综述：基于人群的新型元启发式优化算法系统综述：性能、应用、挑战与未来发展方向

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：A Systematic Review on Novel Population-Based Metaheuristic Optimization Algorithms: Performance, Applications, Challenges and Future Directions

　　

摘要

现实生活中的优化问题几乎存在于各个领域，这类问题通常规模庞大且结构复杂。因此，人们会使用适用于处理大规模复杂问题的元启发式算法来解决它们。随着各领域的不断发展，出现了更多更为复杂的优化问题，这也推动了新型元启发式算法的诞生。本文对近期出现的基于种群的元启发式算法进行了系统性的综述。通过分析这些算法的灵感来源、优势、学习机制、性能以及应用领域，对其进行了深入研究。同时，对这些算法在多个基准函数上的表现进行了详细分析并相互比较，还运用弗里德曼检验和威尔科克森检验等统计方法进行了分析。此外，还就这些算法的创新点、优势、性能、应用领域及面临的挑战进行了深入探讨。根据综述结果，近期最主流的算法类型为群体智能算法，占所分析算法的48%。我们发现了这类算法的显著优势，比如能够有效平衡探索与利用阶段等。通过性能分析可知，大多数新型元启发式算法的性能优于以往的算法，我们还确定了在解决基准函数问题方面表现最佳的算法。在应用领域方面，63%的应用集中在基准函数和结构工程领域，此外还涉及机器学习、电力系统、无线网络和路径规划这四个主要应用领域。同时，我们也指出了这些算法面临的一些挑战，包括难以平衡探索与利用阶段、参数敏感性、实现复杂性以及陷入局部最优解的风险。