优化研究方向思维导图

优化研究方向围绕目标、约束、评价成本与环境变化等问题特征，研究搜索方法的适用条件和改进机制。

本图用于理解研究问题之间的关系；文章按所属板块存放，相关方法在正文中引用。按算法来源浏览可见算法家族思维导图；具体方法见前沿算法与框架，实验资料见基准测试与竞赛。

如何理解不同研究维度

论文特征	问题方向	方法机制
用代理模型减少带约束仿真的调用	昂贵优化、约束优化	代理模型、可行性预测
按变量组协同搜索高维解	大规模优化	协同进化、变量分组
从相关任务迁移经验来求解多个目标	多目标优化、迁移优化	知识迁移、多任务

算法名称不必成为新的研究方向。新论文先确定所解决的问题，再分析采用的机制；没有文章的方向暂留在导图中，避免产生大量空目录。

已有的多目标优化专题保留原有链接，作为这个索引的一部分。每周阅读过程见论文随笔。

分类依据

本页参考以下会议主题组织阅读维度，不照搬会议分会场作为固定目录：

• GECCO 2026：演化数值优化主题，涵盖约束、大规模、预算限制、多峰、噪声和代理模型等问题。
• GECCO 2026：研究轨道，用于对照演化多目标优化、组合优化与算法设计等主题。