本文基于自适应修改视觉和步长的不同方法来平衡局部和全局探索，针对人工鱼群算法进行了性能研究，实验结果表明了方法对人工鱼群算法的性能有显著的正面影响。

May, 2014

本文提出了一种新颖的混合多路径路由算法，该算法结合了高效的聚类技术，通过能源感知的选择机制和最大节点剩余能量估计技术，在移动传感器网络中实现了良好的能耗性能。

Nov, 2010

本文介绍了基于演化博弈、模糊信任评估和异常检测的安全聚类协议，旨在解决无线传感器网络数据安全与能源之间的冲突。仿真结果证明，该聚类协议能够有效防御网络内部自私或被攻击节点，同时显著提高及时数据传输率。

Jul, 2022

本文提出了一种具有模糊信任评估和离群值检测的安全聚类协议（SCFTO），该协议采用区间类型 - 2 模糊逻辑控制器来估计信任度以处理开放的无线介质传输不确定性，并引入基于密度的离群点检测机制来获取自适应信任阈值，用于隔离恶意节点作为集群头，提出了一种基于模糊的集群头选举方法，以实现在能源节省和安全保障之间的平衡，从而有效地防御网络免受内部恶意或被攻击的节点。

Jul, 2022

本文提出了一种基于特征选择算法的网络入侵检测系统，该算法采用鲸鱼优化算法和遗传算法来挑选入侵节点特征，并结合 KNN 分类算法进行检测，实验结果表明该方法在准确性方面具有优越性。

Jan, 2022

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

本文回顾了最新的数据聚类方法，包括传统算法 K-means 的局限性以及 Swarm-based 算法如何解决大数据集聚类的问题，并比较它们哪个适合特定的实际问题。

May, 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

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