该研究提出一种基于 Cobb-Douglas 宜居生产函数的宜居度量方法，该方法采用测量和计算的行星输入参数计算生活得分，并应用于 K-NN 分类算法和机器学习以产生具有宜居性的颗粒簇。（This research proposes a habitability metric based on the Cobb-Douglas Habitability Production Function, which is used to calculate the habitability score by using measured and calculated planetary input parameters. This method is applied to K-NN classification algorithm and machine learning to produce granular clusters of habitability.）

Apr, 2016

使用遗传算法评估 Cobb-Douglas 宜居性得分，以找到一组最有前途的系外行星的最优值。

Oct, 2020

该研究提出了一种基于 Cobb-Douglas 生产函数的习惯性评分指数，用于计算行星的可居住性得分，该指数使用行星半径，密度，逃逸速度和表面温度等测量和预测的行星参数，以分类和确定行星的适宜程度，它的弹性和全局极值的分析性质具备可扩展的优点，并可以与机器学习相结合进行特征学习，实现分类。

Dec, 2017

文献综述研究外行星的检测、分类和可视化方法，并强调机器学习和计算模型在改善数据分析和解释方面的作用。

May, 2023

本文提出了一种将粒子群优化算法与新颖性搜索相结合的方法，该方法通过新颖性搜索寻找搜索域中的新颖点，然后使用粒子群优化算法在该区域内搜索全局最优解，该方法在处理存在大量局部最优解和次全局最优解远离真正最优解的函数时表现良好。

Feb, 2022

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

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

通过将梯度优化方法与粒子群优化的团队合作特性相结合，我们研究了提高粒子群优化效率和效果的各种策略，包括顺序解耦合、并联解耦合和自适应解耦合等方式，并比较了它们在不同问题领域的应用。

Dec, 2023

通过 Titius-Bode 关系，在 229 个至少有三个或更多被确认存在行星的多行星系统中，发现了大约 53% 的系统中的行星比太阳系的行星更好地遵循对数间距关系。通过机器学习方法分析 762 个被确认存在的系外行星和八个太阳系行星的数据，发现行星质量、公转周期和恒星质量在预测系外行星半径方面起着关键作用，并且还观察到巨大行星的半径与其宿主恒星质量之间存在强相关性，为巨大行星形成和恒星特性之间的关系提供了有趣的见解。

Feb, 2024

研究了一种高度通用的解释性粒子群优化算法 PAO，它可以精确计算每一步的转移密度，并且具有其他有用的特性，例如封闭形式的转移密度，是一个潜在的用于全局优化的有前途的算法。

Apr, 2023