进化算法目前已经在最优化、机器学习和并行处理等领域得到了越来越广泛的应用。计算机科学家也会撰写这方面了论文，为此在这里给大家分享：进化算法相关文献8篇。
范文一：多目标进化算法性能评价指标研究综述
摘要：多目标进化算法根据性能评价指标衡量其优劣,主要从算法所求解集的质量、算法求解效率以及算法鲁棒性三方面来评价,并侧重于解集的质量,现有的相关工作缺乏对评价指标数学性质的分析。本文将评价指标按性能标准分为四类:计数指标、收敛性指标、多样性指标、综合性指标,其中计数指标统计符合指标要求的解个数或比例,收敛性指标衡量解集与参考集的贴近程度,多样性指标衡量解集分布的均匀程度与求解极端值的能力……
范文二：基于智能进化算法的DDoS攻击检测防御研究
摘要：为了减少分布式拒绝服务攻击(DDoS),将蚂蚱优化算法(GOA)与机器学习算法结合使用,通过创建入侵检测系统(IDS)来满足监控环境的要求,并能够区分正常和攻击流量。所设计的基于GOA的IDS技术(GOIDS)能够从原始IDS数据集中选择最相关的特征来帮助区分典型的低速DDoS攻击,然后将选择的特征传递给支持向量机(SVM)、决策树(DT)、朴素贝叶斯(NB)和多层感知器(MLP)等分类器来识别攻击类型。利用KDD Cup 99和CIC-IDS 2017公开数据集作为实验数据,仿真结果表明,基于决策树的GOIDS具有较高的检测率和较低的假阳性率。
范文三：基于多目标进化算法的列车碰撞能量配置方案优化
摘要：为了研究列车碰撞过程中钩缓装置阻抗力对列车碰撞能量吸收的影响，建立了列车纵向碰撞动力学模型。以最大平均加速度、最大瞬时加速度、车体最大塑性变形量为优化目标，以编组内不同车钩的阻抗力为优化参数，通过NSGA-Ⅱ算法得到最优解集合。建立针对优化目标的综合评价体系，并依照评价体系选取最优解。以某列车为优化对象，相较于原配置，最优配置的最大平均加速度下降22.19%，最大瞬时加速度下降23.99%，最大塑性变形增加0.2579 m。对两者加速度及界面力响应比较后发现，最优配置的碰撞加速度有所下降，其原因在于车辆两端界面力差值较小。随后根据优化结果提出了车钩阻抗力配置方法，在列车碰撞能量配置方面具有广泛的适用性。
范文四：约束进化算法及其应用研究综述
摘要：约束优化问题广泛存在于科学研究和工程实践中,其对应的约束优化进化算法也成为了进化领域的重要研究方向。约束优化进化算法的本质问题是如何有效地利用不可行解和可行解的信息,平衡目标函数和约束条件,使得算法更加高效。
范文五：一种应用动态区域划分的多种群异构进化算法
摘要：研究通过多种群进化算法进行优化的过程,并利用云模型理论以及进化算法困难度二个指标进行评价,构建得到一种可以实现动态区域分类的多种群进化算法。从CEC2015函数库内选择5个函数作为测试对象再对各算法进行了性能猜测试,以DD-MEA算法对算法各项性能指标进行了测试。
范文六：一种基于邻域改进的分解多目标进化算法
摘要：基于分解的多目标进化算法(MOEA/D)是将多目标优化问题分解为若干个简单子问题进行并行求解的方法.然而M OEA/D对不同子问题均采用固定邻域求解,这不利于算法在邻域范围内选择到合适的解替换更新.针对此问题,本文提出一种新的调整邻域大小分配的分解多目标进化算法,以平衡算法的收敛性和多样性.该算法根据子问题距离中心区域的偏离程度,动态调整选择邻域和替换邻域大小……
范文七：一种动态协同进化算法求解双边顺序相依拆卸线平衡问题
摘要：针对大型产品在双边拆卸线进行作业时,零部件之间存在拆卸干扰的情形,构建双边顺序相依拆卸线平衡问题优化模型,并提出一种动态协同进化算法。所提算法设计了一维正负整数排列编码方法,可将任务间先后关系及任务所在操作方位同时有效表示,编码简单易于实现;采用动态邻域深度搜索策略,提高局部搜索质量;引入后天学习算子,加快个体进化速度;通过种群间相互交流,提升下一代种群质量。最后,通过算例验证所提算法具有良好的寻优性能。
范文八：基于分解和支配关系的超多目标进化算法
摘要：近年来,超多目标优化问题(MaOPs)成为了进化计算领域的研究热点。然而,在处理各种优化问题中,如何有效地平衡收敛性和多样性仍是一个难题。为了解决上述的问题,该文提出了一种基于分解和支配关系的超多目标进化算法(DdrEA)。
延伸阅读知识：进化算法相关论文发表期刊
