基于达尔文进化论的进化算法在求解问题时,可将问题描述成自然界中种群的进化过程,遵循适者生存的机制,通过种群的不断进化,求得最优解或满意解。进化计算的研究较早,发展较成熟,且广泛应用于社会的各个领域。但现有的研究只注重算法的最终结果或预测结果,往往忽视了进化过程中个体之间的关系和这些关系随进化过程的变化,以及该变化关系对进化结果和收敛速度的影响。而本文主要针对这个被忽视的问题展开研究。通过研究优化过程中个体之间的变化关系抽象出进化计算形成的网络结构中蕴含的复杂网络结构,并挖掘出进化计算中的复杂网络动力学现象。随着复杂网络理论体系的不断发展和研究,基于复杂网络研究的应用越来越多。由于算法在迭代过程中,参与进化的个体总数不变,即网络结构中节点的总数不变。网络结构随着边的连接概率动态变化。网络结构的变化影响着网络动力学演化过程,而动力学的演化过程也影响网络边的动态重连,网络结构与动力学演化过程之间的动态作用称为“共同演化”过程,且受到广大科研工作者的关注。这两个看似完全不同的研究领域,复杂网络和进化计算,两者之间是否存在某种隐藏的结构关系,复杂网络动力学能否描述算法的优化过程,将成为未来研究的一大亮点。本文讨论了一个完全不同领域的相互交叉研究:进化计算中是否蕴含着复杂网络动力学现象。首先研究一般进化计算及改进算法的优化过程;然后分析优化过程中各个体之间的变化关系;再用复杂网络模型将个体之间的变化关系进行动力学过程描述,并讨论其蕴含的复杂网络结构;最后分析该变化对进化结果和收敛速度的影响,并提出算法的改进意见,提高种群的多样性。实验结果表明进化计算的优化过程可以用复杂网络动力学描述,利用复杂网络理论可有效控制并改进进化算法。本文的研究对于复杂网络的深入研究以及进化计算的改进、优化和控制等应用方面具有一定的理论意义和应用价值。