思维进化计算
思维进化计算(Mide Evolution Computation)MEC亦有称为思维进化算法。
思维进化计算MEC的理论依据是：人类思维进步比生物自然进化快得多，趋同与异化交替作用，比生物进化中杂交与变异的作用明显，教育的发展使得学习和知识的积累更为有效，通讯的发展使得交流逐渐便利，从而使科技发展越来越快。
两种思维模式：
趋同指的是采用现有的、他人的思维方式或方法解决问题。但可能不是完全机械地模仿别人，其中关注的角度可能有所不同、处理的方法可能有小的变化或改进，使现有的思维方式和方法更为成熟。
异化指的是摆脱常规的思维方式和方法，提出新的观点、新的思考方法、新的解决问题的途径或提出新的问题、开拓新的领域。这种与常规思维方式有明显区别的思维模式，能够对思维的进步有较大的推动。
思维进化算法的实现步骤
算法中用到的符号(Sg：子群体的规模；Ns：全局公告板优胜个体的数目；Ng：子群体的数目；Nr：被释放的子群体的数目；r：选择比例)，具体操作步骤如下：
(1)群体初始化
首先在解空间中随机产生r*Ng个个体，从中选取Ns个优胜个体作为全局公告板上的优胜个体；从中选出Ng个优胜个体，以这Ng个个体为中心，产生Ng个子群体。
(2)趋同(开采作用)
趋同并行发生在所有子群体内部，在局部环境中寻找局部最优解。对于每个未成熟的子群体，计算每个个体的得分，找出优胜个体，抽取优胜个体的信息到局部公告板，以优胜个体的信息为指导产生新的个体。重复上述操作直到子群体成熟。
(3)异化(勘探作用)
异化是发生在子群体间的一种全局竞争行为。
当某一子群体成熟后，如果该子群体的得分不差于全局公告板Ns个优胜个体中某一个个体的得分，得分最差的优胜个体将被该子群体的优胜个体替代；如果该成熟的子群体的得分差于全局公告板上任意优胜个体的得分，全局公告板的信息不变。
成熟的子群体在解空间中随机产生新的个体，形成新的子群体，参加新一轮的趋同和异化。
(4)全局收敛性判断
如果收敛，则结束；否则反复进行(2)和(3)，直到收敛。
