多层感知器（MLP）仍然是神经网络的基础架构，因其对输入和输出之间复杂的非线性关系进行建模的能力而得到广泛认可。尽管取得了成功，但在依赖传统梯度下降优化时，MLP训练过程经常面临局部最优敏感性和过拟合等挑战。元启发式优化算法最近成为优化MLP训练的强大替代方案。

群智能优化算法可以作为很好的工具来解决许多实际问题，如特征选择、图像分割、医学诊断，经济排放调度问题，植物病害识别，工程设计，PID优化控制，设备故障诊断，机器学习模型参数整定等等。。它从逻辑上证明了不存在最适合解决所有优化问题的元启发式算法。换句话说，。显然，NFL使这一研究领域非常活跃，这导致了每年提出很多新的元启发式和改进当前方法。。本期在前期的基础上，持续更新群智能优化算法，总数突破了。这

群智能优化算法可以作为很好的工具来解决许多实际问题，如特征选择、图像分割、医学诊断，经济排放调度问题，植物病害识别，工程设计，PID优化控制，设备故障诊断，机器学习模型参数整定等等。显然，NFL使这一研究领域非常活跃，这导致了每年提出很多新的元启发式和改进当前方法。链接：https://pan.quark.cn/s/29556d4fcd1c。它从逻辑上证明了不存在最适合解决所有优化问题的元启发式算

首先研究一类非常一般的偏微分方程，用下式边界和初始状态表示1. 泊松方程Poisson equation：泊松方程是线性椭圆偏微分方程，其形式为2. Allen-Cahn方程：一个半线性抛物型偏微分方程3. 半线性Schrödinger方程：一个形式为复值的非线性双曲偏微分方程首先研究1D、2D和3D空间中的泊松方程。考虑的每一个方程都有一个解析解，可以用它来评估FEM和PINN近似的精度。通过对

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。

可用于分析一切时间序列中，如：电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等，您能想到的时间序列皆有可能。【一码解决】215种优化算法求解30个现实世界的工程设计优化问题，让你的论文增色10倍（附Python代码）仅需一行，可改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）可以不经过数据的分解或变换，直接度量数据的复杂度，用于表

相信各位小伙伴都听过物理信息神经网络（Physics-Informed Neural Networks，PINN）的大名。PINN是一种将物理定律与深度学习相结合的创新算法。它的核心思想是让神经网络在训练过程中不仅依赖数据，还遵循已知的物理规律（如微分方程、守恒定律等），从而提升模型的预测能力和泛化性。在多物理场耦合、流体力学、材料科学、地球物理、生物医学等领域大放异彩。那么，物理信息神经网络PI

群智能优化算法可以作为很好的工具来解决许多实际问题，如特征选择、图像分割、医学诊断，经济排放调度问题，植物病害识别，工程设计，PID优化控制，设备故障诊断，机器学习模型参数整定等等。显然，NFL使这一研究领域非常活跃，这导致了每年提出很多新的元启发式和改进当前方法。链接：https://pan.quark.cn/s/29556d4fcd1c。它从逻辑上证明了不存在最适合解决所有优化问题的元启发式算

2025年3月，研究者在国际机械领域顶级期刊《Mechanical Systems and Signal Processing》（JCR 1区，中科院1区 Top，IF：7.9）上以“Rating entropy and its multivariate version”为题发表科学研究成果。提出了 Rating entropy，等级熵（暂译），RaE，并将其应用于公开可用的船舶和Southeas

近年来，在合理框架内求解优化问题的元启发式算法的发展引起了全球科学界的极大关注。本期介绍一种新的创新算法——壁虎优化算法Gekko Japonicus Algorithm，GJA。该算法的灵感主要来自于壁虎的捕食策略和生存行为。通过模拟壁虎的混合运动模式、定向嗅觉引导、内隐群体优势倾向和尾巴自切机制等多种生物学行为，建立了数学模型，于在 JCR 1区，中科院3区1. 初始化：和其他群优化算法一样，