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

使用改进的多目标进化算法和自适应区域权重调整策略来实现无人机的三维路径规划，以权衡总航行路径长度与地形威胁。

Aug, 2023

本文提出了一种基于 MESH 算法的多目标优化方法来解决水力发电厂在亚日尺度运营中的短期出力计划问题，旨在在最大化发电量和最大化水库蓄水量的前提下，找到一个水库的最佳出力方案。研究结果表明，MESH 算法表现出比其他多目标算法更高的效率和准确性，并在实际应用中提供了显著的经济效益。

Jul, 2021

本文提出了一种新颖的基于路径的寻谷聚类算法，用于处理形状任意的聚类，该算法利用路径距离（minmax 距离）将聚类之间的不规则边界转换为完美的球壳，然后寻找这些转换过的密度谷并提取聚类，最后实验表明该算法精确高效，适用于多个领域。

Jun, 2023

该研究提出了一种创新的方法，用于规划印度坦米尔纳德邦钦奈市城区的地铁网络路线。通过比较改进的蚁群优化算法与最新的自然启发算法的突破，证明改进的蚁群优化算法优于现代技术。通过应用改进的蚁群优化算法，生成连接地铁路线起点和目的地的最有效路径。此外，该模型应用于现有的地铁网络，以突出该模型结果与当前网络之间的差异。Google 地图平台与 Python 集成处理实时数据，包括土地利用、地理信息系统 (GIS) 数据、人口普查信息和兴趣点。这种处理能够确定城市内的车站和选择的路径上的站点。与传统的路径规划方法相比，由此形成的地铁网络具有显著的优势，增加了劳动生产率，减少了规划时间，提高了成本效益。该研究显著提高了城市交通系统的效率，特别适用于迅速变化的都市环境，如钦奈市。

Jul, 2024

该论文提出了一种变量规模设计空间问题的扩展公式作为复杂系统（如航空航天器）的最佳布局，以考虑到大量的架构选项和元件分配，并通过遗传算法加上调整的隐藏变量机制来解决 NP 难问题。

Dec, 2022

本研究提出了一个双目标优化模型，名为具有可变图像时间的敏捷地球观测卫星观测调度问题 (OSWVID)，并设计了三个多目标基因算法来解决该问题，分别为 PD+ NSGA-II，LA+ NSGA-II 和 ALNS+ NSGA-II。在现有实例的基础上，本研究通过广泛的模拟实验，分析了这三种算法的关键参数优化、算子演化和效率。

Jul, 2022

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

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

由于其收敛性和随机性，自然启发算法（NIAs）在解决组合优化问题中提供了最优结果，而且在机器人学中的路径规划问题中有广泛的应用。

Jul, 2023