本章节系统讨论了模拟非线性物理过程的基于物理的元启发式算法，重点介绍了几种物理学基础元启发式算法及其背后的独特物理过程

Jan, 2022

本文提出了一种新的元优化器，该优化器能够在基于点和基于种群的优化算法算法空间中进行学习，提高了预测的准确性和优化能力，并在非凸测试函数和蛋白质对接应用中的实验结果表明，该元优化器优于现有竞争对手。

Nov, 2019

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

使用基于元学习的非凸优化方法，本研究旨在克服传统优化算法在大规模无线系统中复杂度过高的问题，并成功地优化了三种 6G 技术的性能，揭示了大规模情况下操作的未知方面。

Jul, 2024

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

本研究旨在使用元模型 MetaNet 来解决在线动态选择调度策略的问题，以优化任务调度和执行成本。相比于现有的深度学习调度器，MetaNet 能使执行成本、能源消耗、响应时间和服务水平协议的违规率分别提高 11、43、8 和 13％左右。

May, 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。

Dec, 2022

我们提出了一种高效的元神经启发式方法（EMNH），通过使用基于深度强化学习的神经启发式方法来解决多目标组合优化问题，以提高学习效率和解决质量。

Oct, 2023

HyperMapper 2.0 is a new methodology and software framework that handles multi-objective optimization, unknown feasibility constraints, and categorical/ordinal variables for computer systems design, achieving better Pareto fronts and improved sampling for hardware accelerators.

Oct, 2018

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