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

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

该代码一举歼灭所有群智能优化算法在cec2017测试函数的应用

现实世界中的许多工程和科学问题可以归结为优化问题，这是传统方法难以解决的问题。群智能优化算法是一种很有吸引力的算法，可以在保持计算成本合理的情况下解决优化问题。如何展现一个优化算法的性能。文献读的越多，就会发现许多SCI里有下面的那种的图。今天就分享了它们的matlab代码实现。目前，定性结果包括。：搜索历史、平均适应度曲线、第一维的曲线和最终的收敛曲线。：其公式如下：（源自中科院1区SCI文章：

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

NSGA-II和NSGA-III都是非支配排序遗传算法的变种，用于解决多目标优化问题，但它们在多个方面存在差异。

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——Logistic-Gauss Circle optimizer，LGC。该算法将Logistic映射和Gauss映射合理地结合并重新表述为Logistic-Gauss搜索（探索）；将Circle映射重新表述为Circle搜索（开发），于在 JCR1区，中科院1区SCI首先探讨LGC优化器的启

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。