ty -jour a2 -sebastian au -khan，imtiaz hussain py -2014 da -2014/12/07 ti- eag和pbil对大型全球优化问题SP -182973 VL -2014 AB-分布算法（EDAS）有效地使用全局统计信息，以对后代进行采样，无视迄今为止发现的本地最佳解决方案的位置信息。带有引导突变（EAG）的进化算法结合了全局统计信息和位置信息，以采样后代，旨在改善搜索和优化过程。本文讨论了基于人群的增量学习（PBIL）的比较研究，EDA的代表以及关于大规模全球优化问题的EAG。我们实施了PBIL和EAG，以建立一个实验设置，并在该设置上进行模拟。根据解决方案质量和计算成本分析了这些算法的性能。我们发现，EAG在获得高质量的解决方案方面的表现比PBIL表现要好，但是后者在计算成本方面的表现更好。我们还将EAG和PBIL的性能与CEC’2010的获胜者MA-SW-Chains进行了比较，发现EAG的整体性能与MA-SW链相当。SN -1687-9724 UR -https：//doi.org/10.1155/2014/182973 do -10.1155/2014/2014/182973 JF-应用计算智能和软计算