本论文首次分析了基于笛卡尔遗传编程（CGP）在演化布尔函数中的运行时间界限，证明了构建n输入合取范式的期望评估次数为O(nD^5)，非严格选择则为O(nD^4)。
Duc-Cuong Dang, Roman Kalkreuth, Andre Opris
提出基于大语言模型的合作算子集演化算法IG-DOE，结合多破坏算子与自动构建，显著提升Permutation Flow Shop调度性能。
Rui Xu, Yufan Liao, Haoze Lv 等
MeEvo结合自然演化与元认知演化，通过循环交替实现自动启发式设计，显著提升复杂问题的搜索效率和稳定性。
Zishang Qiu, Xinan Chen, Rong Qu 等
提出基于边际贡献适应度的协同进化脉冲神经网络集成方法，显著提升多任务性能。
Catherine Rodriquez, James Ghawaly
提出SES，无需训练数据，通过方程残差优化，成功恢复代数与微分方程的符号解。
Sergei Garmaev, Vinay Sharma, Olga Fink
提出Hub-Aware混合搜索策略，结合预处理和Likelihood-pheromone引导LAAT，有效提升宇宙大尺度结构检测效率。
Simone Vilardi, Reynier Peletier, Felipe Contreras 等
本文提出结合GOMEA的符号回归方法GP-GOMEA与实值优化算法RV-GOMEA，实现常数与表达式结构的同时优化，显著提升精度。
Johannes Koch, Tanja Alderliesten, Peter A. N. Bosman
提出基于忆阻器的模拟突触-神经元集成的SNN加速器，能耗降低12.7倍，延迟减少1.26倍，适用于实时边缘智能。
Qianhou Qu, Sheng Lu, Liuting Shang 等
引入基于最新真实经济数据的多解集生成方法，利用先进的元启发式算法优化线性排序问题，显著提升解的多样性与质量。
Fabrizio Fagiolo, Marco Baioletti, Valentino Santucci
提出量子遗传负选择算法(QGNSA)，在Metaverse金融交易数据集上异常检测准确率提升显著。
Giancarlo P. Gamberi, Calebe P. Bianchini
研究表明，符号回归中的架构选择对目标公式的恢复至关重要，使用EML操作符进行测试。
Chakshu Gupta
结构引导扩散模型（SGDM）通过整合结构信息，实现EEG视觉重建，提升图像保真度。
Yongxiang Lian, Yueyang Cang, Pingge Hu 等
Lsys编码在神经网络进化中表现优异，食物计数达到3802，超越Matrix编码。
Alexander Stuy, Nodin Weddington
MARS模型通过并行化和跳跃连接实现了21倍训练加速和显著性能提升。
Coşku Can Horuz, Andrea Ceni, Claudio Gallicchio 等
基于相似度的投资组合在黑箱优化中通过k近邻微调实现性能提升。
Catalin-Viorel Dinu, Diederick Vermetten, Carola Doerr
结合卷积和延迟学习的递归脉冲神经网络在音频分类任务中实现了52倍推理加速和99%参数节省。
Lúcio Folly Sanches Zebendo, Eleonora Cicciarella, Michele Rossi
使用尖峰神经网络进行电源转换器健康监测的神经形态参数估计，能耗降低约270倍。
Hyeongmeen Baik, Hamed Poursiami, Maryam Parsa 等
通过模拟小鼠皮层神经发生过程，生成85个神经元的最小神经回路，经过一次训练在MNIST上准确率超90%。
Duan Zhou
cHM算法是一种通用的连续优化框架，在28个基准函数上表现优异。
Piotr A. Kowalski, Szymon Kucharczyk, Jacek Mańdziuk
大语言模型作为神经数字生态系统的语义接口和伦理中介，提出神经语言整合新范式。
Alexander V. Shenderuk-Zhidkov, Alexander E. Hramov