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

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

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

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

粒子群优化算法相比其他技术更易于使用且变异性较低，但在大规模优化问题中寻找最佳解决方案相对复杂，该研究提出了基于旁观者多亲本交叉离散粒子群优化算法（OMPCDPSO），通过在最佳解决方案上应用多亲本交叉，利用旁观者蜜蜂进行独立和深入的局部搜索，结合局部搜索和全局搜索，算法在分配问题的优化中表现出较高的能力，优于其他算法。

Mar, 2024

该研究探索了一种名为量子启发式混沌鳐鱼群智能优化 (Quantum-inspired Chaotic Salp Swarm Optimization, QCSSO) 的新算法，旨在通过定位和跟踪全局最优解以有效处理动态优化问题。通过与其他算法进行比较实验，发现该算法是动态优化问题的竞争对手。

Jan, 2024

本研究提出一种新型的协调调度优化方法，通过减少平均等待时间和周转时间，提高了港口效率。实验结果表明，该方法的两种典范方法都能够有效地提高港口效率，其中滚动视界法可在 3 个月的数据集上减少到 20 分钟的运行时间。

Apr, 2022

该论文提出了半途遁地优化（HEO）算法，一种新颖的量子启发式元启发式算法，旨在解决具有复杂优化问题的崎岖地形和高维度的问题，具有高效的收敛速度。研究对 HEO 的性能进行了全面比较评估，包括与已有的优化算法（包括粒子群优化、遗传算法、人工鱼群算法、灰狼优化器和量子行为粒子群优化）的对比。主要分析涵盖了 30 维度的 14 个基准函数，证明了 HEO 在导航复杂的优化地形中的有效性和适应性，并为其性能提供了有价值的见解。在旅行推销员问题（TSP）中的简单测试也表明了其在实时应用中的可行性。

May, 2024

通过使用 Transformer 架构，我们提出了一种自适应超参数选择的参数化策略空间响应预言机（PSRO）方法，该方法在各种双人零和游戏中展现出优越的性能。

Apr, 2024

在多智能体路径规划领域的一个研究方向是确定在执行过程中代理被延迟时如何高效地重新规划。我们提出了 Switchable-Edge Search (SES) 算法，一种基于 A * 的算法，旨在找到最佳的经过次序。我们证明了 SES 的最优性，并通过模拟评估了它的效率。SES 的最佳变体在小和中型问题上只需要不到 1 秒，并且在大型问题上比基准算法运行速度快 4 倍。

Mar, 2024