Apr, 2017
自适应变异率 (1+$λ$) 进化算法
The (1+$λ$) Evolutionary Algorithm with Self-Adjusting Mutation Rate
Benjamin Doerr, Christian Gießen, Carsten Witt, Jing Yang
TL;DR介绍了一种自适应算法来动态调节种群进化算法的变异率；研究表明这种机制可以更快地优化 OneMax 测试函数，提高了优化效果。
Abstract
We propose a new way to self-adjust the mutation rate in population-based
evolutionary algorithms in discrete search spaces. Roughly speaking, it
consists of creating half the offspring with a →
发现论文，激发创造
自适应变异率的运行时分析
本文提出了一个自适应版本的 (1,λ) 进化算法，并进行了严格的运行时间分析。结果表明，进化计算中的自适应可以在飞行中找到复杂的最优参数设置。同时，它证明了 Doerr、Gie?en、Witt 和 Yang~(GECCO~2017) 提出的相对复杂的自适应性变异率调整方案可以用我们简单的内生性方案代替。
Nov, 2018
自适应进化算法在多峰优化上的应用
该研究提出了一种名为停滞检测的机制，可用作现有进化算法的模块，通过在多模式优化和自适应机制的探索中对其进行实验以及在限制方面研究其模块的潜在影响，验证了该模块的性能。
Apr, 2020
适度数量的种群可证明具有强健的抗噪性
基于数学运行时间分析，该研究表明在具有先前的比特噪声的情况下，(1+λ) 和 (1,λ) 进化算法都可以容忍恒定的噪声概率而不增加 OneMax 基准测试的渐近运行时间。
Apr, 2024
较大的后代种群有助于 $(1 + (λ, λ))$ 遗传算法克服噪声
研究一种遗传算法对于评估函数中噪声的鲁棒性，特别地，较大的后代人口规模通常会带来更强的鲁棒性。实验结果表明，该算法比其他算法更具有鲁棒性。
May, 2023
通过群体精英选择实现有效的突变率适应
本文提出了一个名为 Group Elite Selection of Mutation Rates (GESMR) 的算法，使用协同进化技术来解决自适应设计中的变异率问题，实现更好的进化性能。通过广泛的测试优化问题，以及高维度的神经进化学习任务，该算法表现出了卓越的收敛速度和更好的最优解决方案。
Apr, 2022
随机可满足 3-CNF 公式上 $(1+(λ,λ))$ 遗传算法的运行时分析
本研究对于遗传算法在随机 3-SAT 问题上的运行时间进行了严格的分析，并针对较弱的适应性 - 距离相似性提出了解决方案。研究结果表明，引入一个上限可以避免种群大小过大而导致的问题，并证明了该算法可以有效地解决组合搜索和优化问题。
Apr, 2017