- 使用遗传算法模拟进化
通过优化遗传算法，模拟物种在环境中的进化与自然选择，研究物种间相互作用，预测未来的变化，寻找生物进化的途径及其应用。
- AutoQML：使用遗传算法在灰度图像上自动生成和训练鲁棒的量子启发式分类器
本研究提出了一个新的混合系统，通过使用多目标遗传算法，自动生成和训练基于量子启发式分类器来处理灰度图像。通过定义动态适应性函数来确保所提出的技术具有通用性和鲁棒性，我们能够在视觉数据集上获得最小电路和最高精度，同时在量子电路和图像降维方法之 - 使用密集视频字幕和人物对象交互检测可疑活动的 SAVCHOI 系统
提出了一种利用人 - 物交互模型来检测和总结监控视频中可疑活动的新方法，使用基于双模变换器中的视觉特征的方法修改了现有方法，并将其与现有的最先进的算法进行了比较，发现该方法在密集字幕表现方面优于其他方法，并最终使用遗传算法找出不同 NMS - Python 中的进化计算工具包 EC-KitY，具备无缝机器学习集成
EC-KitY 是一个用于进行 Python 进化计算的综合计算机库，支持流行的进化计算范例，包括遗传算法，遗传编程，共演进，进化多目标优化等，并可与 scikit-learn 兼容，本文简要概述了该包的主要特点与架构，并将其与其他库进行了 - 从单目标问题到多目标问题的关键知识学习：KAB2S 方法
本文提出了一种新的进化计算研究方法 —— 进化传递优化（ETO），通过这种方法能够实现有关经验和已解决问题中的知识的零重用范式的克服，同时在离散情况下解决多目标优化问题遇到单目标优化问题。关键的就业知识，如基于遗传算法的位置构建模块，可以通 - 进化回音状态网络：傅里叶空间中的演化储层
本文提出了一种基于基因算法进行底层储备计算的正弦储备网络模型，该模型能够对经典 ESN 进行维度约简转换，以便更好地利用大型反馈结构的优势并避免梯度下降训练方法的问题。实验结果表明，该方法在混沌系统和真实世界数据方面具有较好的性能。
- 基于纵向数据的模糊认知地图个性化自动生成
通过使用遗传算法，为每个代理创建模糊认知图 (Fuzzy Cognitive Maps)，从而实现对行为异质性的模拟，研究以营养干预为例子，证实了该方法可以生成和真实人类相似的异质代理人口并跟踪其发展轨迹。
- 多目标优化在交通网络设计问题中的作用
通过基于遗传算法的多目标和单目标方法，以及公共交通系统中自动收费数据为基础，设计一种能够动态适应城市交通变化、减少线路数量和改善乘客通勤体验的交通网络设计问题优化方案。
- 当代符号回归方法及其相对性能
本文提出了一种开源、可重现的基准测试平台，对 14 种符号回归方法和 7 种机器学习方法以 252 个回归问题评估，发现真实数据集的最佳表现方法结合了遗传算法和参数估计和 / 或语义搜索驱动程序，而在噪声存在下找到精确方程的能力，深度学习和 - KDD数据投毒通过偏依赖误导
该论文研究了预测模型可解释性的方法，发现 Partial Dependence (plots, profiles, PDP) 等方法并不可靠，易受到对抗攻击，本文提出使用基因算法等方法对这些解释方式进行攻击，并警告这种攻击在金融和医学等领域 - AAAIEvolving CNN 拓扑结构的两个新性能改进
本文介绍了两种新方法，通过直接在训练时间上实现正则化和使用部分训练来尽早评估个体架构，有效地减少了复杂性和训练时间，从而生产出有效地 CNN 拓扑结构，提高图像识别准确率，开销减少达 20%。这两种方法均经 CIFAR10 基准数据集验证以 - BOSS: 基于字符串空间的贝叶斯优化
本文提出一种基于贝叶斯优化（BO）的方法，直接处理原始字符串，并首次在 BO 循环中使用字符串核和遗传算法。该方法建立在基于字符串核的强大高斯过程替代模型上，并具有自然支持可变长度输入的能力，并针对在语法限制下进行有效的获得函数最大化。实验 - AAAI近端蒸馏进化强化学习
本文提出一种新的算法 Proximal Distilled Evolutionary Reinforcement Learning (PDERL)，通过对深度神经网络进行基于学习的变异操作，弥补了简单遗传编码的缺陷，优于 Evolution - 深度進化神經反饋與離散世界模型
通过遗传算法，同一物体的不同部分可以被联合训练，得到与分开训练相媲美的性能，该研究进一步证明了深度神经进化在复杂异构体系结构下的有效性。
- 利用遗传算法自动设计卷积神经网络架构进行图像分类
本文提出一种使用遗传算法进行卷积神经网络 (CNNs) 自动架构设计的方法，无需领域知识，可有效解决图像分类任务，实验证明该方法在分类准确性、参数数量和计算资源消耗方面优于现有的自动 CNN 架构设计算法。
- 寻找黄金激活函数
本文介绍了深度神经网络在不同领域的应用，探讨了激活函数选择的重要性及其优化方法，提出了两个新的激活函数 ELiSH 和 HardELiSH，并使用基于遗传算法的方法在三个图像分类基准测试中得到了比传统基线更好的效果。
- 基于神经网络的水处理系统异常检测及自动架构优化
利用安全水处理工业控制系统测试数据集继续发展基于神经网络的异常检测方法，并提出应用遗传算法来寻找最佳神经网络结构，使用 NAB 值评估不同结构的质量，以及引入了多种技术来改进 AD 的质量，包括指数加权平滑、均值 p - 次方误差度量、每个 - GenAttack：基于梯度自由优化的实用黑盒攻击
这篇论文提出了 GenAttack—— 一种基于遗传算法的无梯度黑盒对抗攻击优化技术，在 MNIST、CIFAR-10 和 ImageNet 数据集上成功地生成了对抗性样本，攻击了最新的图像识别模型，且所需的查询量比之前的攻击方法少了几个数 - 黑盒音频系统的有针对性对抗样本
本文采用进化算法和梯度估计两种方法， 结合黑盒攻击策略（不知道模型结构和参数）实现对语音自动识别系统的针对性攻击， 最终在保持音频文件相似度为 94.6% 的前提下，实现了 89.25% 的针对性攻击相似度。
- 作为一种演化服务的切片：5G 网络中基因优化的切片资源管理
本文利用遗传算法编码切片策略，提出一种无先验知识的在线优化器，以最大化长期网络效用，具有良好的有效性、鲁棒性和可扩展性，以解决第五代移动通信网络下服务提供商与利益相关者之间的资源管理挑战。