机器人系统主要通过单个或多个机器人与人类的密切合作来完成期望的任务，现在已经成为农业、工业和服务部门发展中不可或缺的一部分。在这种发展趋势下，机器人路径规划已成为机器人系统中最关键的问题之一。多机器人路径规划是一个np困难问题，它描述了在相同的工作环境中，这些机器人需要以最小的成本从它们的初始位置移动到各自的目的地，同时避免碰撞的场景。目前研究人员主要利用元启发式优化算法来解决此类问题。

本期介绍一种新的创新算法——孤行尺蠖觅食优化算法Solitary Inchworm Foraging Optimization，SIFO。该算法采用一种独特的单智能体搜索机制，对尺蠖的行为进行数学建模。开发了并行通信策略，使并行代理之间能够进行信息交换，在保证计算效率的同时提高解的质量。于在 JCR 1区，中科院1区(小区)本节提供SIFO的数学模型、算法结构和并行通信策略。1. 初始化：和其他群

机器人系统主要通过单个或多个机器人与人类的密切合作来完成期望的任务，现在已经成为农业、工业和服务部门发展中不可或缺的一部分。在这种发展趋势下，机器人路径规划已成为机器人系统中最关键的问题之一。多机器人路径规划是一个np困难问题，它描述了在相同的工作环境中，这些机器人需要以最小的成本从它们的初始位置移动到各自的目的地，同时避免碰撞的场景。目前研究人员主要利用元启发式优化算法来解决此类问题。

受最近在计算机视觉和语音识别方面的成功启发，许多研究者提出将一维时间序列数据编码为不同类型的图像，这样可以放大数据中的动态特性，更好地表征原数据。

随着工业4.0与智能制造深入推进，装备智能诊断与预测性维护正经历从自动化向自主化的关键转型。传统依赖专家经验与阈值规则的模式，已难以应对现代工业装备的复杂动态工况与高可靠性要求。以深度学习、迁移学习和物理信息神经网络为代表的新一代AI技术，正通过数据驱动与物理机理的深度融合，推动诊断范式实现从“信号感知”到“特征认知”、从“故障识别”到“寿命预测”的跨越。

本期介绍一种新的创新算法——孤行尺蠖觅食优化算法Solitary Inchworm Foraging Optimization，SIFO。该算法采用一种独特的单智能体搜索机制，对尺蠖的行为进行数学建模。开发了并行通信策略，使并行代理之间能够进行信息交换，在保证计算效率的同时提高解的质量。于在 JCR 1区，中科院1区(小区)本节提供SIFO的数学模型、算法结构和并行通信策略。1. 初始化：和其他群

人工智能作为当前最具革命性、颠覆性的技术之一，智能模型的强大性能源自于对高质量数据集的充足学习。然而，实际工程应用中，由于经济成本和人力成本的限制，获取变得极具挑战，造成了训练样本。数据增强方法为解决此类问题提供了简单但有效的思路。基于的数据增强方法，在学习复杂高维数据分布方面表现出了极其优越的性能，为解决数据问题提供了一个新视角。

介绍一种基于动物行为的创新算法——炭黑四角蜂优化算法Tetragonula carbonaria Optimization Algorithm，TGCOA。该算法灵感源于构筑独特螺旋形蜂巢的澳大利亚无刺蜂。于在JCR 1区，中科院4区 SCI炭黑四角蜂（Tetragonula carbonaria），通常被称为糖囊蜂或灌木蜂，是一种主要分布在东南亚和澳大利亚的社会昆虫。蜂房的设计和构造是其突出的特

引言蜘蛛蜂优化算法(Spider Wasp Optimizer，SWO)，该算法基于对自然界中雌性黄蜂🐝的狩猎、筑巢和交配行为的复制。该算法具有多种独特的更新策略，适用于各种具有不同勘探开发要求的优化问题。于2023年最新发表在SCI旗舰期刊《ARTIFICIAL INTELLIGENCE REVIEW》上。参考文献Abdel-Basset, M., Mohamed, R., Jameel, M

本文介绍一种新的基于足球队的训练方法的优化算法——来解决优化问题。该成果在著名的中科院1区SCI期刊Expert Systems with Applications。足球队训练算法(FTTA)是通过模拟高水平足球训练班中球员的行为来实现的。通常，一个足球训练班分为三个部分:集体训练、小组训练和个人额外训练。具体行为和公式如下：1.：训练开始时，队员们在教练员的指导下进行集体训练。将球员分为四种不同