冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治

1.绍兴文理学院 土木工程学院，浙江 绍兴 312000

2.浙江大学 建筑与土木工程学院，杭州 310000

数学优化在求解大多数工程优化问题时受限于其可应用数学模型的苛刻条件，工程应用日益复杂的需求促进了随机优化类方法的快速发展，特别是元启发式算法（Meta-Heuristic Algorithms）这一类从自然规律中获取灵感，模仿运行机制并完成自我学习的高效计算算法，具体有群智能算法（Swarm Intelligence，SI）、进化算法（Evolutionary Algorithms，EA）等。EA中有一类经典的普适性优化方法——遗传算法（Genetic Algorithm，GA），其优化结果通常独立于问题本身，因此普遍适用于工程领域。但与此同时，该算法无法充分利用问题的特性加快其优化效率；其优化结果通常只是近似解，且需要通过适当的构造措施保证算法的收敛性，这也是元启发式算法劣势。

为克服元启发式算法收敛性差、计算效率低等问题，部分学者提出了基于各类元启发式算法的杂交算法并形成了许多有意义的研究成果。Juang[1]提出基于遗传算法与粒子群算法（Particle Swarm Optimization，PSO）的杂交算法（Genetic Algorithm and Particle Swarm Optimization，GAPSO），其中PSO 变量通过群体交互和自我交互的方式提高解的质量，GA 组织变量形成种群模拟优胜劣汰和自然繁殖等现象提高求解效率，GAPSO的提出标志着SI和EA杂交的开始、个体和群体相互作用的开始。李亚非[2]以物种的竞争和协同进化现象为指导思想设计了GAPSO，其中算法框架以协同进化思想为指导决定了杂交算法中主次分属，有助于理解杂交算法的组成结构和作用。Ghamisi[3]提出的GAPSO，以侧重并结合GA 的选择作用来减少PSO 的无效计算量。……