講座內(nèi)容：多峰值優(yōu)化一直以來都是計(jì)算機(jī)科學(xué)、運(yùn)籌學(xué)等領(lǐng)域的重要難題和研究熱點(diǎn)。進(jìn)化計(jì)算（Evolutionary Computation，EC）因其無須依賴待解問題的具體數(shù)學(xué)模型特性，成為了求解復(fù)雜多峰優(yōu)化問題的重要方法。分布估計(jì)算法（Estimation of Distribution，EDA）作為一種特殊的EC算法，通過對種群中優(yōu)勢個體的分布情況建立概率模型，利用估計(jì)的概率模型進(jìn)行采樣實(shí)現(xiàn)種群的迭代進(jìn)化?；谶@種基于概率分布估計(jì)的策略，EDA具有良好的搜索多樣性維持能力，并且能通用于連續(xù)和離散的優(yōu)化空間。受EDA的啟發(fā)，本報(bào)告將介紹兩類基于概率分布估計(jì)的多峰優(yōu)化進(jìn)化算法框架：多解優(yōu)化的EDA方法，以及基于概率分布的連續(xù)-離散混合空間優(yōu)化方法。