【进化算法】常见单目标进化算法一览
一、进化算法是什么？
进化算法是一类借鉴自然界生物进化机制（如遗传、选择、变异、重组）的随机搜索与优化方法。它们使用种群来表示潜在解，通过模拟“自然选择”和“适者生存”来迭代寻找最优解。
二、主要的进化算法类别
以下是常见的进化算法种类：
| 类别 | 代表算法 | 特点 |
|---|---|---|
| 遗传算法（GA） | Genetic Algorithm | 基于染色体编码，采用选择、交叉、变异等操作 |
| 遗传规划（GP） | Genetic Programming | 个体是程序结构（如树），用于自动生成程序 |
| 演化策略（ES） | Evolution Strategies | 着重连续变量优化，使用高斯扰动和自适应策略参数 |
| 演化规划（EP） | Evolutionary Programming | 类似 ES，但不强调重组，适用于有限状态机演化等 |
| 差分进化（DE） | Differential Evolution | 基于向量差分进行变异操作，收敛快 |
| 粒子群优化（PSO） | Particle Swarm Optimization | 模拟鸟群觅食行为，个体有速度、位置 |
| 蚁群算法（ACO） | Ant Colony Optimization | 模拟蚂蚁信息素寻路机制，常用于路径规划 |
| 人工蜂群算法（ABC） | Artificial Bee Colony | 模拟蜜蜂采蜜行为，适合函数优化 |
| 文化算法（CA） | Cultural Algorithm | 结合个体进化和知识传承 |
| 协同进化算法（CoEA） | Cooperative Co-evolutionary Algorithm | 将问题分解为子种群协同演化 |
| 多目标进化算法（MOEA） | 如 NSGA-II, SPEA2 | 处理多目标优化问题，寻找帕累托前沿 |
三、HSPO 属于哪类？
HSPO 是将粒子群优化（PSO）与其他算法（如 GA、局部搜索、模拟退火等）结合的混合形式，因此它：
-
本质属于 群体智能优化算法（Swarm Intelligence）
-
在方法学上属于 进化计算的范畴
-
是一种 混合进化算法（Hybrid Evolutionary Algorithm）