本文提出了一种基于人工鱼群算法的新型算法，通过平衡局部和全局搜索以及改进聚类问题的收敛速度来提高标准 AFSA 的性能，并将其与该领域的一些先进技术进行了比较，结果表明该技术的优越性。
May, 2015
提出了一种新的受鱼群启发的自适应方法，用于群体逃生的群体机器人，通过吸引和排斥力结合生成无碰撞逃生机器人轨迹的生物启发式神经网络。模拟和实验结果表明，与鱼类逃避机动类似，该群体机器人能够集体离开威胁，所提出的方法在系统性能的效果和效率以及复杂环境中的灵活性和鲁棒性方面能够显著提高。
Feb, 2024
本文提出了一种解决各种优化问题的基于数学模型的分析框架，可以确定被提出的 PSO 算法的超参数值，以获得更高效的收敛性和更低的 AFFV。
Feb, 2023
本篇论文提出了一种基于粒子群优化算法的寻路策略，研究了不同 PSO 参数对算法性能的影响，证明 PSO 算法能够在具有障碍物的空间中提供一条解决方案路径。
Dec, 2021
应用投影模拟和强化学习方法研究了人工智能智能体在收集资源过程中不同集体运动模式和个体运动趋势
Apr, 2020
本研究提出了基于鹅的行为的 GOOSE 算法作为一种新颖的元启发式算法，并通过与其他算法进行比较研究，验证了该算法在各种基准测试函数和实际工程问题优化中的卓越性能。
Jul, 2023
本文提出了一种基于粒子群优化（PSO）技术来优化本地机器学习模型超参数设置的 FL 环境的方法，结果表明与基于网格搜寻方法相比，PSO 提供了深度 LSTM 模型调优的高效方法。
Sep, 2020
应用竞争性带突变主体的自然启发元启发式算法（CSO-MA），在统计科学的各种优化问题中展示其灵活性和相对于竞争对手的出色表现。
Aug, 2023
本研究提出了一种在多重冲突目标下，通过 PCA 降维和多目标优化算法 (NSGA-II) 来实现应用于多种真实场景的群体行为控制，以及在控制模型的 12 个参数中进行了比较，优化后的结果被报告并与 CMA-ES 算法作了对比。
May, 2022
这篇研究论文使用两个真实的计算流体动力学问题比较了十一个最先进的单目标代理辅助进化算法的性能表现，结果发现最近发布的方法以及利用差分进化作为优化机制之一的技术明显优于其他方法。