CMES群智能及其在组合优化中的应用丨TSP特刊推荐

　　特刊：群智能及其在组合优化中的应用
　　链接：https：www。techscience。comCMESspecialdetailcombinatorialoptimization
　　群体智能（SI）是自然或人工的分散、自组织系统的集体行为。在SI中，个人具有简单的结构，其功能是单一的。然而，由许多个人组成的这种系统显示出涌现的现象，并可以解决几个仅由个人无法解决的现实世界难题。
　　组合优化是与运筹学、算法理论和计算复杂性理论相关的数学优化的子集。它在几个领域都有重要的应用，包括人工智能、机器学习、数学、拍卖理论和软件工程。
　　本期由中国海洋大学王改革教授，东芬兰大学高晓智教授，匹兹堡大学AmirH。Alavi教授三位客座编辑组建了SwarmIntelligenceandApplicationsinCombinatorialOptimization特刊。
　　本期特刊精选了9篇文章，汇集了群智能及其在组合优化应用方面的最新进展，希望能为相关领域学者提供新的思路和参考，欢迎阅读。
　　精选文章01
　　DendriticCellAlgorithmwithGroupingGeneticAlgorithmforInputSignalGeneration
　　基于分组遗传算法的树突状细胞输入信号生成算法
　　DanZhang，YiwenLiang，HongbinDong
　　10。32604cmes。2023。022864
　　图：GraphicalAbstract
　　导读：
　　本研究将分组遗传算法（GGA）与DCA相结合，提出了一种新的DCA版本GGADCA，用于在搜索过程中完成特征选择和信号分类。GGADCA旨在自动搜索没有专业知识的最佳特征分组方案。精选文章02
　　SurveyonTaskSchedulingOptimizationStrategyunderMultiCloudEnvironment
　　多云环境下任务调度优化策略综述
　　QiqiZhang，ShaojinGeng，XingjuanCai
　　10。32604cmes。2023。022287
　　图：GraphicalAbstract
　　导读：
　　本文综述了多云环境下任务调度的概念、类型、目标、优势、挑战和研究现状。对现有相关文献中提出的任务调度策略进行了分析、讨论和总结，包括研究动机、优化算法和相关目标。精选文章03
　　ASchemeLibraryBasedAntColonyOptimizationwith2OptLocalSearchforDynamicTravelingSalesmanProblem
　　基于方案库的蚁群优化与动态旅行商问题的2Opt局部搜索
　　ChuanWang，RuoyuZhu，YiJiang，WeiliLiu，SangWoonJeon，LinSun，HuaWang
　　10。32604cmes。2022。022807
　　图：DTSP分类示例
　　导读：
　　本文提出了一种基于方案库的蚁群优化（ACO）和两优化（2opt）策略，以有效地解决DTSP。为了评估具有2opt的ACO的性能，作者设计了两个具有挑战性的DTSP案例，最多有200个和1379个节点，并将它们与其他ACO和遗传算法进行了比较。实验结果表明，具有2opt的ACO可以有效地解决DTSP。精选文章04
　　ThreeStagesHyperspectralImageCompressionSensingwithBandSelection
　　带波段选择的三级高光谱图像压缩传感
　　JingboZhang，YanjunZhang，XingjuanCai，LipingXie
　　10。32604cmes。2022。020426
　　图：频带选择流程图
　　导读：
　　压缩感知（CS）作为一种高效的数据传输方法，在图像、视频和文本等数据传输领域取得了巨大的成功。本文提出了一种三阶段高光谱图像压缩感知算法（threestageHSICS），以获得HSI的带内和带间特征，从而提高HSI的重建精度。精选文章05
　　DiseaseRecognitionofAppleLeafUsingLightweightMultiScaleNetworkwithECANet
　　基于ECANet的轻量级多尺度网络的苹果叶片病害识别
　　HelongYu，XianheCheng，ZiqingLi，QiCai，ChunguangBi
　　10。32604cmes。2022。020263
　　图：ResNet18结构
　　导读：
　　本文提出了考虑颗粒破碎的离散单元法（DEM）模拟颗粒材料的密排粘结颗粒模型。为了解决自然环境中苹果病害识别困难和深度学习识别网络应用率低的问题，提出了一种用于苹果病害识别的轻量级ResNet模型。精选文章06
　　AnImprovedGorillaTroopsOptimizerBasedonLensOppositionBasedLearningandAdaptiveHillClimbingforGlobalOptimization
　　基于镜头对向学习和自适应Hill全局优化的改进大猩猩部队优化器
　　YaningXiao，XueSun，YanlingGuo，SanpingLi，YapengZhang，YangweiWang
　　10。32604cmes。2022。019198
　　图：IGTO算法流程图
　　导读：
　　大猩猩部队优化器（GTO）是一种新开发的元启发式算法，灵感来自大猩猩的集体生活方式和社交智能。与其他元启发式相似，当要解决的优化问题变得更加复杂和灵活时，GTO的收敛精度和稳定性将恶化。为了克服这些缺陷并获得更好的性能，本文提出了一种改进的大猩猩部队优化器（IGTO）。精选文章07
　　StrengthenedInitializationofAdaptiveCrossGenerationDifferentialEvolution
　　自适应跨代差分进化的强化初始化
　　WeiWan，GaigeWang，JunyuDong
　　10。32604cmes。2021。017987
　　图：30次独立运行中IGD值的方框图
　　导读：
　　自适应跨代差分进化（ACGDE）是最近引入的用于解决多目标问题的算法，与其他进化算法（EA）相比具有显著的性能。本文提出了一个增强版本，即SIACGDE。与前一代相比，它采用了强化的初始化策略和优化的参数。这些改进使得交叉世代突变的方向更加清晰，搜索能力更加高效。精选文章08
　　AChaosSparrowSearchAlgorithmwithLogarithmicSpiralandAdaptiveStepforEngineeringProblems
　　工程问题的对数螺旋自适应步长混沌稀疏搜索算法
　　AndiTang，HuanZhou，TongHan，LeiXie
　　10。32604cmes。2021。017310
　　图：两个搜索模型
　　导读：
　　麻雀搜索算法（SSA）是一种新提出的基于麻雀觅食原理的元启发式优化算法。与其他元启发式算法类似，SSA也存在收敛速度慢、难以跳出局部最优等问题。为了克服这些缺点，本文提出了一种基于对数螺旋策略和自适应步长策略的混沌麻雀搜索算法。精选文章09
　　AStepBasedDeepLearningApproachforNetworkIntrusionDetection
　　一种基于步骤的网络入侵检测深度学习方法
　　YanyanZhang，XiangjinRan
　　10。32604cmes。2021。016866
　　图：FDLIDM的典型结构
　　导读：
　　本文提出了一种基于GoogLeNetInception和深度卷积神经网络（CNN）模型的两步网络入侵检测方法。该方法使用GoogLeNet初始模型来识别网络包的二进制问题。随后，提取分组的原始数据的特征和流量特征。CMES期刊介绍
　　主编：ShaofanLi，LocVuQuoc
　　主要刊发计算材料、计算力学、计算物理、计算生物学、计算化学等领域的计算机建模和仿真的最新学术成果。