介绍一下遗传算法，进化计算，最优化方面的期刊和网站之类 ...
目前主要的进化算法主要包括：遗传算法，群智能算法（粒子群算法，蚁群算法，蜂群算法等），模拟退火算法，量子进化算法、文化算法等。这类算法的收敛性很难从数学上证明，但在测试复杂多态函数有较好的效果。进化算法领域的期刊：
1.IEEE Transactions on Evolutionary Computation
2.Conference on Genetic and Evolutionary Computation
3.IEEE Congress on Evolutionary Computation
4.Swarm and Evolutionary Computation
5.Evolutionary Computation
6.International Conference on Applications of Evolutionary Computation
7.European Conference on Evolutionary Computation in Combinatorial Optimization
进化算法领域的一些大牛人物：
1，Kuk-Hyun Han （量子进化算法领域）个人网站：
http://www.khhan.com/index.html2，J Kennedy，
Maurice Clerc （粒子群算法领域）
3，Deb（NSGA-II）、Coello Coello，（多目标算法领域）
一些个人常用的网站：
1，Kanpur Genetic Algorithms Laboratory ：
http://www.iitk.ac.in/kangal/index.shtml2，多目标测试函数：
http://www.cs.cinvestav.mx/~emoobook/
3，常用测试函数：
http://www-optima.amp.i.kyoto-u.ac.jp/member/student/hedar/Hedar_files/TestGO.htm
（基本上论文中的测试函数都能在2,3中找到）
4，MATLAB PSO Research Toolbox ：
http://www.georgeevers.org/pso_research_toolbox.htm5，粒子群算法中（经典版本代码可以下载到）：
http://particleswarm.info/
6，几种经典多目标优化算法（MOEA/D、NSGA-II、PESA-II、SPEA2、MOPSO）的Matlab代码下载：
Multiobjective Optimization Archives
7，EMOO Webpage（算是EMOO资料汇总）：
EMOO Home Page
8，Qing fu Zhang 提出的基于decomposition的框架的MOEA-D，
MOEA/D Homepage
以上都是个人平时用到的，先想到这些，希望能对你有帮助！难免有错误之处，也欢迎更多的同学继续添加！ 目前主要的进化算法主要包括：遗传算法，群智能算法（粒子群算法，蚁群算法，蜂群算法等），模拟退火算法，量子进化算法、文化算法等。这类算法的收敛性很难从数学上证明，但在测试复杂多态函数有较好的效果。
进化算法领域的期刊：
1.IEEE Transactions on Evolutionary Computation
2.Conference on Genetic and Evolutionary Computation
3.IEEE Congress on Evolutionary Computation
4.Swarm and Evolutionary Computation
5.Evolutionary Computation
6.International Conference on Applications of Evolutionary Computation
7.European Conference on Evolutionary Computation in Combinatorial Optimization
进化算法领域的一些大牛人物：
1，Kuk-Hyun Han （量子进化算法领域）个人网站：
http://www.khhan.com/index.html2，J Kennedy，
Maurice Clerc （粒子群算法领域）
3，Deb（NSGA-II）、Coello Coello，（多目标算法领域）
一些个人常用的网站：
1，Kanpur Genetic Algorithms Laboratory ：
http://www.iitk.ac.in/kangal/index.shtml2，多目标测试函数：
http://www.cs.cinvestav.mx/~emoobook/
3，常用测试函数：
http://www-optima.amp.i.kyoto-u.ac.jp/member/student/hedar/Hedar_files/TestGO.htm
（基本上论文中的测试函数都能在2,3中找到）
4，MATLAB PSO Research Toolbox ：
http://www.georgeevers.org/pso_research_toolbox.htm5，粒子群算法中（经典版本代码可以下载到）：
http://particleswarm.info/
6，几种经典多目标优化算法（MOEA/D、NSGA-II、PESA-II、SPEA2、MOPSO）的Matlab代码下载：
Multiobjective Optimization Archives
7，EMOO Webpage（算是EMOO资料汇总）：
EMOO Home Page
8，Qing fu Zhang 提出的基于decomposition的框架的MOEA-D，
MOEA/D Homepage
以上都是个人平时用到的，先想到这些，希望能对你有帮助！难免有错误之处，也欢迎更多的同学继续添加！ 首先进化计算是包含了遗传算法，然后最优化一般指的是数学优化或者运筹学方面的内容，所以下面可以分为进化计算和数学优化两个方面介绍。
进化计算
1 IEEE Transactions on Evolutionary Computation，进化计算顶级期刊，它是绝对的top 1，对创新性的要求极为苛刻。
2 IEEE Transactions on Cybernetics，进化计算顶级期刊，和top 1有点差距，本期刊除了发表进化算法领域的文章还有一些和控制相关的内容也在本期刊发表。近几年来该期刊的影响因子也是非常非常高。
3 Evolutionary Computation，进化计算顶级期刊，和IEEE Transactions on Cybernetics不相上下，也许因为不属于IEEE Transactions系列，名气没有前两位那么大。
4 Swarm and Evolutionary Computation，进化计算顶级期刊，不过该期刊主要是发一些综述性的论文。
5 Applied Soft Computing，Information Sciences 这两个期刊也有很多进化计算的好论文，不过和前面几个期刊比还是有点差距。
数学优化（最优化）
1 Management Science (MS)，Operations Research (OR)，运筹学领域顶级期刊
2 Production and Operations Management（POM）
3 Mathematical Programming
4 European Journal of Operational Research (EJOR)，运筹学领域顶级期刊，和前几个期刊有差距。
运筹学领域是一个比较大的范畴，比较好的期刊还有 International Journal of Production Economics (IJPE), International Journal of Production Research (IJPR)，Omega：International Journal of Management Science，SIAM Journal on Optimization，Journal of Optimization Theory and Application，Transportation Science
这些期刊不一定都比前面单列的那几个差，每个小的子领域都有不同的评价，这里就不一一去点评了。
个人感觉做优化的，无论是传统的运筹学还是进化计算的都需要多了解一些机器学习的东西，所以我推荐多关注一些优化和机器学习互相结合的前沿的研究，例如 NIPS 2018 机器学习的顶级会议有很多优化和机器学习结合的东西，我之前还写过一些 NIPS 2018论文的解读也是关于多目标优化和多任务学习的结合的一篇很有趣的文章，参考我的回答： NIPS 2018 有什么值得关注的亮点？
之前也科普过目前进化计算的前沿的发展趋势，也比较了数学优化和进化计算各自的优缺点。
文雨之：【学界】数据+进化算法=数据驱动进化优化？进化计算PK 数学优化 遗传算法代码推荐
[*]Genetic Algorithms Toolbox 由Sheffield大学推出的经典遗传算法Matlab工具箱
[*]Geatpy 使用Python语言构建的高性能实用型进化算法工具箱
[*]PlatEMO MATLAB Code Download，安徽大学负责的多目标优化进化算法比赛测试平台,包含70多种多目标优化的进化算法，测试函数，指标，遗传操作算子。使用的是Matlab语言。满分推荐速度又快，还有友好的界面。不熟悉matlab面对对象编程的还可以参考学习。BIMK/PlatEMO github上更新更快更稳定。
[*]jMetal/jMetal 如果对matlab不熟悉有使用Java语言实现的多目标优化算法，测试函数，和常见指标。
[*]Pagmo＆Pygmo采用C++和python编写启发式算法和进化算法库，主要特点是速度快。
[*]MOEA Framework, a Java library for multiobjective evolutionary algorithms一个免费的Java库用于开发和测试多目标进化算法和其他通用的单目标和多目标算法。包含有遗传算法，差分进化，粒子群优化，遗传规划，NSGA-II,NGSA-II,IBEA,MOEA/D等。
[*]White-Chen/MOEA-Benchmark 多目标优化问题和动态多目标优化问题Matlab实现
[*]https://emoo.cs.cinvestav.mx/software.php 由个人和团体开发的有关进化计算的相关程序，包含各种程序语言，内容丰富但是比较杂乱。
[*]http://yarpiz.com/包含启发式、多目标算法、文化算法、机器学习、模糊系统以及相应的应用有关的独立matlab程序，每个算法都是一个单独程序，方便哪些只使用一种算法的人。
有关遗传算法，多目标优化问题的期刊和会议推荐
[*]多目标进化算法有关的期刊推荐一家就够了那就是IEEE Transactions on Evolutionary ComputationIEEE Transactions on Evolutionary Computation
[*]会议主要是看一下PPT，里面的图很直观，也很有条理，有IEEE举办的2019 IEEE Congress on Evolutionary Computation还有Springer主办的两年一次International Conference on Evolutionary Multi-Criterion Optimization和ACM(国际计算机学会)主办的GECCOhttp://gecco-2019.sigevo.org/index.html/HomePage
两块儿吧
[*]IEEE Transactions on Evolutionary Computation
这个所谓的顶刊，
在这个领域每天都能发现新的动物，楼上有人提到Seyedali Mirjalili，他自己写的文章就给可爱的动物们做了不少总结，引用数最近一直飙升，Grey Wolf/Whale Optimization Algorithm/Moth Flame Algorithm等等一系列换汤不换药的算法，类似的人和类似的方法还有很多，为了避免看到很多不必要的小动物算法。
我的建议是你直接看比较权威的期刊就比如TEVC，虽然有时候这期刊也有点一言难尽，但是被引用数欺骗的概率终究会更小些。
2. CEC的benchmark
每年都有类似的比赛，比如Multitasking，Large Scale Optimization；
有位也说了，你很难说A方法比B方法更好，你也没办法归结state-of-the-art，这个领域的这一点缺陷导致了投稿人和审稿人双方都非常尴尬的状况，comparative study没法儿做，你写一个改进的ACO，审稿人会问你algorithm choice需要写的再清楚一点，投稿人会觉得，wtf我怎么给你choice，我怎么知道我为什么要用这种算法，然后就开始用各种global/local/convergence云云打太极拳，然后就是各种技巧譬如多目标，超多目标，各种交配方法各种archive各种莫名其妙缺乏证明依赖于实验的设计。
当一个方法没办法证明其有效性的时候，只能依赖的数据集的时候，你好歹要有一个统一的数据集吧，ok，CEC的benchmark上不错的方法给你的欺骗性相对来说也会更小一些，比如SHADE。
P.S. CMA-ES
有人提到了CMA-ES，至少我用到现在觉得都还阔以，在不少应用中都可以取得非常不错的效果，另外NES(Natural Evolution Strategy)也不错。
<hr/>经过半年的学习之后，我的想法可能有一些变化... ...
进化算法有很多子领域，进化策略，多目标/超多目标优化，多峰优化，代理模型，还有近来如火如荼的多任务优化，和起死回生的NAS/NEAT/Neuro Evolution，（那些各种实际问题的应用可能也算吧，但可能因为使用门槛比较低，应用有点多，我总是看不太进去也学不到太多东西在这些文章里）。但是本质来讲，这些方法的进展可能并没有那么迅猛，因此不排除即使是一些顶级期刊也只是在写八股文的现状（看多了就知道... ...就不po上来了），因此很多时候，我大张旗鼓地阅读一些论文所收获的也只是一种实验的直觉罢了，人在江湖身不由己，但这样下去总觉得不是个办法。
不过最近发现了很多非国人的小组写的文章，整个水准都相对来说高一些（可能单纯是生存压力没那么大？如果觉得没道理可以辩论...莫喷... ...），观察了一些他们引用的文章，似乎大都来自于PPSN，GECCO以及MIT Press的Evolutionary Computation期刊，这里的文章通常相对而言会更新颖，而且受国内职称压力的影响相对较小，文章的投稿环境也好审稿环境也好可能也会更干净一些。我们的小组也开始打算多在这几个会议和期刊里试试手，一方面多做相关会议期刊的阅读，另一方面至少能够收到有足够价值的审稿意见。
希望进化算法领域的小伙伴们能早日突破瓶颈，尽早做出真实的有意义的工作，不负硕博的名义吧。 @邵胖胖 老板亲自推荐回答，还是得赞一下。
补充一些网站：Seyedali Mirjalili，最近发现的一个大牛
Maoguo Gong&#x27;s publications，国内进化算法界的一位大牛
Dr Carlos Coello&#x27;s Home page，多目标粒子群鼻祖
jMetal Web site，多目标进化算法Java框架 补充一个Taoo没有说的，但我个人觉得最重要的进化算法:协方差矩阵自适应进化策略。英文缩写是CMA-ES。这个算法性能绝对上乘，而且有一定的数学说服力，和概率分布有关。在机器人学方面遇到难以建模的优化问题时，这个算法用的较多。缺点是较慢，全是矩阵运算，不过我觉得能够用gpu来优化一下速度。
第二个还算有点数学基础的应该是差分进化了，不过好像已经被调参调得面目全非了。
我强烈怀疑这个领域的很多算法的泛化能力，就是应用到现实问题时的普遍效果。因为这个领域都是对着固定的一个数据集调参优化。比如说a算法在某公认数据集上比b算法好，但如果在更大的更一般性的数据集，比如说各个领域的优化问题上，可能a和b不存在显著性差异。甚至因为a算法对于那固定的数据集“过拟合”了，在一般问题中表现更糟糕。这样的a算法就不应该被发表。这个领域就是太多这种蛋疼的文章了。 天牛须搜索也是一个很不错的新型进化算法天牛须搜索算法（BAS），2017年刚刚提出的算法，核心代码只有4行，只需要单个体（单个天牛）进行运算，效率特别高，是目前已知的唯一一个可以在8位单片机上实现的进化算法。
有兴趣额请参考天牛须搜索算法https://zhuanlan.zhihu.com/p/30742461也可以加入qq群437958608一起研究 仅对进化计算（或称演化计算）的理论（指的是通过严密数学推导，得出演化算法求解问题所需要的函数评估次数的相关研究）领域进行部分介绍（以下仅代表个人观点）。
期刊：
[*]Evolutionary Computation和IEEE Transactions on Evolutionary Computation. 这两个期刊之前的回答大多提到过，为演化算法大类的顶级刊物，自然也是演化计算理论领域的顶级刊物。
[*]Theoretical Computer Science和Algorithmica. 这两个刊物为CCF推荐期刊中“计算机科学理论”分类下的B类期刊，虽然影响因子低（不到1似乎，个人感觉一方面是做理论的人本来就少，另一方面做应用的人可能除了少数一般可能不怎么看理论的文章（可能是理论需要建立在严密的数学推导上，所以问题会相对简单或有假设，距离实际问题较远；也可能理论文章看懂的成本高？）），但是是高质量的传统计算机理论期刊。做演化计算理论分析的文章不少会发表在这两个期刊上。个人感觉，难度上不亚于前两个期刊。
会议：
[*]GECCO. ACM SIGEVO组织的演化算法旗舰会议，个人感觉应该是目前演化理论方向最好的会议。里面有不少演化计算理论的好文章，也有关于演化理论的教程。比如GECCO2021中演化理论的教程中的一些：A Gentle Introduction to Theory (for Non-Theoreticians)、Runtime Analysis of Evolutionary Algorithms: Basic Introduction、Evolutionary Submodular Optimisation等等。
[*]FOGA和PPSN. 这两个会议一个奇数年开一个偶数年开。FOGA更偏向于理论分析，虽然不在CCF列表上，但是经常会有不错的文章。PPSN面向更广。
小结：理论领域比较小众，所以主要算是补充下之前答案漏掉的Theoretical Computer Science、Algorithmica和FOGA吧。 最优化里面一个重要方向是数学优化，不同于进化计算方法，数学优化领域研究的问题通常有以下几个特征
[*]针对特定而清晰的数学模型，一种算法通常只对一类问题有用
[*]可解释的算法
[*]相对完整的理论分析，典型特征就是文章必带定理证明（有的期刊文章数值实验可以没有，定理必须得有。。。MP，JOTA，MOOR较多这种文章）
以上几条只是通常印象，不绝对
下面罗列一些历史悠久且数学优化圈内口碑还行的期刊，按出版社做了个分类，绝大多数都没发过，不敢妄评了
Springer
[*]Mathematical Programming，小领域精品
[*]EURO Journal on Computational Optimization
[*]Mathemathical Methods in Operations Research
[*]OR Spektrum
[*]Annals of Operations Research
[*]Journal of Combinatorial Optimization
[*]Computational Optimization and Applications
[*]Journal of Optimization Theory and Applications
[*]Journal of Global Optimization
[*]Optimization and Engineering
[*]Journal of the Operations Research Society of China 中国运筹学会会刊，列表中最年轻的期刊，13年创刊，暂未被SCI收录，未来可期
SIAM
这两个都是精品
[*]SIAM Journal on Optimization
[*]SIAM Journal on Control and Optimization
Informs
[*]Mathematics of Operations Research，小领域精品，以前见到这期刊被奇怪的归入中科院四区
[*]Operations Research
[*]INFORMS Journal on Computing
Taylor & Francis
[*]Optimization Methods and Software
[*]Optimization
[*]IISE Transactions
每个期刊有各自倾向的细分小方向，数学优化小方向分类可参考
运筹学（Operations Research）与数据科学（Data Science）有什么联系？
页:
[1]
2