上期作者推出的融合正余弦和柯西变异的麻雀优化算法，效果着实不错，今天就用它来优化一下CNN-BiLSTM。CNN-BiLSTM的流程：将训练集数据输入CNN模型中，通过CNN的卷积层和池化 层的构建，用来特征提取，再经过BiLSTM模型进行序列预测。CNN-BiLSTM模型有众多参数需要调整，包括学习率，正则化参数，神经网络层数，卷积层数，BatchSize，最大训练次数等。本文采用上一期推出的融

波搜索算法（Wave search algorithm，WSA）是一种受自然启发的群智能优化算法。受雷达技术的启发，波搜索算法（WSA）不仅首次借鉴了工程技术，进行了独特的算法设计，而且利用了待优化问题的梯度信息，并采用了多种改进的贪婪机制，使其准确、高效、灵活、适应性强。WSA算法的优越性通过使用一组丰富的测试函数进行测试，并将其与最先进和高引用算法进行比较来实验证明。最后，将WSA算法应用于六

凌日搜索算法（Transit Search，TS）是一种新型元启发式优化算法，该算法基于著名的系外行星探测方法，具有寻优能力强、进化能力强、搜索速度快的特点。该成果于2022年发表在知名SCI期刊Resultsin Control and Optimization上。目前在谷歌学术上有着很高的被引量，共被引32次。通过太空望远镜的数据库，使用凌日技术已经发现了3800多颗行星，由于凌日法在天体物.

今天的主角是：融合正余弦和柯西变异的麻雀搜索算法麻雀优化算法在麻雀算法的基础上，改进点如下：①采用折射反向学习策略初始化麻雀算法个体，基本思想是通过计算当前解的反向解来扩大搜索范围，借此找出给定问题更好的备选解；②采用正余弦策略替换原始麻雀算法的发现者位置更新公式。当发现者搜寻的食物位于局部最优时，大量的跟随者会涌入到该位置，此时发现者与整个群体停滞不前，造成种群位置多样性出现损失；③对正余弦策略

今天出一期基于CNN-SVM/LSSVM的手写数字识别。流程大致如下：①采用CNN对MNIST数据集进行分类；②采用CNN提取MNIST手写数字图片特征，然后采用SVM对提取到的特征进行分类；③采用CNN提取MNIST手写数字图片特征，然后采用LSSVM对提取到的特征进行分类；一、MNIST数据集简介关于MNIST数据集在很多图像识别的论文中都会用到，是一个很经典的数据集。MNIST手写数据集包含

本期为大家带来的是由Ouyang C等人基于麻雀搜索算法提出一种自适应螺旋飞行麻雀搜索算法(Adaptive Spiral Flying Sparrow Search Algorithm,ASFSSA)。该算法提出四种改进策略，以提高算法的收敛精度和避免陷入局部最优。参考文献：Ouyang C, Qiu Y, Zhu D. Adaptive spiral flying sparrow search

数据包含特征如下：测风塔10m风速(m/s) 、测风塔30m风速(m/s) 、测风塔50m风速(m/s) 、测风塔70m风速(m/s)、 轮毂高度风速(m/s) 、测风塔10m风向(°) 、测风塔30m风向(°) 、测风塔50m风向(°) 、测风塔70m风向(°)、 轮毂高度风向(°) 、温度(°) 、气压(hPa)、 湿度(%) 实际发电功率（mw）。最后一列是2点15的功率。因此，在CNN-B

声明：对于作者的原创代码，禁止转售倒卖，违者必究！鹈鹕优化算法(PelicanOptimizationAlgorithm,POA)是2022年由Pavel Trojovský和Mohammad Dehghani 提出的，该算法模拟了鹈鹕在狩猎过程中的自然行为。该成果于2022年发表在知名SCI期刊Sensors上。目前谷歌学术上查询被引200次。关于鹈鹕算法的具体原理公式可以查看这篇文章：智能..

声明：对于作者的原创代码，禁止转售倒卖，违者必究！关于蜣螂算法的原理网上有很多，本文就不再详细介绍，本期算法是作者在参考了网上一些文献后自行改进的，接下来直接上改进策略：①螺旋搜索策略在蜣螂优化算法(DBO)中，如果按照当前的在产卵区域内繁殖雏球，这肯定会使种群在短时间内快速收敛，但也会导致种群的多样性降低，容易使算法陷入局部最优；因此对蜣螂算法繁殖阶段的这个公式进行改进受到鲸鱼算法中头鲸种群围捕

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