时间序列预测领域，正在经历一场不亚于当年 "GPT 时刻" 的范式转移 —— 大语言模型正在以前所未有的速度杀入这个传统地盘。将大模型引入时序预测，最经典的三个代表作你不可错过：• 第一篇代表作： NeurIPS 2023 Spotlight 的FPT（One Fits All）—— 直接把 GPT-2 的预训练 block 冻住，加个轻量适配器，一个模型通吃预测、分类、异常检测等多种时序任务，M

K均值（K-means）是一种常用的聚类算法，用于将数据集划分为K个不同的组（簇），使得每个数据点属于与其最近的均值点所代表的簇。K均值算法的基本思想是通过迭代优化，将数据点分配到K个簇中，并调整簇的均值（中心）以最小化簇内数据点与对应中心点之间的距离。K均值算法的步骤如下①初始化：随机选择K个初始中心点（可以是数据集中的任意数据点）作为各个簇的中心。②分配数据点：对于每个数据点，计算其与各个中心

野马优化算法（Wild Horse Optimizer,WHO）是一种新型群智能优化算法，来源于野马种群的生活行为，具有进化能力强、搜索速度快、寻优能力强的特点。该成果于2021年发表在知名SCI期刊Engineering with computer上，目前在谷歌学术上被引率高达220次。WHO是由野马的社会生活行为的启发，马通常生活在群体中，包括一匹公马和几匹母马和马驹。马有许多行为，如吃草、追

樽海鞘优化算法（Salp Swarm Algorithm，SSA）是一种新型群智能优化算法，该算法模拟了樽海鞘在海洋中航行和觅食时的群集行为，具有进化能力强、搜索速度快、寻优能力强的特点。该成果于2017年发表在知名SCI期刊Advancesin engineering software上。目前在谷歌学术上有着很高的被引量，共被引3812次。多数时期里多个樽海鞘聚集后形成长链，由此组成的樽海鞘链.

鸽群优化算法（pigeon-inspired optimization, PIO）是一种新型群智能优化算法，该算法是根据家鸽自主归巢行为而提出的优化算法，具有搜索速度快、进化能力强、寻优能力强等特点。该成果于2014年发表在知名SCI期刊《Internationaljournal of intelligent computing and cybernetics》上。目前在谷歌学术上有着很高的被引.

蜣螂优化算法（Dung beetle optimizer，DBO）是一种新型群智能优化算法，该算法是受蜣螂滚球、跳舞、觅食、偷窃和繁殖行为启发而提出的，具有进化能力强、搜索速度快、寻优能力强的特点。该成果于2022年发表在知名SCI期刊THEJOURNAL OF SUPERCOMPUTING上。目前谷歌学术上查询被引102次。DBO算法通过滚球、跳舞、觅食、偷窃和繁殖的过程，五个主要操作模拟了蜣.

“本篇文章对粒子群优化算法进行改进，首先通过引入混沌映射机制，对其群体进行初始化，增加粒子群个体的多样性；然后在粒子群个体的位置更新公式上引入改进的莱维飞行机制，提高搜索精度，帮助粒子群个体跳出局部最优。”可以选择1-10不同的映射，1-10分别为，tent、Logistic、Cubic、chebyshev、Piecewise、sinusoidal、Sine,ICMIC, Circle,Bern.

黏菌算法是2020年提出的一种智能优化算反，主要模拟的是自然界中多头绒泡菌在不同食物浓度下的觅食行为以及状态变化。黏菌主要分泌酶来消化食物，黏菌的前端延伸成扇形，后端由相互连接的静脉网络包围。环境中不同浓度的食物影响着黏菌静脉网络中细胞质的流动，从而形成黏菌觅食的不同状态。

LCA的核心机制聚焦于肿瘤在寻找最有利生存环境时所表现出的适应性与侵袭性行为，算法通过演化搜索策略再现肝癌细胞在器官中逐步扩张并主导空间的动态机制，其数学建模确保了算法在解空间内的全局探索能力与局部开采能力之间的高效平衡。为确定肿瘤的体积，我们采用一种基于数学模型的计算方法，假设肿瘤呈半椭球形，该形态已在包括肝癌在内的多种癌症中被观察到。在LCA算法的该阶段中，其设计灵感源自真实肿瘤的扩散过程，假

在CBSO算法的最终阶段，两条随机路径会辅助最优路径，根据迄今已测试过的路径信息，选择一条在发送银行与接收银行之间具有更高交易速度的路径。由于金融银行系统中可能存在系统故障，尤其是在连接两个银行用于执行交易的选定路径中，任意一个处于这两家银行之间的银行都有可能引发系统崩溃，从而导致系统功能紊乱，这种情况是不可取的。在该优化算法中，系统崩溃的概率被假定为20%。CBSO算法的第三阶段利用其开发能力，