生物仿生算法的大量涌现：批判与改进需求综述
神经与进化计算
2025-09-17 v4 机器学习
摘要
生物仿生算法利用演化、群体行为、觅食和植物生长等自然过程，以解决复杂的、非线性的、高维的优化问题。然而，这些算法中有许多需要在实际应用前进行更严格的审查。本综述将这些算法分为八个类别：进化、群体智能、物理仿生、生态系统与植物基、捕食者-猎物、神经仿生、人类仿生以及混合方法，并审阅其原理、优势、新颖性及关键局限。我们对许多算法的新颖性问题进行了批判。我们展示了这些算法在机器学习、工程设计、生物信息学和智能系统中一些合适的应用，并强调近期在混合化、参数调优和自适应策略方面的最新进展。最后，我们确定了如规模性、收敛性、可靠性和可解释性等开放挑战，以建议未来研究的方向。这项工作旨在为对理解当前生物仿生算法的现状及其可靠和真实发展方向感兴趣的研究人员和实践者提供资源。
引用
@article{arxiv.2506.04238,
title = {A Review on Influx of Bio-Inspired Algorithms: Critique and Improvement Needs},
author = {Shriyank Somvanshi and Md Monzurul Islam and Syed Aaqib Javed and Gaurab Chhetri and Kazi Sifatul Islam and Tausif Islam Chowdhury and Sazzad Bin Bashar Polock and Anandi Dutta and Subasish Das},
journal= {arXiv preprint arXiv:2506.04238},
year = {2025}
}