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

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

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。回声状态网络（Echo State Network, ESN）是一

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，

菲克定律算法Fick's Law Algorithm是一种新的基于物理的元启发式算法，称为菲克定律优化(FLA)，其中利用了菲克第一扩散规则。于2022年发表在SCI 一区Knowledge-Based Systems。

本期介绍了一种新型的仿生元启发式算法——。灵感来自于中华穿山甲独特的狩猎行为。该算法于在JCR2区，中科院3区SCI穿山甲对蚂蚁的捕猎行为可分为诱捕和捕食两种行为。在本节中，我们概述了开发CPO的过程，并解释了受自然启发的算法背后的结构和原理。在自然界中，穿山甲的主要捕猎方法是依靠敏锐的嗅觉来定位蚂蚁或散发香气来吸引蚂蚁。当中国穿山甲检测到较高的香气浓度时，表明它离蚂蚁更近，从而增加了成功获得食物

本期介绍了一种新的元启发式优化算法--。该算法基于增量PID算法，通过不断调整系统偏差，使整个种群收敛到最优状态。该成果于在中科院1区SCI期刊Expert Systems with Applications。采用PSA求解和6个约束问题。通过与近年来提出的7种元启发式算法的比较，验证了该算法的优化性能。Kruskal-Wallis、Holm和Friedman检验证实了PSA在统计显著性方面的优越

为了模拟浣熊🦝的自然行为，设计了一种新的优化算法——长鼻浣熊优化算法(Coati Optimization Algorithm，COA)。该成果于2022年发表在中科院1区SCI期刊《Knowledge-Based Systems》上。

本期介绍一种创新元启发式算法——投影迭代优化算法 Projection-Iterative-Methods-based Optimizer (PIMO)。PIMO是一种受投影迭代法启发的新型元启发式算法。于在JCR 1区，中科院1区 SCI投影法在约束优化中应用广泛，主要用于保证每次更新时解满足约束条件。通过这样的操作，可以避免解在优化过程中违反约束，从而导致不现实的结果。特别是在复杂约束的非线性