1.摘要
进化算法依靠离散采样探索复杂搜索空间，容易遗漏有潜力的区域并陷入局部最优。论文提出深度学习辅助搜索路径重构进化策略（DLES）记录进化算子在探索阶段产生的优质个体及其适应度，用全连接神经网络学习适应度---个体位置映射，将离散探索轨迹重构为连续搜索路径，再从路径中生成潜在优质解并进行混合开发。DLES在CEC 2014、CEC 2018、CEC 2022和BBOB共95个基准问题上进行验证，整体排名优于14种代表性算法，同时保持较好的超参数稳健性，并且无需增加函数评价次数。
2. DLES方法
见个人简介