科学和工程中的许多问题都是优化问题，可能需要复杂的优化技术来解决。自然启发算法是一类用于优化的元启发式算法，有些算法或变体通常通过混合来开发。本章重点介绍优化、自然启发算法的概述和混合的作用，并强调算法混合的一些问题。
Aug, 2023
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。
本文通过回顾 28 篇最新的同行评审相关文章和 26 种自然启发式算法的应用，对其进行归类以帮助读者了解这些算法的可靠性和探索阶段，并讨论了这些算法在生物医学信号处理和生物医学图像处理中的应用。
Oct, 2023
使用启发式元算法优化预训练权重可改善机器学习分类任务的结果。
Dec, 2022
本研究针对优化问题，提出了一种基于自动设计元启发式算法的方法学框架 AutoOpt，该框架包含具有良好性能的算法性能评估标准、算法设计决策空间的一般架构、设计算法所用的混合图和实数表示以及无模型方法来进行设计过程。实测结果表明，AutoOpt 是一种有效和高效的设计元启发式算法的方法学框架。
Apr, 2022
本研究对 500 多个元启发式算法进行了详尽的调查，并重点比较了 11 个新的和 4 个已有的元启发式算法对 CEC2017 基准函数集的竞争性表现，结果显示 EBCM 性能优良，不输于现有的元启发式算法。
本文对无导数优化的确定性技术和基于自然启发的技术进行了计算比较，并通过对五个基准测试集的结果分析表明，在目标函数评估相对较便宜的情况下，基于自然启发的方法比确定性方法具有更好的性能，然而，在目标函数评估昂贵或被禁止的情况下，确定性方法可能提供更为一致和总体更好的结果。
通过引入并解释了水基优化元启发式方法，本文旨在澄清这些方法之间的差异，并强调它们在仿真自然水力学方面的不同之处。
Jan, 2024
通过比较分析深度学习技术与启发式优化算法结合在天气预报中的性能，并评估不同模型架构在各指标下的表现，本文揭示了启发式优化算法在提高天气预报准确性方面的潜力。该研究还强调了利用高级优化技术选择适合特定天气预报任务的最佳启发式优化算法的重要性。
Sep, 2023
本文构建基于阶层的新型社会认知元启发式算法，应用于时滞系统模型的优化，并讨论了该算法的多个版本在所选问题的优化中的结果。
Oct, 2022