包含跨越搜索与麦雀搜索的演化算法集成体用于处理劣势个体
神经与进化计算
2026-01-16 v1
摘要
在人工智能领域，实参数值单目标优化是重要方向。差分进化（DE）与协方差矩阵自适应进化策略（CMA-ES）在实参数值单目标优化中表现良好。然而，仍存在其他类型的演化算法。近年来，研究者开始关注长期搜索。EA4eig——由三种 DE 变体与 CMA-ES 组成的集成体——在长期搜索中表现出色。本文将两种近期提出的演化算法——跨越搜索（crisscross search）与麦雀搜索（sparrow search）——引入 EA4eig 作为次级演化算法，以处理劣势个体。得到 EA4eigCS。在我们的集成体中，次级演化算法旨在通过打破停滞来改变种群分布。实验结果表明，EA4eigCS 在性能上优于 EA4eig，并与最新算法保持竞争力。代码与补充材料可在 https://anonymous.4open.science/r/EA4eigCS-2A43 获取。
引用
@article{arxiv.2601.10263,
title = {An Ensemble of Evolutionary Algorithms With Both Crisscross Search and Sparrow Search for Processing Inferior Individuals},
author = {Mingxuan Du and Tingzhang Luo and Ziyang Wang and Chengjun Li},
journal= {arXiv preprint arXiv:2601.10263},
year = {2026}
}