【学者观点】《IEEE Transactions on Cybernetics》刊发我院智能优化算法研究新进展
发布时间: 2017-02-27  作者:  浏览次数: 98

 

点击查看原图

 近日,我院测绘系王振杰团队在智能优化算法方面的研究成果《A Dynamic Neighborhood Learning-Based Gravitational Search Algorithm(基于动态邻域学习的引力搜索算法)》发表于人工智能学会著名学术期刊《IEEE Transactions on Cybernetics》(SCI一区,工程技术TOP期刊)。该科研工作由测绘系王振杰教授和孙根云副教授合作指导完成,论文第一作者为2014级博士研究生张爱竹,我院为科研成果第一完成单位。 

邻域结构直接决定群智能优化算法中粒子之间的信息交流方式。局部邻域拓扑结构有利于粒子进行细致的勘探开发,而全局邻域拓扑结构促使粒子在问题空间进行快速搜索。引力搜索算法的邻域结构,虽然具备独特的搜索方向多样性,其本质上仍旧是一种全局邻域拓扑结构。因此,引力搜索算法表现出多样性迅速降低、早熟收敛的问题。此次在《IEEE Transactions on Cybernetics》期刊上发表的《A Dynamic Neighborhood Learning-Based Gravitational Search Algorithm》一文针对此问题开展深入研究,提出一种基于种群进化状态进行结构调整的局部邻域结构,该结构不但克服了全局邻域结构容易早熟收敛的问题,也保持了原算法搜索方向多样性的优势。在此基础上,本文引入具有全局结构的记忆性策略,以此增强算法的开发能力,维持算法的收敛速度。实验表明,该算法有效的促进了算法中勘探与开发过程的平衡、克服了算法早熟收敛的问题,并且大大降低了算法的计算复杂度。

IEEE Transactions on Cybernetics》杂志创刊于1960年,主要刊载控制论领域的研究与计算方法,包括诸如计算智能、 计算机视觉、 神经网络、 遗传算法、 机器学习、 模糊系统、 认知系统、 决策和机器人技术等领域的研究进展,及其在控制论领域的推广研究。该期刊中科院大类分区为一区TOP期刊,近3年影响因子为4.934,是控制论与人工智能域的顶级期刊之一。

该论文网络版链接为:http://ieeexplore.ieee.org/abstract/document/7802630/。【张爱竹 穆洋】

Design By 伏健(qq:864731586) 版权所有 © 地球科学与技术学院 联系电话:0532-86981878