关于多种群并行遗传算法的整理

参考资料
Research on Adaptive Genetic Algorithm Based on multi-population Elite Selection Strategy
本文提出了一种基于多种群精英选择策略的自适应遗传算法。多群体精英选择策略用于保持每个群体的最佳个体。最后，这些最优个体形成一个群体，然后使用改进的自适应遗传算法完成求解。通过对TSP问题测试集的仿真实验比较，证明了基于多种群精英选择策略的自适应遗传算法具有较好的全局优化能力，是解决路径优化问题的有效方法。

改进：
改进的遗传算法主要解了进化过程中的交叉和突变概率自适应问题
分成两个阶段：第一阶段用固定的交叉/突变概率参数，第二阶段是用自适应的参数
多种群体现在？？
这篇文章多种群体现在哪？？？

自适应的多种群并行遗传算法研究
典型的遗传算法本质上是一种并行的随机搜索策略, 它不能对进化方向做出正确的感知和预测。文章定义了一 个可以感知进化方向和衡量进化速度的指标, 指导遗传算子做出自适应的调整。结合并行计算和多种群进化思想, 提出 了“带环多种群模型”, 并构造了一种自适应的多种群并行遗传算法。实验结果表明, 该算法可以有效地引导和控制进化 方向, 克服过早收敛现象, 提高搜索效率。

Path Planning of Mobile Robots Based on a Multi-Population Migration Genetic Algorithm
提出了基于标准遗传算法的MPMGA算法。MPMGA随机地将一个大种群划分为几个数量相同的小种群。MPMGA通过对不同的小群体赋予不同的函数，成功地使普通群体中的优质个体上升为优质群体，使优质群体中的劣等个体下降为普通群体，并对不同群体中的个体进行随机交换。如图1所示，初始种群被随机分为种群A-C。在评估了不同个体的适应度后，根据适应度，我们可以完成个体在不同群体之间的上升、下沉、交流等迁移操作。然后我们执行交叉和变异操作。进化结束后，就可以得到最优的个体。通过对最优个体进行二次优化，得到二次优化个体。