李红亚，彭昱忠，2，邓楚燕，龚道庆

LI Hongya1,PENG Yuzhong1，2,DENG Chuyan1,GONG Daoqing1

1.广西师范学院 计算机与信息工程学院 科学计算与智能信息处理广西高校重点实验室，南宁 530022

2.复旦大学 计算机科学技术学院，上海 200433

1.Key Laboratory of Scientific Computing&Intelligent Information Processing in Universities of Guangxi,School of Computer&Information Engineering,Guangxi Teacher Education University,Nanning 530022,China

2.School of Computer Science,Fudan University,Shanghai 200433,China

大规模问题的优化具有规模大、约束多、变量多、复杂和难度高等特点，传统算法短时间内求出解相对比较困难，为了提高计算精度、减少求解时间，模拟自然现象和人类智慧的智能优化算法（如模拟退火算法、神经网络算法、遗传算法、蚁群算法和粒子群算法等）被提出并逐渐成为研究热点。但是，每种智能优化算法解决问题的方式和角度各不相同，都有各自的适用域和局限性，对智能优化算法自身做的改进在算法性能方面得到了一定程度的提升，但算法缺点的解决并不彻底。为了克服使用单一智能优化算法在求解复杂问题中表现出的精度不高、易陷入局部最值、不能在全局搜索等一系列不足，算法融合的思想开始被研究和应用。融合的智能算法充分利用各种智能优化算法的互补性，取长补短，提高算法求解复杂问题的能力并取得了较好的研究效果[1]。

遗传算法（GA）和粒子群优化（PSO）算法是进化计算的两个经典的算法，从提出以来就受到各国研究者的广泛关注，这两种算法的研究和应用也取得了丰硕的成果。本文对这两种著名的进化算法进行了综合分析比较，并探讨它们能够混合的原因及意义，然后对当前国内外这两种算法的混合算法的研究现状进行分析与概述，总结两种算法混合的方式和最新的应用研究进展，最后对以后的研究重点以及发展进行展望。……