对组合优化问题的演化操作符与排列进行了调查和分析，使用了开源 Java 库 Chips-n-Salsa 实现并在人工适应度景观上进行了实证分析。

Nov, 2023

本文研究了适应性函数分析在排列优化问题上的理论与实践，着重探讨了距离度量问题及其分类方法，并利用主成分分析法对于度量方法进行分类，揭示出排列优化问题的分类规律及其子类型，利用其进行突变算子的选择和进化算法的优化。

Aug, 2022

该论文提出了一种将基于经典伪布尔基准问题的算法推广到排列基准问题上的方法，并对旋转置换的基准问题进行了分析，发现排列的循环结构决定了变异的难度，并提出使用更对称的 Scramble 变异操作器和重尾 Scramble 操作器来加速算法运行，并进行了实证分析。

Jul, 2022

本研究提出了将经典的伪布尔基准转化为置换集基准的一般方法，分析了置换基础 $(1+1)$EA 在 LeadingOnes 和 Jump 基准的模拟上的运行时间，旨在研究置换问题。

Apr, 2022

本论文提出了一种新的基于最短编辑路径的交叉操作符，该操作符在图结构上克服了排列问题，并在黑盒神经架构搜索中实现了比变异、标准交叉和强化学习更好的预期进展，因此允许充分利用种群搜索。新的交叉操作符可以作为黑盒神经架构搜索方法的基础理论。

Oct, 2022

我们提出了一种基于变异算法的方法，用于在 Hamilton 图中找到 Hamilton 循环。该方法基于解决非对称旅行推销员问题的已有方法，通过引入更强大的局部搜索进行优化。我们的方法还引入了一种策略，对所考虑的 Hamilton 图进行稀疏化处理，并在搜索过程中进行动态增加。这种综合的启发式方法有助于在较短时间内找到 Hamilton 循环以证明 Hamiltonicity。此外，我们还使用了最近提出的从 Hamilton 循环到对称旅行推销员问题的多项式时间归约方法，基于计算图的传递闭包。尽管我们的方法是元启发式算法，即不能给出找到 Hamilton 循环的理论保证，但我们观察到该方法在实践中成功验证了 Flinder 大学 Hamilton 循环问题挑战集（FHCPSC）中更多实例的 Hamiltonicity，即使对于具有大树宽的图形也是如此。在 FHCPSC 实例上的实验证明以及与最近的五种最先进的基准方法的计算比较表明，所提出的方法在 FHCPSC 的大多数实例中优于其他方法。

Feb, 2024

本文研究了 ATSP 中的相变现象，发现随着城市间距离精度的提高，问题的最优解成本和计算成本都会出现急剧的变化。这些结果有助于更好地生成 ATSP 问题实例。

Jun, 2011

本文研究了基于基因重组和变异的遗传算法的运行时间。研究表明，使用重尾变异率可以达到线性运行时间，并且具有与自适应版本相当的运行时间。

Apr, 2020

我们提出了一种新的 Transformer 模型 CycleFormer 用于解决旅行推销员问题 (TSP)。该模型充分考虑了 TSP 的特点，并通过将编码器输出与解码器线性层相等以及直接连接编码器的上下文向量来实现这些元素的完全融合。通过添加与 TSP 的二维特性相对应的位置编码和考虑路径循环性质的解码器的循环位置编码，CycleFormer 在从 TSP-50 到 TSP-500 范围内优于现有的 TSP Transformer 模型，尤其在 TSP-500 上，优化性差距减小了约 2.8 倍，从 3.09% 降低到 1.10%。

May, 2024

从适应度水平分区、适应度水平间的转移概率等方面，提出了一种新的证明进化算法期望运行时间下界的方法，可获得 LO、OneMax、long k-paths 以及具有唯一最优解的所有函数的确切或近似下界，并可用于决定适当的最佳变异率，从而最小化期望的适应度计算次数。

Sep, 2011