原創智慧最佳化演算法家族
由自然、生態、人類程序、臺灣文化、組織發展與多代理協作轉譯為可計算、可驗證及可移轉的智慧方法。
八套核心原創演算法
FBI（2020）｜鑑識調查最佳化
將證據蒐集、調查、追蹤與逮捕程序轉化為多群體資訊交換與解答更新機制，強化搜尋方向辨識及局部／全域探索。
JSO（2021）｜水母搜尋最佳化
模擬水母隨洋流漂移、群聚及主動／被動覓食行為，建立時間控制、群體移動與搜尋切換機制；相關程式碼已由國際開源社群實作採用。
PWO（2023）｜步行朝聖最佳化
取材自臺灣媽祖遶境與步行朝聖，將擲筊、隊伍移動、駐駕、鑽轎腳及搶轎等文化行為轉譯為探索、追隨與跳脫局部最佳解的機制。
ED（2024）｜企業發展最佳化
模擬企業由在地經營、策略合作、知識學習至國際拓展的發展歷程，以競爭、合作及知識移轉維持解答多樣性與持續改善。
ATO（2024）｜北極燕鷗最佳化
依據長距離遷徙、導航、覓食、警戒與季節性往返行為，建立兼顧廣域探索、方向修正與局部開發之動態策略。
AEIO（2026）｜大航海探索最佳化
轉譯未知海域探索、航線修正、資源開發與經驗累積，提升跳脫局部最佳解、知識發現及跨區域搜尋能力。
SAPSO（2025）｜科學問題解決最佳化
依循問題界定、假設建立、實驗驗證、證據分析與知識修正，使搜尋程序具備反覆驗證、證據更新與學習能力。
AAA／A³（2026）｜代理式集成智慧
借鏡多專業代理人的角色分工、階層協作、意見整合與適應性決策，以集體智慧求解複雜工程與計算問題。
國際第三方軟體收錄
| 演算法 | 首發 | 第三方套件收錄 | 時滯 |
|---|---|---|---|
| FBI | 2020 | Python mealpy、pyMetaheuristic、pyVolutionary | 約 2 個月 |
| JSO | 2021 | R tourr（CRAN）、Python pyMetaheuristic、Opytimizer、Otorchmizer、FEALPy | 約 2 個月 |
| ED | 2024 | Python heurilab（PyPI v2.3.0） | 約 2 年 |
JSO 於 R CRAN
2024 年 1 月納入 R 語言標準套件 tourr，2025 年 2 月隨 CRAN 正式版 1.2.4 發行，列為公開函式 search_jellyfish()；效能經 UT Austin 與 Monash 學者專文評估，發表於《Journal of Computational and Graphical Statistics》(2026)。
FBI 於 MEALPY
2020 年 6 月即由國際開源社群獨立實作，收錄於 Python 最大型 metaheuristic 函式庫 MEALPY（233 種演算法）之 Human 類，模組名 FBIO，並同時提供原版與第三方改良版兩個類別。
ED 於 HeuriLab
自 PyPI 正式發行版 v2.3.0（2026 年 7 月 29 日）起收錄於 Human／Social 類，與 TLBO、Jaya、Harmony Search 等經典演算法並列；該函式庫並內建以 19 項 metaphor-free 準則檢驗結構原創性之稽核機制。
獨立研究團隊之延伸發展
JSO 系列
逾 15 個與本團隊無共同作者關係之獨立研究群發展 MJS、EJS、Bin_AJS、MOQRJFS、ONBJS 等改良變體，應用集中於能源與電力系統。
FBI 系列
結構最佳化領域國際權威 Ali Kaveh 教授團隊發展增強版 EFBI，發表於《Computers & Structures》(2021) 並收錄為 Springer 專書專章 (2022)；另有土耳其、埃及、越南團隊發展 Modified FBI、Self-Adaptive FBI 及 Robust FBI。
ED 系列
發表一年餘內即有三個獨立團隊發表改良版本：MSEDO、LMEDO 及 CAED，分別刊於《Scientific Reports》與《Biomimetics》。
查證日期：2026 年 8 月。收錄狀態依各套件之公開原始碼與 PyPI／CRAN 發行紀錄核對。
方法延伸
Fuzzy Adaptive
依搜尋狀態動態調整探索與開發，例如FAJSO、FAFBI及FAATO。
Multi-objective
建立Pareto前緣、外部封存與領導者選擇，例如MOJS、MOFBI、MOPWO、MOED、MOAEIO及MOSAPSO。
Hybrid and Application-Specific
結合加權特徵、機器／深度學習、輕量化架構、物理限制及多準則決策，形成可部署之工程智慧系統。
2026前瞻發展
在既有方法家族基礎上，PiM Lab持續發展異質島嶼架構(Heterogeneous Island Architecture)之開源元啟發式演算法 Python 框架(pyPiM)、模糊自適應北極燕鷗最佳化、集體記憶演化、黑水虻生長啟發、智慧代理協作及多目標結構設計等方向。此區將以「正式發表」與「發展中」分列，避免未完成成果與已出版方法混淆，並保留未來逐年累積的學術軌跡。