经Web of Science的ESI（Essential Science Indicators）最新统计，计算机学院田东平教授2024年4月以第一作者和通讯作者身份，我校为第一署名单位发表的SCI论文“Diversity-guided particle swarm optimization with multi-level learning strategy”入选ESI高被引论文榜（Highly Cited Papers），引用次数进入Computer Science学术领域同一出版年最优秀的前1%之列。该论文发表在国际著名学术期刊Swarm and Evolutionary Computation，刊发时影响因子10.267，属于中科院SCI期刊分区计算机科学类1区Top。这也是近年来田东平教授在该期刊上发表的第三篇同系列研究成果和第二篇ESI高被引论文，目前三篇论文已合计他引480余次。
粒子群优化（PSO）是一种基于群体智能的元启发式算法。与其他进化计算类似，在求解复杂的多模态问题时同样面临早熟收敛和易陷入局部最优的缺点。为此，论文提出一种具有多级学习策略和多样性指导的粒子群优化算法（DPSO-MLS）。首先使用混沌对立学习（OBL）生成均匀分布的初始粒子，以此加速收敛过程；其次，根据当前群体多样性，采用吸引与排斥策略（APS），从全局视角探索粒子的搜索空间以均衡其开发与探测能力；随后，根据整个群体的平均适应度，分别基于替代变异模式（AMS）、最差最佳学习范例（WBEL）、正则变化函数（RVF）以及慢变函数（SVF）嵌入的更新策略等，从局部视角微调粒子搜索以维持其多样性与收敛性。最后通过大量实验验证了该方法的有效性和鲁棒性。这对群智能优化乃至整个演化计算领域的研究都有一定的启发和指导意义。（科研管理处、计算机学院 文/李会莉 审核/王晓玲、李亚峰）
原文链接：https://www.sciencedirect.com/science/article/abs/pii/S2210650224000713
