🧬 进化计算

分布估计算法 (EDA) 利用对有前途解的概率模型进行学习和采样，取代了传统遗传算法中的交叉和变异算子。我的博士论文和早期研究致力于 EDA 的理论和实践基础，包括其在不同类型问题上的行为以及对算法所学习模型的分析。

我是专著 Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation (Springer, 2002) 的合著者，并通过论文发表、教程讲授以及在 GECCO、CEC、PPSN 等会议上组织专题研讨，为该领域做出了广泛贡献。

研究用于连续优化问题的 EDA，包括基于高斯分布的模型、多变量概率分布以及基于 Copula 的连续 EDA。应用于地热发电厂的参数优化及其他工程问题。

旨在理解 EDA 学习内容的研究：分析 EDA 使用的概率模型、模型中捕获的信息，以及这些信息如何与适应度景观的结构相关联。

开发用于自动设计神经网络架构的进化算法。研究如何高效地表征、评估和进化架构，包括减少搜索空间而不牺牲表达能力的因子分解表示法。

研究生成对抗网络 (GAN) 和变分自编码器 (VAE) 的进化优化，包括分析可迁移 GAN 与梯度优化器之间的相互作用。

利用神经元覆盖度度量作为目标，指导用于半监督分类的神经进化算法。将注重多样性的进化搜索与受神经科学启发的覆盖度标准相结合。

研究用于符号回归和函数学习的遗传编程方法。探讨遗传编程如何从数据中自动发现紧凑且可解释的数学表达式。

为《进化机器学习手册》(Handbook of Evolutionary Machine Learning) 撰写关于无监督学习 EML 的章节，涵盖聚类、降维和生成建模的进化方法。

研究包括 NSGA-II、MOEA/D 及其应用在内的多目标优化进化算法。对用于连续多目标强化学习问题的 MOEA 进行性能评测。

关于利用神经进化信息的研究（巴斯克语）：通过学习过去来构建更高效的未来。发表于 IkerGazte 2025。

• Santana R, McKay RI and Lozano JA (2013). Symmetry in evolutionary and estimation of distribution algorithms. IEEE TEVC.
• Santana R and Lozano JA (2017). Different scenarios for survival analysis of evolutionary algorithms. Swarm and Evolutionary Computation.
• Garciarena U and Santana R (2016). Evolutionary Optimization of Compiler Flag Selection by Learning and Exploiting Flags Interactions. GECCO 2016.
• Garciarena U, Marti L and Santana R (2021). On the Exploitation of Neuroevolutionary Information: Analyzing the Past for a More Efficient Future. CEC 2021.
• Garciarena U, Marti L and Santana R (2020). Envisioning the Benefits of Back-Drive in Evolutionary Algorithms. CEC 2020.
• Santana R, Mendiburu A and Lozano JA (2016). Evolutionary Approaches to Optimization Problems in Chimera Topologies. GECCO 2016.
• Picek S, Jakobovic D and Santana R (2016). Maximal nonlinearity in balanced boolean functions with even number of inputs, revisited. CEC 2016.
• Larrañaga P, Karshenas H, Bielza C and Santana R (2012). A review on probabilistic graphical models in evolutionary computation. JMLR Workshop.
• Larrañaga P, Karshenas H, Bielza C and Santana R (2013). A Review on Evolutionary Algorithms in Bayesian Network Learning and Inference Tasks. International Journal of Approximate Reasoning.
• Ponce-de-Leon M, Ponce M and Santana R (1996). A genetic algorithm for a Hamiltonian path problem. GECCO 1996.