计算领域中，建立严格比较的规则更为严格，但这是元计算的典型应用领域。本文认为，电力和能源系统的应用，并旨在提供一个全面的观点的主要问题，使用元分析的全局优化问题。一组基本原则，特点的元启发式算法。定制的元启发式算法，以适应特定问题的约束进行了讨论。在文献贡献中发现的一些弱点和陷阱被确定，并提供了具体的指导方针，就如何准备合理的贡献，应用元启发式算法的具体问题。
2020-08-17 cs.AI cs.NE
Gnowee: A Hybrid Metaheuristic Optimization Algorithm for Constrained, Black Box, Combinatorial Mixed-Integer Design
本文介绍了Gnowee，一个模块化的，基于Python的，开源的混合元启发式优化算法（可从https：//github.com/SlaybaughLab/Gnowee获得）。Gnowee是专为快速收敛到接近全局最优的解决方案，复杂的，约束的核工程问题与混合整数和组合设计向量和高成本，噪声，不连续，黑箱目标函数评估。Gnowee的混合元启发式框架是一组不同的，强大的启发式算法的新组合，在广泛的优化问题中适当地平衡多样化和集约化策略。这种新的算法是专门开发的，以优化复杂的核设计问题，激励研究的问题是设计的材料堆叠修改中子能谱，以特定的目标谱的应用在核医学，技术核法医学，核物理等，但是，有更广泛的潜在应用范围内的核社区和超越这种算法。为了证明Gnowee的各种问题类型的行为，Gnowee和几个完善的元启发式算法之间的比较，一组18个连续的，混合整数，组合基准。这些结果表明Gnowee在广泛的设计空间中具有卓越的灵活性和收敛特性。我们预计这种广泛的适用性将使该算法适用于许多复杂的工程应用。
2018-04-15 cs.NE
Pontogammarus Maeoticus Swarm Optimization: A Metaheuristic Optimization Algorithm
目前，元启发式优化算法用于在困难的搜索空间中寻找全局最优解。海洋浮游菌群优化算法（PMSO）是一种模仿水生生物的自然特性和觅食行为的元启发式算法。Pontogammarus Maeoticus，也被简称为Gammarus，是一种主要分布在伊朗里海沿岸的微小生物。在该算法中，全局最优值被建模为海边缘（海岸），Gammarus生物愿意移动到那里，以便从海浪中休息并在沙子中觅食。海浪满足勘探和觅食模式的开发。海浪的强度取决于Gammarus到海边缘的距离。随机设置作用在多个粒子上的波的角度，帮助算法不陷入局部最优。同时，粒子的邻域自适应地变化，从而使搜索过程更加有效。所提出的算法，虽然是适用于任何优化问题，实验部分遮光太阳能光伏阵列。在CEC05基准测试系统和太阳能光伏阵列上的实验表明了该优化算法的有效性。
2018-07-05 cs.NE
Exploration-Exploitation-Evaluation (EEE): A Framework for Metaheuristic Algorithms in Combinatorial Optimization
本研究提出探索-开发-评估（EEE）元启发式算法框架，含参数空间探索、优参开发、不确定性量化三阶段，经TSPLIB berlin52数据集验证，可量化ACO求解TSP的最优解发现概率。
2025-10-06 cs.NE
Memory-Driven Metaheuristics: Improving Optimization Performance
University of Zanjan（赞詹大学）
本章探讨记忆机制在元启发式算法中的重要性，分析影响其有效性的关键因素，结合知名算法剖析记忆机制的应用，强调其对优化性能的提升作用并给出未来研究方向。
2024-11-07 cs.AI cs.NE
RAG/LLM Augmented Switching Driven Polymorphic Metaheuristic Framework
University of Technology Sydney（悉尼科技大学）；Surround Australia（Surround Australia公司）
针对传统元启发式算法结构固定、需大量调参的问题，提出由实时性能反馈驱动的多态元启发式框架PMF，通过两类智能体动态切换算法，在基准测试中提升了优化效率，为自主优化框架提供了新方向。
2025-05-20 cs.AI cs.NE
Mitigating Metaphors: A Comprehensible Guide to Recent Nature-Inspired Algorithms
近年来，大量新的元启发式算法探索了生物和自然世界中不同的灵感来源。这种受自然启发的算法设计方法受到了广泛的批评。一个值得注意的问题是作者倾向于使用来自灵感领域的术语，而不是更广泛的元分析和优化领域。这使得很难理解这些算法是如何工作的，也很难理解它们与其他元算法的关系。本文试图解决这个问题，至少在一定程度上，通过提供最被引用的自然启发的算法在过去的二十年中发表的可访问的描述。它还讨论了这些算法与更经典的自然启发的元算法（如进化算法和粒子群优化）之间的共性，并讨论了该领域的未来发展方向。
2020-03-25 cs.NE
Metaheuristic approaches to the placement of suicide bomber detectors
针对自杀式炸弹探测器布置问题，提出并评估多种元启发式方法，其中爬山算法表现最佳，优于贪婪算法，并在现实场景中验证了其有效性。
2024-05-28 cs.NE
jMetalPy: a Python Framework for Multi-Objective Optimization with Metaheuristics
本文介绍了jMetalPy，一个面向对象的基于Python的多目标优化框架与元启发式技术。基于我们在著名的jMetal框架上的经验，我们开发了一个新的多目标优化软件平台，不仅旨在以不同的程序设计语言复制前一个平台，而且还利用Python的全部功能集，包括其快速原型设计功能和大量用于数据处理，数据分析，数据可视化，和高性能计算。因此，jMetalPy提供了一个解决多目标优化问题的环境，不仅关注传统的元分析，还关注支持偏好表达和动态问题的技术，以及与从生成的结果自动生成统计数据相关的丰富功能，以及由算法产生的Pareto前沿近似的实时和交互式可视化。jMetalPy还提供了对多核和集群系统中并行计算的支持。我们包括一些用例来探索jMetalPy的主要功能，并说明如何使用它。
2019-04-17 cs.NE
Performance assessment and exhaustive listing of 500+ nature inspired metaheuristic algorithms
Central South University（中南大学）；Qatar University（卡塔尔大学）；Nanyang Technological University（南洋理工大学）
元分析广泛应用于各个领域，引起了科学界和工业界的广泛关注。近年来，新的元启发式名称的数量一直在不断增长。通常，发明人将这些新算法的新颖性归因于来自生物学、人类行为、物理学或其他现象的灵感。此外，这些新的算法相比，对其他元算法的基本版本，使用经典的基准问题，没有移位/旋转，表现出竞争力的表现。在这项研究中，我们详尽地列出了500多个metabolistics。为了比较评估最近的竞争变体和新提出的元算法的性能，在CEC 2017基准测试套件上全面比较了11个新提出的元算法和4个已建立的元算法变体。此外，这些算法是否有一个搜索偏置的搜索空间的中心进行了调查。结果表明，新提出的EBCM（effective butterfly optimizer with covariance matrix adaptation）算法的性能与已有的4种元算法相当，在收敛性、多样性、探索性和开发性权衡等方面具有相似的性质和行为.所有15种算法的性能可能会由于某些变换而恶化，而4种最先进的元算法受变换的影响较小，例如将全局最优点从搜索空间的中心移开。值得注意的是，除EBCM外，其他10种主要在2019-2020年期间提出的新算法，在收敛速度和全局搜索能力方面，在CEC 2017函数上都不如表现良好的差分进化和演化策略的2017变体。
2022-12-19 cs.AI cs.NE
Parameter Tuning Strategies for Metaheuristic Methods Applied to Discrete Optimization of Structural Design
本文提出了几种策略来调整参数的元启发式方法的钢筋混凝土（RC）结构（离散）设计优化。提出了一种基于平均性能曲线下面积的效用度量方法。现实的RC结构的建模，分析和设计的过程中，导致目标函数的评估是计算非常昂贵的。为了避免昂贵的模拟，使用两种类型的代理模型。第一个是创建一个包含所有可能解决方案的数据库。第二种方法是利用基准函数建立基准函数的离散子空间，模拟实际问题的主要特征。基于两种策略对四种元算法进行参数调整。它们之间的主要区别是为进行部分评估而建立的参数控制。最简单的策略适合于调整好的“通才”方法，即，方法具有良好的性能，无论参数配置如何。另一个更昂贵，但非常适合评估任何方法。调试结果表明，生物地理优化，一个相对较新的进化算法，优于其他方法，如遗传算法或粒子群优化问题，由于其独特的方法，应用重组和变异算子。
2021-10-12 cs.NE
A Brief Overview of Physics-inspired Metaheuristic Optimization Techniques
Jadavpur University（贾达普大学）；Department of Information Technology（信息技术系）；Department of Computer Science and Engineering（计算机科学与工程系）
元启发式算法是设计用于有效地解决计算上具有挑战性的优化问题的方法。研究人员从各种自然和物理过程中获得灵感，制定了元计算方法，成功地为几项工程任务提供了接近最佳或最佳的解决方案。本章重点介绍了基于非线性物理现象的元启发式算法，这些算法具有具体的优化范式，对此类优化问题具有强大的探索和开发能力。具体来说，本章重点介绍了几种流行的基于物理的元算法，并描述了与每个算法相关的底层独特物理过程。
2022-01-30 cs.AI cs.NE
Tuning metaheuristics by sequential optimization of regression models
调优参数是将元分析应用于感兴趣的问题类的重要步骤。在这项工作中，我们提出了一个调整框架的基础上序贯优化扰动回归模型。除了提供具有良好预期性能的算法配置外，所提出的方法还可以提供对每个参数及其相互作用的相关性的见解，以及给定问题类的预期算法性能的模型，以参数值为条件。一个测试案例的六个参数的分解为基础的多目标优化算法，在该框架的实例化的调整进行比较，对最新版本的迭代赛车（Irace）程序所获得的结果。结果表明，所提出的方法返回的解决方案是一样好的Irace在平均性能方面，与提供更多的信息的相关性和每个参数对算法的预期性能的影响的优势。
2018-09-21 cs.NE
A Systematic Study on Solving Aerospace Problems Using Metaheuristics
本文基于文献系统研究了元启发式方法在航空航天优化问题中的应用，识别了最常用算法、混合方法及问题类型与算法类别的对应关系。
2024-11-04 cs.NE math.OC
Leveraging Large Language Model to Generate a Novel Metaheuristic Algorithm with CRISPE Framework
本文利用ChatGPT-3.5和CRISPE框架生成新型元启发式算法ZSO及其四个变体，通过CEC基准和工程问题验证了其在连续优化中的有效性。
2024-03-25 cs.NE
Simultaneous Optimization of Neural Network Weights and Active Nodes using Metaheuristics
神经网络（NN）的优化性能受其活动节点传递函数的影响很大。已经观察到，激活节点中的同质性不提供最佳解决方案。因此，可定制的传递函数，其基础参数进行优化，用于提供异质性的神经网络。为了实验的目的，元启发式框架使用的连接权重和传递函数参数的组合基因型表示。分析了自适应Logistic函数、正切双曲函数、高斯函数和Beta函数的性能。在目前的研究工作中，不同的传递函数和神经网络优化算法之间的简明比较。对基准数据集上获得的结果的综合分析表明，具有自适应传递函数的人工蜂群在分类精度方面优于粒子群优化和差分进化。
2017-07-06 cs.NE
DAMS: Distributed Adaptive Metaheuristic Selection
Université Lille 1（里尔第一大学）；LIFL（里尔基础信息实验室）；CNRS（法国国家科学研究中心）；INRIA Lille（法国国家信息与自动化研究所里尔分所）；Univ. Nice Sophia-Antipolis（尼斯索菲亚-安提波利斯大学）
我们提出了一个分布式的遗传算法称为DAMS专用于自适应优化在分布式环境中。给定一组元启发式算法，DAMS的目标是协调它们在分布式节点上的本地执行，以优化分布式系统的全局性能。DAMS基于三层架构，允许节点分布式地决定要传递的本地信息，以及在优化过程进行时应用的元启发式。DAMS的自适应功能首先在一个非常一般的设置。一个特定的DAMS称为SBM，然后描述和分析，从并行和自适应的角度来看。SBM是一个简单的，但有效的，自适应分布式算法，利用组件允许节点选择最好的本地观察到的性能的元启发式，和一个探索组件允许节点检测元启发式的实际最佳性能。BSM-DAMS的效率证明通过实验和与其他自适应策略（顺序和分布式）的比较。
2012-07-18 cs.AI cs.NE
Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics
AGH University of Science and Technology（AGH科技大学）；Tomas Bata University in Zlín（兹林托马斯·巴塔大学）
元优化算法是一种通用的优化算法，可以用来解决经典方法无法解决的难题。在本文中，我们的目的是构建新的社会认知元启发式的基础上种姓，并应用该算法的几个版本的时滞系统模型的优化。除了给出所提出的算法的背景和细节，我们将它们应用到优化的问题的选定的变体，并讨论结果。
2022-10-23 cs.AI cs.NE
Automated Design of Metaheuristic Algorithms: A Survey
Southern University of Science and Technology（南方科技大学）；Harbin Institute of Technology（哈尔滨工业大学）；Shaanxi Normal University（陕西师范大学）
本文综述了元启发式算法自动化设计的共同基础与代表性技术，涵盖设计空间、设计策略、性能评估策略和目标问题，旨在展示其超越人工设计的潜力。
2024-02-21 cs.LG cs.NE
Robustness and Invariance of Hybrid Metaheuristics under Objective Function Transformations
该研究通过即插即用算子混合19种先进元启发式算法，在CEC-2017套件多维度多变换下测试，证实基于差分的混合算法鲁棒性与不变性更优，经典算法性能下降明显，为现实优化任务提供算法选型依据。
2025-09-05 cs.NE
Constrained Hybrid Metaheuristic Algorithm for Probabilistic Neural Networks Learning
AGH University of Krakow（克拉科夫AGH科技大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）；Warsaw University of Technology（华沙理工大学）
针对传统方法优化概率神经网络（PNNs）的不足，提出约束混合元启发式（cHM）算法，整合多种元启发式算法分两阶段优化PNN平滑参数，在16个数据集上提升了分类性能与收敛速度。
2025-01-26 cs.AI cs.NE
Paradiseo: From a Modular Framework for Evolutionary Computation to the Automated Design of Metaheuristics ---22 Years of Paradiseo---
元启发式优化方法的成功导致了各种各样的算法范例的发展。然而，没有一种算法在所有问题上都明显优于所有竞争对手。相反，优化问题的潜在多样性需要各种算法来有效地解决它们。因此，获得成熟和灵活的软件框架是非常重要的，这些软件框架允许有效地探索算法设计空间。这样的框架应该足够灵活，以适应任何类型的元分析，并足够开放，以连接更高级别的优化，监控和评估软件。本文总结了ParadisEO框架的特性，ParadisEO框架是一个全面的C++自由软件，其目标是开发模块化元数据。ParadisEO提供了高度模块化的体系结构、大量组件、执行速度和自动化算法设计功能，这些都是现代元计算开发方法的关键。
2021-05-02 cs.MS cs.NE
Green Optimization: Energy-aware Design of Metaheuristics by Using Machine Learning Surrogates to Cope with Real Problems
Saitama University（埼玉大学）；University of Malaga（马拉加大学）
本文探讨了通过机器学习代理优化元启发式算法的能源效率，实验显示使用预训练代理可显著降低能耗、执行时间和内存使用，同时讨论了训练数据集大小和训练方式对性能的影响。
2026-02-09 cs.NE
A survey on pioneering metaheuristic algorithms between 2019 and 2024
TED University（TED大学）；Erasmus University（伊拉斯姆斯大学）
本综述考察了2019至2024年间提出的150多种新元启发式算法，基于引用、源代码、创新机制等标准评估出23种最具影响力的算法，并探讨了其高影响应用、优势、局限及未来研究方向。
2024-12-28 cs.AI cs.NE
On the Performance of Metaheuristics: A Different Perspective
Shiraz University of Technology（设拉子科技大学）
如今，我们沉浸在数十个新提出的进化和swam-intelligence元算法中，这使得很难选择一个合适的元算法应用于手头的特定优化问题。另一方面，大多数这些元哲学只不过是基本元哲学的略微修改的变体。例如，差分进化（DE）或混合蛙跳（SFL）只是遗传算法（GA）与一个专门的运营商或额外的局部搜索，分别。因此，人们想到的是，是否可以在研究其祖先的规范和特征的基础上调查这种新提出的元生态学的行为。本文对遗传算法、粒子群优化算法、人工蜂群算法、基于教学的优化算法和布谷鸟优化算法进行了综合评价研究。这使我们能够更深入地了解它们的性能，以便我们能够更好地估计所有其他变体的性能和适用性源于他们。在20个不同特性的组合优化基准函数上进行了大量的实验，结果表明，除了这些元算法的排序外，还得到了一些基本的结论：{ABC，PSO，TLBO，GA，COA}即ABC和COA分别是性能最好和最差的方法。此外，从收敛性的角度来看，PSO和ABC分别对单峰和多峰函数具有更好的收敛性，而GA和COA在许多情况下会过早收敛到局部最优，需要替代变异机制来增强多样化和全局搜索。
2020-01-24 cs.AI cs.NE
Review: Metaheuristic Search-Based Fuzzy Clustering Algorithms
Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜勒拉赫曼·本·费萨尔大学）
模糊聚类是一种著名的无监督学习方法，用于根据相似性度量在类内收集相似的数据元素。但是，聚类算法也存在一些缺点。其中的主要弱点包括，选择初始的聚类中心和适当的聚类数通常是未知的。这些弱点被认为是聚类算法中最具挑战性的任务。本文介绍了一个全面的审查元启发式搜索解决模糊聚类算法的问题。
2018-01-21 cs.LG cs.NE
Snail Homing and Mating Search Algorithm: A Novel Bio-Inspired Metaheuristic Algorithm
受蜗牛生物行为启发提出新型元启发式SHMS算法，经多类函数测试与统计检验验证其鲁棒性与探索能力更优、计算成本更低，且在管壳式换热器优化工程问题中表现优于知名同类算法。
2023-10-06 cs.NE
Water-Based Metaheuristics: How Water Dynamics Can Help Us to Solve NP-Hard Problems
Universidad Complutense de Madrid（马德里康普顿斯大学）
本文系统梳理了基于水的元启发式算法，指出其自然隐喻相似但算法机制差异显著，旨在厘清此类算法的分类与特性，为解决NP难题提供参考。
2024-01-16 cs.AI cs.NE
METAFOR: A Hybrid Metaheuristics Software Framework for Single-Objective Continuous Optimization Problems
Jožef Stefan Institute（约热夫·斯泰凡研究所）
本文提出模块化框架 METAFOR，结合 irace 自动设计融合 PSO、DE、CMA-ES 与局部搜索的混合元启发式算法，并通过17个实现验证其在连续优化问题上的优势。
2025-02-16 cs.AI cs.NE
Hybrid Metaheuristic Combining the Dragonfly Algorithm and Tabu Search for the Traveling Salesman Problem
Ecole Nationale Superieure d’Informatique (ESI)（国立高等信息学院）
提出一种混合元启发式算法，将蜻蜓算法（全局搜索）与禁忌搜索（局部搜索）结合，用于求解旅行商问题，在TSPLIB实例上相比单独算法性能提升。
2026-06-08 cs.NE
Automated Metaheuristic Algorithm Design with Autoregressive Learning
Southern University of Science and Technology（南方科技大学）；Research Institute of Trustworthy Autonomous Systems, Southern University of Science and Technology（南方科技大学可信自主系统研究院）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
本文提出基于自回归生成网络的元启发式算法自动设计方法，将算法设计建模为序列生成任务，能够生成多样结构并复用先验设计知识，在25个测试问题中的24个上超越人类设计的基线算法。
2024-05-06 cs.LG cs.NE
A general Framework for Utilizing Metaheuristic Optimization for Sustainable Unrelated Parallel Machine Scheduling: A concise overview
North-West University（西北大学）
本文从可持续发展目标视角，探讨了遗传算法等元启发式优化方法在解决非同向并行机调度问题（UPMSP）中的应用，评估其在提升资源利用、降低能耗和环境影响等方面的有效性。
2023-09-14 cs.AI cs.NE
Blindfolded Spider-man Optimization: A Single-Point Metaheuristics Suitable for Continuous and Discrete Spaces
提出蒙眼蜘蛛侠优化算法，一种基于分段线性搜索轨迹的单点元启发式方法，在连续与离散空间上均表现优异，优于多种现有单点元启发式算法。
2025-05-19 cs.NE math.OC
AutoOpt: A General Framework for Automatically Designing Metaheuristic Optimization Algorithms with Diverse Structures
Southern University of Science and Technology（南方科技大学）；Dongguan University of Technology（东莞理工学院）；Johns Hopkins University（约翰斯·霍普金斯大学）；Dyearn Technology Co. Ltd.（德恩科技有限公司）；Shaanxi Normal University（陕西师范大学）
本文提出通用框架 AutoOpt，通过通用算法原型、有向无环图表示及图嵌入方法自动设计具有多样化结构的元启发式算法，突破了固定结构的限制，实验验证了其高效性与实用性。
2025-04-07 cs.AI cs.NE
Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter Selection in Short-Term Weather Forecasting
Indian Institute of Engineering Science and Technology, Shibpur（希布尔印度工程科学技术学院）；Carnegie Mellon University（卡内基梅隆大学）；National Institute of Technology, Durgapur（杜尔加布尔国家技术学院）
本文探讨了在短期天气预报中应用遗传算法、差分进化和粒子群优化等元启发式算法，以自动化搜索深度学习模型的最优超参数，从而提高预测精度。
2023-09-05 cs.AI cs.NE
Neuromorphic-based metaheuristics: A new generation of low power, low latency and small footprint optimization algorithms
University of Lille（里尔大学）；CNRS（国家科学研究中心）；Inria（法国国家信息与自动化技术研究院）；Centrale Lille（里尔中央理工大学）；UMR 9189 CRIStAL；F-59000 Lille, France（法国里尔）；Univ. Lille（里尔大学）
本文探讨利用神经形态计算范式实现元启发式优化算法，旨在实现低功耗、低延迟和小体积，并分析其设计挑战与未来方向。
2025-05-22 cs.AI cs.NE
Space Net Optimization
National Sun Yat-sen University（国立中山大学）
提出空间网优化（SNO）算法，通过空间网机制利用所有已搜索解的信息刻画解空间景观，实验表明其在多数单目标边界约束问题上优于对比元启发式算法。
2023-05-31 cs.AI cs.NE
Boosting the Efficiency of Metaheuristics Through Opposition-Based Learning in Optimum Locating of Control Systems in Tall Buildings
University of Zanjan（赞詹大学）；University of Tabriz（大不里士大学）
本文综述对立学习在元启发式优化中的应用，通过高层建筑MR阻尼器控制系统定位案例，证明其能显著提升优化质量与速度。
2024-11-07 cs.AI cs.NE cs.SY
Study of the Fractal decomposition based metaheuristic on low-dimensional Black-Box optimization problems
Université Paris Est Créteil（巴黎东克雷泰伊大学）；Vinci autoroutes（万喜高速公路公司）
本文分析了分形分解算法（FDA）元启发式应用于低维连续优化问题的性能。该算法最初是专门开发来有效地处理高维连续优化问题，通过构建一个基于分形的搜索树，其分支因子与维数成线性比例。在这里，我们的目标是回答FDA是否对低维问题同样有效的问题。为此，我们评估了FDA在黑盒优化基准（BBOB）的2，3，5，10，20和40维的性能。实验结果表明，总体而言，目前形式的FDA表现不够好。在不同的功能组中，FDA在Misc上表现最好。中等和弱结构功能。
2022-10-16 cs.AI cs.NE
ClustOpt: A Clustering-based Approach for Representing and Visualizing the Search Dynamics of Numerical Metaheuristic Optimization Algorithms
Computer Systems Department（计算机系统部门）；Postgraduate School（研究生学院）
本文提出ClustOpt方法，通过对候选解聚类并跟踪聚类成员变化来可视化元启发式算法的搜索动态，并引入稳定性与相似性指标，在十种算法上验证了其有效性。
2025-07-03 cs.AI cs.NE
Metaheuristic Algorithms for Convolution Neural Network
Universitas Indonesia（印度尼西亚大学）；STMIK Jakarta STI&K（雅加达STMIK学院）
典型的现代优化技术通常是启发式或元启发式。该技术已成功地解决了科学、工程和工业研究领域中的一些优化问题。然而，对于一种著名的深度学习方法--卷积神经网络（CNN）的元启发式精度改进的实现策略，研究还很少。深度学习涉及一种机器学习技术，其目的是更接近人工智能的目标，即创建一种可以成功执行人类可以执行的任何智力任务的机器。在本文中，我们提出了三个流行的元启发式方法，即模拟退火，差分进化，和声搜索，优化CNN的实现策略。这些元启发式方法在优化CNN分类MNIST和CIFAR数据集的性能进行了评估和比较。此外，所提出的方法也与原始的CNN进行了比较。虽然所提出的方法显示了计算时间的增加，但其准确性也得到了提高（高达7.14%）。
2016-10-06 cs.AI cs.CV cs.NE
Metaheuristics for (Variable-Size) Mixed Optimization Problems: A Unified Taxonomy and Survey
University of Lille（里尔大学）；INRIA（法国国家信息与自动化研究所）
本文针对变规模混合变量优化问题(V)MVOPs提出统一分类法，提供数学表述与求解方法分析，填补该领域缺乏系统分类与综述的空白。
2024-01-08 cs.AI cs.DM cs.NE
Metaheuristics is All You Need
本文回顾了受自然启发的元启发式BAT算法及其变体与多领域应用，并将其用于生物统计估计问题，验证了其相较现有算法的明显优势。
2025-03-21 cs.NE stat.CO
TreeC: a method to generate interpretable energy management systems using a metaheuristic algorithm
Vrije Universiteit Brussel（布鲁塞尔自由大学）；Copernicus Institute of Sustainable Development - Utrecht University（乌得勒支大学哥白尼可持续发展研究所）
TreeC利用协方差矩阵适应进化策略生成决策树形式的可解释能源管理系统，在电网和家庭供暖案例中性能接近MPC并优于RL。
2024-11-13 cs.LG cs.NE
A New Metaheuristic Bat-Inspired Algorithm
元启发式算法如粒子群优化算法、萤火虫算法、和声搜索算法等正成为解决许多复杂最优化问题的有力工具。在本文中，我们提出了一种新的元启发式方法，蝙蝠算法，蝙蝠的回声定位行为的基础上。我们还打算结合现有算法的优点到新的蝙蝠算法。经过详细的制定和解释其实施，我们将比较所提出的算法与其他现有的算法，包括遗传算法和粒子群优化。仿真结果表明，该算法明显优于其他算法，并讨论了进一步的研究。
2010-04-23 cs.NE math.OC physics.bio-ph
A Hybrid Algorithm for Metaheuristic Optimization
Golisano College of Computing Information Sciences（戈利萨诺计算与信息科学学院）；Rochester Institute of Technology（罗切斯特理工学院）
我们提出了一种新的，灵活的算法，结合在一起的元优化非凸优化问题。我们的方法treatsconstituent优化作为一个团队的复杂代理人，在simulationprocess期间，在不同的时间间隔彼此之间的信息。由每个个体代理产生的信息可以通过更高级别的操作符以各种方式组合。在我们对keybenchmark函数的实验中，我们研究了我们的算法的性能如何随其几个关键的可修改属性而变化。最后，我们将我们提出的算法应用到分类问题中，涉及支持向量机分类器的优化。
2019-05-26 cs.AI cs.LG cs.MA
