1、A GPU accelerated G.NETic Algorithm for the Construction of Hadamard Matrices
Andras Balogh, Raven Ruiz
這篇論文使用遺傳算法來構建Hadamard矩陣。 生成隨機矩陣的初始群體是除第一列全部是+1以外，每列中都是平衡數量的+1和-1項。 通過實現了多個適應度函數并進行篩選，找到了最有效的適應度函數。交叉過程是通過交換父矩陣種群的列來生成子代矩陣種群。突變過程為在隨機列中翻轉+1和-1條目對。為了加快計算速度，使用CuPy庫在GPU上并行處理數千個矩陣和矩陣操作。
2、Cosmic Inflation and Genetic Algorithms
Steven Abel, Andrei Constantin, Thomas R. Harvey, Andre Lukas
這是一篇關于粒子物理學和遺傳算法結合的論文，我個人的理解是通過遺傳算法來構造宇宙膨脹的模型，這里面專業屬于很多，所以貼下論文的摘要吧：
Large classes of standard single-field slow-roll inflationary models consistent with the required number of e-folds, the current bounds on the spectral index of scalar perturbations, the tensor-to-scalar ratio, and the scale of inflation can be efficiently constructed using genetic algorithms. The setup is modular and can be easily adapted to include further phenomenological constraints. A semi-comprehensive search for sextic polynomial potentials results in roughly O(300,000) viable models for inflation. The analysis of this dataset reveals a preference for models with a tensor-to-scalar ratio in the range 0.0001 < r < 0.0004. We also consider potentials that involve cosine and exponential terms. In the last part we explore more complex methods of search relying on reinforcement learning and genetic programming. While reinforcement learning proves more difficult to use in this context, the genetic programming Approach has the potential to uncover a multitude of viable inflationary models with new functional forms.
3、Genetic algorithms for the resource-constrained project scheduling problem in aircraft heavy maintenance
Kusol Pimapunsri, Darawan Weeranant, Andreas Riel
由于飛機健康管理（AHM）中的活動是相互關聯并且都是大型的操作導致飛機維修停機時間很長，許多航空公司不得對這種大量的時間進行提前的規劃。AHM中的調度問題被認為是一個np難問題。使用現有算法可能是耗時的，甚至在有些情況下會產生問題。所以這篇論文提出了用于解決AHM中資源約束項目調度問題（RCPSP）的遺傳算法。這項研究的目的是盡量縮短維修計劃的完工時間。該算法采用5條啟發式調度規則，以活動列表的形式生成初始種群，采用RCPSP最早開始時間(EST)和工作組最早開始時間(WEST)的資源分配方法對適應度值進行評估。
在選擇過程中采用了elitist 法和roulette 法。然后通過交叉和突變操作迭代改進活動列表序列。結果表明，該算法在計算時間和資源分配方面優于現有算法
4、Quantum vs classical genetic algorithms: A numerical comparison shows faster convergence
Rubén Ibarrondo, Giancarlo Gatti, Mikel Sanz
遺傳算法是受達爾文進化論啟發的啟發式優化技術。量子計算是利用量子資源加快信息處理速度的一種新的計算范式。因此，通過引入量子自由度來探索遺傳算法性能的潛在提高可能是未來的一個研究方向。按照這一思路，一種模塊化量子遺傳算法最近被提出來，它將個體編碼在獨立寄存器中，該寄存器包含可交換的量子子程序[arXiv:2203.15039]。這篇論文對量子遺傳算法和經典遺傳算法進行了數值比較，有興趣的可以看看該論文。
https://avoid.overfit.cn/post/fc347012fbab44b1b48e201d367221a5
