The Self-Organization of Interaction Networks for Nature-Inspired Optimization
School of Information Technology and Electrical Engineering, University of New South Wales (ADFA Campus)（新南威尔士大学信息技术与工程学院（澳国防军学院校区））
在过去的十年中，在理解复杂的生物系统方面取得了重大进展，但是很少有人尝试将这些知识纳入自然启发的优化算法中。在本文中，我们提出了第一次尝试，将一些复杂的生物系统的基本结构特性，被认为是必要的先决条件，系统的质量，如鲁棒性。特别是，我们专注于两个重要的条件缺少进化算法的人口;自组织定义的局部性和相互作用上位性。我们证明，这两个功能相结合时，提供的算法行为没有观察到在典型的进化算法或进化算法与结构化人口，如细胞遗传算法。算法行为中最显著的变化是在单一种群中遗传上不同的个体可持续共存的前所未有的能力。这种持续遗传多样性的能力不是强加给种群的，而是作为系统动态的自然结果出现的。
2009-07-02 cs.AI cs.NE
Substitution of the Fittest: A Novel Approach for Mitigating Disengagement in Coevolutionary Genetic Algorithms
我们提出了适者替换（SF），一种新的技术，旨在抵消两个种群的竞争性协同进化遗传算法脱离的问题。所提出的方法是域独立的，不需要校准。在最小域中，我们对保持参与的能力和发现最佳解决方案的能力进行受控评估。结果表明，SF的解决方案发现性能与文献中的其他技术相当，而SF也提供了好处，包括更大的能力，以保持参与和更简单的机制。
2021-08-06 cs.NE
Genetic Algorithm for a class of Knapsack Problems
0/1背包问题是一个弱NP难问题，已有基于动态规划的伪多项式时间算法可以精确求解。还有一些核心分支定界算法，可以在很短的时间内解决大型随机生成的实例。然而，随着变量之间的相关性增加，问题的难度也增加了。最近D.皮辛格称之为“背包实例”。这些实例是不可解的核心分支和边界的实例，并作为系数的大小和容量约束的增加，即使是基于动态规划的算法，可解的实例是不可解的。本文提出了一种求解背包问题的遗传算法。结果表明，该算法是能够提供一个合理的计算时间内的最佳解决方案。
2019-02-15 cs.NE
Towards an Optimal Hybrid Algorithm for EV Charging Stations Placement using Quantum Annealing and Genetic Algorithms
量子退火是一种解决优化问题的启发式算法，由于D-Wave系统的成功，最近的使用量激增。本文的目的是找到一个很好的启发式解决电动汽车充电器放置（EVCP）的问题，一个问题，是非常重要的设置一个电动汽车（EV）充电器的成本和电动汽车在世界各地的预期激增。同样的问题陈述也可以推广到网格中任何实体的最佳放置，并可以探索以供进一步使用。最后，作者介绍了一种新的启发式结合量子退火和遗传算法来解决这个问题。所提出的混合方法需要种子的遗传算法与量子退火的结果。实验结果表明，该方法减少了$42.89\%$相比，香草量子退火样本EVCP数据集的兴趣点（POI）的最小距离。
2022-04-22 cs.NE quant-ph
Multi-Robot Path Planning Via Genetic Programming
Harvey Mudd College（哈维穆德学院）
本文提出了一种遗传编程（GP）的方法来解决多机器人路径规划（MRPP）的问题，在单车道的车道，特别是那些容易映射到图形表示。GP的多功能性使得这种方法能够产生针对多个属性而不是单个属性（如路径长度或完整性）进行优化的程序。当优化解决单个MRPP问题所需的时间步长时，GP构建的程序的性能优于完整的MRPP算法，即Push-Swap-Wait（PSW），通过$54.1\%$。GP构造的程序在解决不满足PSW完备性条件的问题方面也一直优于PSW。此外，GP构建的程序表现出更大的能力比PSW的机器人在MRPP环境中导航的数量增加的扩展。这项研究说明了使用遗传编程解决个别MRPP问题的好处，包括实例中的机器人的数量超过树叶的数量在树模型的工作空间。
2019-12-19 cs.NE cs.RO
Improving Air Mobility for Pre-Disaster Planning with Neural Network Accelerated Genetic Algorithm
Security and Optimization for Networked Globe Laboratory (SONG Lab), Department of Information Systems, University of Maryland, Baltimore County（安全与网络化全球实验室（SONG实验室）、信息系统系、马里兰大学巴尔的摩县分校）；Department of Computer Science, University of Colorado（计算机科学系、科罗拉多大学）；Mathematics Department and College of Aviation, Embry-Riddle Aeronautical University（数学系和航空学院、埃姆布里-里德尔航空大学）；Department of Mechanical Aerospace Engineering, New Mexico State University（机械航空航天工程系、新墨西哥州立大学）
针对灾前应急场景，提出一种神经网络加速遗传算法的优化框架，通过调整机场运营时刻表并确定最优疏散航班数量，在较小计算开销下实现了更快的收敛速度和有效的疏散规划。
2024-07-17 cs.AI cs.NE
Solving the Periodic Timetabling Problem using a Genetic Algorithm
UVHC（瓦伦西埃纳大学）；IFSTTAR（法国交通与交通安全科技研究院）
在铁路运营中，建立时间表以确定火车或其他机车车辆在铁路网络或该网络的子集内的不同车站或相关点的出发和到达时间。制定这一时间表是为了满足客运和货运的商业需求，但也必须尊重与铁路网、机车车辆和立法有关的一系列安全和能力限制。综合这些要求和限制，以及需要规划的列车和时刻表的重要数量，使得编制一个可行的时间表成为一个复杂和耗时的过程，通常需要几个月才能完成。本文解决了生成周期性时刻表的问题，这意味着所涉及的列车以循环模式运行。例如，属于同一条训练线的列车每15分钟或1小时从某个车站出发。为了解决这个问题，我们提出了一个基于约束的模型，适合于这类问题。然后，我们提出了一个遗传算法，允许快速生成可行的周期性时间表。最后，两个案例研究，第一，描述了一个子集的荷兰铁路网，第二个大部分的北加莱海峡区域铁路网，然后使用我们的算法解决这两个问题，并提出和讨论的结果。
2014-11-24 cs.AI cs.NE
A Genetic Algorithm Meta-Heuristic for a Generalized Quadratic Assignment Problem
针对广义二次分配问题这一运筹学难题，提出带最速下降局部邻域搜索的遗传算法元启发式方法，经3类算例验证，求解效果可对标MPL/CPLEX及文献最优解。
2023-10-09 cs.NE
Un Algorithme génétique pour le problème de ramassage et de livraison avec fenêtres de temps à plusieurs véhicules
PDPTW问题是一个最优车辆路径问题，它必须满足供应商和客户之间的运输要求，满足优先级、容量和时间约束。本文提出了一种遗传算法来求解带时间窗的多配送问题（m-PDPTW）。本文在简要回顾现有文献的基础上，提出了一种基于遗传算法的多路径规划问题的求解方法。
2010-10-05 cs.NE
GAAPO: Genetic Algorithmic Applied to Prompt Optimization
Biolevate
针对LLM提示词依赖手动调整的问题，提出GAAPO混合优化框架，结合遗传算法与多种提示词生成策略进化提示词，通过多数据集实验揭示自动提示词优化的关键要点，为理论与应用提供支持。
2025-04-16 cs.LG cs.NE
Multi-modal multi-objective model-based genetic programming to find multiple diverse high-quality models
可解释的人工智能（XAI）是一个重要且迅速发展的研究课题。XAI的目标是通过清晰地了解模型如何实现其预测来获得对机器学习（ML）模型的信任。遗传编程（GP）经常被认为是唯一适合于XAI的方法，因为它能够学习（小的）符号模型，这些模型有可能被解释。然而，与许多ML算法一样，GP通常会产生一个最佳模型。然而，在实践中，在训练误差方面的最佳模型可能不是由领域专家出于各种原因判断的最合适的模型，包括过拟合，存在具有相似精度的多个不同模型，以及由于典型的精度测量（如均方误差）而导致的特定数据点上的不必要的误差。因此，为了增加领域专家认为结果模型可信的机会，能够显式地搜索多个，多样化的，高质量的模型，权衡不同的准确性含义变得非常重要。在本文中，我们实现了这一点，一种新的多模态多树多目标GP方法，扩展了现代的基于模型的GP算法称为GP-GOMEA，已经有效地搜索小表达式。
2022-03-24 cs.NE
Modelling SARS-CoV-2 coevolution with genetic algorithms
2020年底，SARS-CoV-2病毒变种的出现动摇了应对SARS-CoV-2疫情的政策，影响了全球的公共卫生和政策措施。这些疑似传染性更强、更严重、甚至对抗体和疫苗具有抗药性的菌株的出现，似乎让卫生服务部门和政策制定者感到意外，他们正在努力适应新的变种限制。预测这些突变的出现以提前制定适当的政策，并了解人类行为如何通过共同进化影响病毒的进化，这是关键的挑战。在这篇文章中，我们提出了协同进化与遗传算法（GAs）作为一个可信的方法来模拟这种关系，突出其影响，潜力和挑战。由于其探索大空间的可能的解决方案，产生新颖性的能力，和自然的遗传焦点，遗传算法是相关的这个问题。我们提出了一个双GA模型，在该模型中，病毒的生存和政策措施，旨在最大限度地减少人口中的感染率，竞争性地发展。这种人工协同进化系统可能为我们提供一个实验室，可以“调试”我们目前的政策措施，找出我们目前战略的弱点，并预测病毒的进化，以提前规划相关政策。它也构成了一个决定性的机会，开发新的遗传算法能够模拟更复杂的对象。我们强调了一些结构创新的遗传算法的病毒进化的背景下，可能会带来有前途的发展演化计算，人工生命和AI。
2021-02-24 cs.MA cs.NE q-bio.PE
Charge Scheduling of an Energy Storage System under Time-of-use Pricing and a Demand Charge
一种实数编码的遗传算法用于调度能量存储系统（ESS）的充电，该能量存储系统与可再生电力一起由电力消费者操作，该电力消费者受到使用时间定价和需求收费。基于典型住宅客户的负荷和发电配置文件的仿真表明，由我们的算法调度的ESS可以降低电力成本约17%，相比没有ESS的系统，和8%相比，基于净功率的调度算法。
2014-07-11 cs.NE
Genetic Programming Hyper-Heuristics with Vehicle Collaboration for Uncertain Capacitated Arc Routing Problems
Victoria University of Wellington（惠灵顿维多利亚大学）；Warwick Business School（华威商学院）
由于其直接关系到灾后运营，抄表和城市垃圾收集，不确定的容量限制弧路由问题（UCARP）是一个重要的优化问题。随机模型是研究的关键，因为它们比确定性模型更准确地代表现实世界。虽然已经有大量的研究在解决路径问题的不确定性，很少有人考虑UCARP，没有考虑车辆之间的合作，以处理不确定性的负面影响。本文提出了一种新的解决方案的建设过程（SCP），产生解决方案UCARP在一个协作，多车辆的框架。它包括两种类型的协作活动：一种是在车辆意外消耗容量时（\emph{route failure}），另一种是在重新加注过程中。然后，我们提出了一个遗传编程超启发式（GPHH）算法来进化的路由策略内使用的协作框架。实验研究表明，新的启发式与车辆协作和GP进化的路由策略显着优于比较国家的最先进的算法在通常研究的测试问题。这在具有大量任务和车辆的情况下尤其如此。这清楚地表明了车辆协作在处理不确定环境中的优势，以及新提出的算法的有效性。
2019-11-20 cs.LG cs.NE
Generation expansion planning in the presence of wind power plants using a genetic algorithm model
电力系统规划的一个重要方面是电源扩展规划（GEP）。GEP的目的是加强建设规划，降低安装不同类型发电厂的成本。提出了一种基于遗传算法（GA）的风电场GEP优化方法。由于它是希望整合最大可能的风力发电GEP中，将不同水平的风能发电的约束条件进行了全面的研究。这将允许在网络中获得最大合理的风力穿透量。此外，由于存在不同的风况，强，弱风对GEP的渗透进行了评估。结果表明，最大限度地利用风力发电容量可以增加更强大的风况的开发。考虑到风电产业的发展和风电场建设成本的降低，研究了GEP对风电场建设成本变化的敏感性。结果进一步表明，对于10%的风力发电厂的初始投资成本减少，所提出的模型估计，总成本将被最小化。
2020-07-07 cs.CE cs.NE eess.SP
Multi-agricultural Machinery Collaborative Task Assignment Based on Improved Genetic Hybrid Optimization Algorithm
针对大规模农机作业调度滞后与效率低问题，提出融合模拟退火、遗传算法及自适应交叉、2-Opt等算子的混合优化方法，实验证明其能降低路径成本并优于经典遗传算法。
2023-12-07 cs.IR cs.NE
Hybrid Beamforming for RIS-Aided Communications: Fitness Landscape Analysis and Niching Genetic Algorithm
针对RIS辅助通信中混合波束成形优化易陷局部最优的问题，通过适应度景观分析明确其多峰结构，提出融合最近优聚类与最小物种规模的小生境遗传算法，显著提升大规模RIS场景下的通信容量。
2021-09-19 cs.NE
Automated Optimal Layout Generator for Animal Shelters: A framework based on Genetic Algorithm, TOPSIS and Graph Theory
本文提出一种基于遗传算法、TOPSIS和图论的多准则优化框架，用于自动生成动物收容所笼舍布局，以最大化容量、降低狗舍噪音紧张感并保障可达性，为管理提供灵活的决策支持。
2024-05-29 cs.NE
Cost Optimization in Production Line Using Genetic Algorithm
Department of Mechatronics, School of Intelligent Systems College of Interdisciplinary Science and Technology（机械电子系、智能系统学院交叉科学与技术学院）
本文提出基于遗传算法的生产线上最优任务调度方法，通过对比两种编码策略，验证了基于任务的编码在复杂约束下的有效性。
2026-01-02 cs.LG cs.NE
Fairness-Oriented Semi-Chaotic Genetic Algorithm-Based Channel Assignment Technique for Nodes Starvation Problem in Wireless Mesh Network
多无线电多信道无线网状网络（WMN）已经成为一种可扩展、可靠和灵活的无线网络，支持多种类型的创新技术，如物联网（IoT）和车载网络。由于正交信道的数量有限，信道之间的干扰不利地影响了网格客户端之间的带宽的公平分配，导致节点在带宽不足方面的饥饿，这阻碍了采用WMN作为一种有效的接入技术。因此，一个公平的信道分配是至关重要的网格客户端利用可用的资源。然而，由于不公平的信道分配的节点饥饿问题已被大大忽略了现有的研究在信道分配。相反，现有的信道分配算法要么减少总网络干扰，要么最大化总网络吞吐量，既不能保证公平分配的信道，也不能消除节点饥饿。为此，针对无线Mesh网络中节点饥饿问题，提出了一种基于公平性的半混沌遗传算法的信道分配技术（FA-SCGA-CAA）。FA-SCGA-CAA采用改进的遗传算法对多准则公平性进行优化。修改包括提出一种半混沌技术，用于创建具有强大基因的主染色体。这样的染色体被用来创建一个强大的群体，以有效和高效的方式将搜索引向全局最小值。其结果是一个非线性的公平导向的适应度函数，旨在最大限度地提高链路的公平性，同时最小化链路干扰。与相关工作的比较表明，提出的FA_SCGA_CAA减少了22%的潜在节点饥饿，提高了23%的网络容量利用率。
2020-06-17 cs.NE cs.NI
Probability Estimation and Scheduling Optimization for Battery Swap Stations via LRU-Enhanced Genetic Algorithm and Dual-Factor Decision System
针对换电站数据集有限、成本高及需求波动问题，本研究基于充电桩数据构建9个换电需求数据集，提出LRU增强遗传算法（含引导搜索），并构建双因素决策调度系统，优化效果显著且数据开源。
2025-05-01 cs.NE
A Fast Heuristic for Gateway Location in Wireless Backhaul of 5G Ultra-Dense Networks
Carleton University（卡尔顿大学）
在5G超密集网络中，分布式无线回程是将流量转发到核心的有吸引力的解决方案。宏小区覆盖区域被划分为许多小小区。其中一些单元被指定为网关，并通过高容量光纤链路与核心相连。每个小小区与一个网关相关联，并且所有小小区通过多跳网状网络将它们的业务转发到它们各自的网关。我们调查的网关位置的问题，发现接近最佳的网关位置提高了回程网络的容量。一个精确的p-中位数整数线性规划制定我们的新的K-GA启发式，结合了遗传算法（GA）与K-均值聚类找到接近最佳的网关位置进行比较。我们比较KGA的性能与其他六种方法在不同的节点密度的平均跳数和回程网络容量，通过广泛的蒙特卡罗模拟。所有方法都在各种用户分布场景中进行了测试，包括均匀分布，二元高斯分布和聚类分布。在所有情况下，K-GA都能提供接近最优的结果，平均跳数和回程网络容量在最优值的2%以内，同时平均节省95%的执行时间。
2021-02-22 cs.AI cs.LG cs.NE
HypoEvolve: Genetic Algorithms Enable Multi-Agent LLMs to Discover Scientific Hypotheses
University of California San Diego（加州大学圣迭戈分校）；Texas A&M University（德克萨斯A&M大学）；Carnegie Mellon University（卡内基梅隆大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
HypoEvolve利用代际遗传算法协调多个大语言模型智能体协作，通过明确种群更新规则，在药物重定位的34种癌症类型评估中超越六种基线，提升假说质量。
2026-09-15 cs.CE cs.CL cs.MA
Computational design of organic solar cell active layer through genetic algorithm
有机太阳能电池的活性层微结构对效率至关重要。通过研究有机太阳能电池微结构的光伏特性，可以提高太阳能电池的效率。采用基于图形的微结构模型来近似给定微结构的太阳能电池的效率，该效率以短路电流测量。通过基于概率图的优化，一类微结构被发现的效率超过了更传统的形态。这些优化的太阳能电池超过了更传统的光伏器件的效率，因为它们更好地促进了电荷传输、产生和解离。设计了一种装置，其具有来自具有目前认为的最佳形态的太阳能电池的短路电流增加40.29%。所设计的形貌特征为供体材料聚（3-己基噻吩-2，5-二基）（P3 HT）和受体材料苯基-C61-丁酸甲酯（PCBM）的两个树枝状簇。所设计的微结构在性能上的增加与更传统的结构形成对比，所述结构具有P3 HT和PCBM的交叉或双层股线。通过基于图的演化改变微结构形态，获得了效率显著高于传统有机太阳能电池的有机太阳能电池，证明了基于图的微结构模型在材料科学模拟中的有效性，并推进了廉价，高效的可再生能源形式的愿景。
2019-10-28 cond-mat.mtrl-sci cs.NE
Hybrid evolutionary algorithm with extreme machine learning fitness function evaluation for two-stage capacitated facility location problem
本文考虑了两阶段容量受限的设施定位问题（TSCFLP），其中工厂生产的产品通过仓库交付给客户。满足客户需求的前提是有限的工厂生产和有限的仓库储存能力。目标是确定工厂和仓库的位置，以使总成本（包括固定成本和运输成本）最小。提出了一种结合遗传操作和局部搜索的混合进化算法。为了避免在计算时间方面昂贵的群体适应度计算，HEA使用极端机器学习来近似大多数个体的适应度。此外，根据问题的特征，采用两种启发式算法来生成良好的初始种群。从最近的文献中的两组测试实例进行计算实验。该算法的性能进行了评估和分析。与现有的遗传算法相比，该算法可以在合理的计算时间内找到最优解或近似最优解。
2016-05-22 cs.NE math.OC
