提出了改進的SPEA，這是一種多目標進化算法。
針對一類協同進化算法給出其二進制編碼有限羣體模型。
基於人工免疫聚類機制和免疫進化算法，提出了一種新型的設計RBF網絡的混合算法。
本文研究了一種求解連續變量空間全局優化的進化算法，基於分片二維搜尋的修正微分進化算法。
採用非固定多段映*罰函數法處理問題的約束條件，提出了一種用改進差分進化算法求解非線*約束優化問題的新方法。
遺傳算法和免疫算法是進化算法中應用非常多的兩種算法。
在基本差分進化算法中，融入遞增二次函數交叉算子以增加算法的收斂速度。
提出一種無圈有向圖條件下的多目標最短路徑進化算法。
本文基於費用函數最小化方法，提出一種混合併行量子進化算法用於文字圖像的邊緣檢測。
蟻羣算法是一種新穎的仿生進化算法。
將其改進後用於相機標定，提出了分步法與改進的差分進化算法相結合的相機標定方法。
遺傳算法(以及普遍意義上的進化算法)出現在20世紀60年代早期，並在計算機科學的確定*和非確定*算法之間佔據了一席之位。
進化算法。生物的進化過程中，起決定*作用的有三個要素，即變異、選擇以及複製。這三個要素相組合，則成爲一種進化算法，即VSR算法。進化VSR算法的結果就是適應能力。如果進化的積累*選擇過程的時間足夠長，就能產生出令人特別吃驚的適應能力來。以人類的眼睛爲例，起初的時候，很可能就只是一個簡單的感光細胞，或者是一種光接收器似的器官。在若干百萬年的漫長曆程中，設計草圖的每次改進，儘管並不顯著，都會被保留下來並且遺傳下去——因爲即使只將視野擴大百分之一，那麼在這個處處存在着危險的世界裏，也是很有益處的。經過許多中間階段之後，最終產生了複雜的昆蟲複眼和脊椎動物透鏡似的眼睛。總之，只有注意到了進化機制的所有三個要素，才能理解複雜器官的進化。
算例表明將家族優生學進化算法應用於無功優化，取得了良好的效果。
將文化差分進化算法用於訓練補償模糊神經網絡，建立乙烯精餾塔產品質量軟測量模型。
進化算法和反向傳播被用於神經網絡的訓練。
透過該方法，相應的進化算法可以利用油品調合問題的活躍約束條件資訊，從而達到提高進化算法求解油品調合問題的搜尋效率和避免局部最優解的目的。
提出了基於極大極小距離密度的多目標微分進化算法。
本文將進化算法引入飛機排班問題，研究並實現了基於離散型粒子羣算法的飛機排班系統。
其主要思想爲:設計有效的進化算法對水平集不斷進化，最終求出全局最優解。
針對基本差分進化算法早熟收斂的缺陷，提出了一種基於密度聚類的小生境差分進化算法。
爲此，結合差分進化算法，提出了一種改進的差分加速遺傳算法。
