现在有哪些比较新颖的优化算法

目前，有很多新颖的优化算法被提出来，以下是其中一些比较有代表性的：

1. 深度学习优化算法：深度学习优化算法是一类针对神经网络模型的优化算法，包括常见的SGD、Adam、Adagrad等，这些算法在训练深度神经网络时表现出了极高的效率和鲁棒性。

2. 异步并行优化算法：异步并行优化算法是一类并行化的优化算法，通过将问题划分成多个子问题，并行地求解每个子问题，最终得到全局最优解。这类算法适用于解决大规模、高维度的优化问题。

3. 人工免疫优化算法：人工免疫优化算法是一种模拟人体免疫系统的优化算法，通过模拟抗体的生成、选择和进化过程，寻找最优解。这类算法适用于解决组合优化问题。

4. 基因编程优化算法：基因编程优化算法是一种通过编程方式生成个体，并通过选择、交叉、变异等操作进化的优化算法。这类算法适用于解决符号回归问题、机器学习中的特征选择问题等。

5. 强化学习优化算法：强化学习优化算法是一类基于回报信号来优化决策的算法，适用于解决带有明确目标的优化问题。这类算法在机器人控制、游戏AI等领域得到了广泛应用。

以上是一些比较新颖的优化算法，这些算法的提出推动了优化领域的发展，使得优化算法在不同领域得到了广泛应用。